Flujos de trabajo de voz
La primera decisión es si necesitas obtener palabras a partir de audio o audio a partir de palabras. Deepgram se asocia con la tecnología de voz, pero son tareas distintas, con entradas y resultados diferentes. Usa esta guía para definir la tarea, preparar una pequeña prueba y evaluar el resultado antes de planificar un flujo de trabajo más amplio.
Prepara una muestra breve y representativa, y define claramente qué considerarás un buen resultado. Estos puntos de partida ayudan a los distintos equipos a evitar probar la tarea de voz equivocada.
Tienes una grabación y necesitas un texto en el que puedas buscar palabras, incluidos los nombres y términos relevantes para el estudio.
Empieza con la conversión de audio a texto y compara la transcripción con un fragmento revisado manualmente.
transcripción de deepgramEl diálogo está integrado en un video y necesitas texto que sirva para un flujo de trabajo de subtitulado.
Distingue la necesidad de obtener el audio de los requisitos de edición; una transcripción por sí sola no es un archivo de subtítulos terminado.
transcripción de video de deepgramLas personas que llaman pueden hablar distintos idiomas o cambiar de idioma durante una conversación.
Enumera los idiomas del conjunto de prueba y verifica que sean compatibles con la tarea específica antes de elegir un flujo de trabajo.
idiomas de deepgramLa respuesta a la solicitud de un usuario debe escucharse, no limitarse a aparecer como texto en una pantalla.
Especifica por separado cómo se convierte en texto la voz entrante y cómo se genera una respuesta audible.
transcripción de deepgramImagina que pruebas una pregunta grabada de un cliente. Haz que la prueba sea lo bastante pequeña como para que una persona pueda revisar cada etapa.
Anota si el objetivo es obtener una transcripción, una respuesta hablada o ambas. Para probar la transcripción, elige una grabación breve con lenguaje cotidiano y un nombre difícil; conserva una transcripción de referencia hecha por una persona.
Envía la grabación por la ruta de conversión de audio a texto que estás evaluando. Si el proyecto también necesita una respuesta hablada, redacta primero la respuesta como texto y evalúa la conversión de texto a voz por separado, en lugar de tratar la transcripción como voz generada.
Comprueba si la transcripción recoge correctamente el nombre difícil y si contiene omisiones o cambios de significado. Después, escucha cualquier respuesta generada para evaluar su pronunciación e inteligibilidad. Registra qué etapa necesita correcciones antes de añadir automatización.
La búsqueda general de Deepgram relacionada con la voz puede llevar a varias tareas más específicas. Elige la ruta que corresponda al material de entrada que tienes y al resultado que necesitas.
Céntrate en convertir voz grabada o en directo en texto que puedas revisar.
Ten en cuenta el trabajo adicional de extracción y sincronización necesario cuando la voz procede de un video.
Comprueba si los idiomas son adecuados para tus hablantes y para la tarea de procesamiento de voz que quieres realizar.
Esta comparación se refiere a tipos de tareas, no garantiza que todos los controles estén disponibles a través de la misma interfaz. Verifica la compatibilidad actual del producto antes de implementarlo.
Voz a texto
Una grabación o un flujo de audio entrante
Texto a voz
Texto escrito destinado a reproducirse como voz
Voz a texto
Palabras reconocidas para su lectura o procesamiento posterior
Conversión de texto a voz
Audio que puede escuchar una persona
Conversión de voz a texto
Comparar las palabras reconocidas con una referencia verificada
Conversión de texto a voz
Escuchar el resultado y comprobar su claridad y pronunciación
Conversión de voz a texto
Una palabra omitida o un nombre mal interpretado
Conversión de texto a voz
Una pausa inoportuna o un nombre mal pronunciado
Conversión de voz a texto
Leer los pasajes dudosos mientras se vuelve a reproducir el audio original
Conversión de texto a voz
Escuchar una muestra en el contexto previsto
Conversión de voz a texto
Buscar, resumir, subtitular o dirigir el texto
Conversión de texto a voz
Reproducir el audio para una persona o incorporarlo a una experiencia
Un flujo de trabajo de voz con deepgram también necesita controles fuera del paso de procesamiento de voz. Estos puntos de transición son especialmente importantes cuando las personas van a confiar en el resultado.
Una transcripción que parece correcta puede contener un nombre, un número o una instrucción erróneos. Registra una interpretación del audio; no demuestra que lo que afirma la persona sea cierto.
Solución alternativaCompare los pasajes importantes con la grabación original y confirme las afirmaciones con una fuente independiente.
Convertir un texto proporcionado en audio no determina si el texto es preciso, adecuado o útil para quien lo escucha.
Solución alternativaApruebe primero el texto de la respuesta y, después, escuche el audio generado antes de publicarlo.
El ruido, los acentos, las voces superpuestas y la terminología desconocida pueden afectar la calidad de una prueba en condiciones reales.
Solución alternativaCree un pequeño conjunto de evaluación basado en las condiciones que realmente encuentra su público.
Los modelos, formatos, idiomas y ajustes de integración disponibles pueden cambiar. Una comparación conceptual no sustituye la consulta de la información actual del servicio.
Solución alternativaConfirme las capacidades necesarias y las condiciones de tratamiento de datos en el servicio que piensa utilizar.
Empiece con una entrada representativa y un resultado que pueda revisar. El servicio al que se dirige puede ofrecer herramientas distintas de las que se explican aquí, así que confirme sus capacidades actuales antes de adoptar un flujo de trabajo.
Puede referirse a reconocer el habla, generar audio hablado o combinar ambas funciones en una aplicación. Identifica primero la entrada y el resultado deseado para poder evaluar la tarea concreta, en lugar de usar un término general.
No. La conversión de voz a texto devuelve las palabras reconocidas en un audio, mientras que la conversión de texto a voz transforma palabras escritas en audio. Una experiencia conversacional puede usar ambas, pero cada etapa requiere su propia evaluación de calidad.
Elige una muestra breve que se parezca a tu público real y conserva una referencia que puedas revisar. En las transcripciones, comprueba los nombres, el significado y las omisiones; al probar el audio generado, escucha si es claro y si la pronunciación es correcta.
Una muestra satisfactoria aporta información sobre esa muestra, pero no demuestra que todos los idiomas, