Sprachworkflows
Die erste Entscheidung ist, ob Sie Wörter aus Audio oder Audio aus Wörtern benötigen. Deepgram wird mit Sprachtechnologie in Verbindung gebracht, doch das sind unterschiedliche Aufgaben mit unterschiedlichen Eingaben und Ergebnissen. Nutzen Sie diesen Leitfaden, um die Aufgabe festzulegen, einen kleinen Test vorzubereiten und das Ergebnis zu beurteilen, bevor Sie einen größeren Workflow planen.
Bringen Sie eine kurze, repräsentative Aufnahme und eine klare Definition des gewünschten Ergebnisses mit. Diese Ausgangspunkte helfen verschiedenen Teams, nicht versehentlich die falsche Sprachaufgabe zu testen.
Sie haben eine Aufnahme und benötigen durchsuchbaren Text, einschließlich der für die Studie wichtigen Namen und Fachbegriffe.
Beginnen Sie mit Audio-zu-Text und vergleichen Sie das Transkript mit einem manuell überprüften Ausschnitt.
deepgram-TranskriptionDialoge sind in ein Video eingebettet, und Sie benötigen Text für einen Workflow zur Untertitelung.
Trennen Sie die Anforderungen an das Audio von denen an die Bearbeitung; ein Transkript allein ist noch keine fertige Untertiteldatei.
deepgram-VideotranskriptionAnrufende sprechen möglicherweise unterschiedliche Sprachen oder wechseln während eines Gesprächs zwischen ihnen.
Listen Sie die Sprachen im Testdatensatz auf und prüfen Sie die Unterstützung für die jeweilige Aufgabe, bevor Sie einen Workflow auswählen.
deepgram-SprachenEine gesprochene Antwort muss auf die Anfrage einer Person folgen und darf nicht nur als Text auf einem Bildschirm erscheinen.
Legen Sie getrennt fest, wie eingehende Sprache zu Text wird und wie eine Antwort hörbar wird.
deepgram-TranskriptionStellen Sie sich vor, Sie testen eine aufgezeichnete Kundenfrage. Halten Sie den Test so klein, dass eine Person jede Phase prüfen kann.
Halten Sie fest, ob das Ziel ein Transkript, eine gesprochene Antwort oder beides ist. Wählen Sie für einen Transkriptionstest eine kurze Aufnahme mit alltäglicher Sprache und einem schwierigen Namen; halten Sie als Referenz fest, was tatsächlich gesagt wurde.
Leiten Sie die Aufnahme durch den Audio-zu-Text-Prozess, den Sie bewerten. Wenn das Projekt auch eine gesprochene Antwort benötigt, formulieren Sie die Antwort zunächst als Text und bewerten Sie Text-zu-Sprache separat, statt das Transkript als generierte Sprache zu behandeln.
Prüfen Sie das Transkript auf den schwierigen Namen, Auslassungen und Bedeutungsänderungen. Hören Sie sich anschließend eine etwaige generierte Antwort an und achten Sie auf Aussprache und Verständlichkeit. Halten Sie fest, welche Phase korrigiert werden muss, bevor Sie die Automatisierung ergänzen.
Die allgemeine Suche nach Deepgram-Sprachlösungen kann zu mehreren spezifischeren Aufgaben führen. Wählen Sie den Weg, der zu Ihrem Eingabematerial und dem benötigten Ergebnis passt.
Konzentrieren Sie sich darauf, aufgezeichnete oder live gesprochene Sprache in überprüfbaren Text umzuwandeln.
Berücksichtigen Sie den zusätzlichen Aufwand für Extraktion und zeitliche Zuordnung, wenn die Sprache aus einem Video stammt.
Prüfen Sie, ob die Sprache zu Ihren Sprechern und der geplanten Sprachverarbeitungsaufgabe passt.
Dieser Vergleich bezieht sich auf Aufgabentypen und ist keine Zusage, dass alle Steuerungsmöglichkeiten über dieselbe Schnittstelle verfügbar sind. Prüfen Sie vor der Implementierung die aktuelle Produktunterstützung.
Sprache-zu-Text
Eine Aufnahme oder ein eingehender Audiostream
Text-zu-Sprache
Geschriebener Text, der gesprochen werden soll
Sprache-zu-Text
Erkannte Wörter zum Lesen oder zur weiteren Verarbeitung
Text-zu-Sprache
Audio, das sich Zuhörer anhören können
Sprache-zu-Text
Erkannte Wörter mit einer geprüften Referenz vergleichen
Text-zu-Sprache
Ausgabe anhören und Verständlichkeit und Aussprache prüfen
Sprache-zu-Text
Ein ausgelassenes Wort oder ein falsch verstandener Name
Text-zu-Sprache
Eine unpassende Pause oder ein falsch ausgesprochener Name
Sprache-zu-Text
Unklare Passagen lesen und dabei die Quelle erneut abspielen
Text-zu-Sprache
Eine Hörprobe im vorgesehenen Kontext anhören
Sprache-zu-Text
Den Text durchsuchen, zusammenfassen, mit Untertiteln versehen oder weiterleiten
Text-zu-Sprache
Das Audio für Zuhörer abspielen oder in ein Erlebnis einbinden
Ein deepgram-Sprachworkflow erfordert auch Prüfungen außerhalb des Sprachverarbeitungsschritts. Diese Übergänge sind besonders wichtig, wenn Menschen auf das Ergebnis angewiesen sind.
Ein plausibles Transkript kann einen falschen Namen, eine falsche Zahl oder eine falsche Anweisung enthalten. Es hält eine Interpretation des Gesprochenen fest; es belegt nicht, dass die Aussage der sprechenden Person wahr ist.
BehelfslösungGleichen Sie wichtige Passagen mit der Originalaufnahme ab und überprüfen Sie Behauptungen anhand einer unabhängigen Quelle.
Die Umwandlung eines vorgegebenen Textes in Audio entscheidet nicht darüber, ob der Text korrekt, angemessen oder für die Zuhörenden nützlich ist.
BehelfslösungGeben Sie zuerst den Antworttext frei und hören Sie sich dann die erzeugte Audiofassung an, bevor Sie sie veröffentlichen.
Geräusche, Akzente, gleichzeitig sprechende Personen und unbekannte Fachbegriffe können die Qualität eines Tests unter realen Bedingungen beeinflussen.
BehelfslösungStellen Sie einen kleinen Testsatz zusammen, der die Bedingungen abbildet, denen Ihre Zielgruppe tatsächlich begegnet.
Verfügbare Modelle, Formate, Sprachen und Integrationseinstellungen können sich ändern. Ein konzeptioneller Vergleich ersetzt nicht die Prüfung des aktuellen Angebots.
BehelfslösungPrüfen Sie beim Dienst, den Sie nutzen möchten, die benötigten Funktionen und die Bedingungen für den Umgang mit Daten.
Beginnen Sie mit einer repräsentativen Eingabe und einem Ergebnis, das Sie prüfen können. Der verlinkte Dienst bietet möglicherweise andere Tools als die hier besprochenen. Prüfen Sie daher seine aktuellen Funktionen, bevor Sie sich für einen Workflow entscheiden.
Der Begriff kann die Erkennung von Sprache, die Erzeugung gesprochener Audioausgabe oder die Kombination beider Funktionen in einer Anwendung bezeichnen. Benennen Sie zuerst die Eingabe und die gewünschte Ausgabe, damit Sie die konkrete Aufgabe statt eines Oberbegriffs bewerten können.
Nein. Bei der Umwandlung von Sprache in Text werden erkannte Wörter aus Audio ausgegeben, während die Umwandlung von Text in Sprache geschriebene Wörter hörbar macht. Eine dialogbasierte Anwendung kann beides nutzen, aber jede Stufe muss gesondert auf Qualität geprüft werden.
Wählen Sie eine kurze Aufnahme, die Ihrer tatsächlichen Zielgruppe entspricht, und bewahren Sie eine überprüfbare Referenz auf. Prüfen Sie bei Transkripten Namen, Bedeutung und Auslassungen; achten Sie beim Testen gesprochener Ausgabe auf Verständlichkeit und Aussprache.
Ein erfolgreiches Beispiel ist ein nützlicher Beleg für genau dieses Beispiel, aber kein Beweis dafür, dass jede Sprache, jeder Akzent oder jede mehrsprachige Unterhaltung gleich gut funktioniert. Prüfen Sie die aktuelle Unterstützung für die konkrete Aufgabe und testen Sie Aufnahmen Ihrer vorgesehenen Sprecher.
Nein. Untertitel können zusätzlich eine zeitliche Zuordnung, Segmentierung, Entscheidungen zur Sprecherzuordnung und eine redaktionelle Prüfung erfordern. Nutzen Sie den erkannten Text als Eingabe für diesen Workflow und gleichen Sie die Untertitel anschließend mit dem Video ab.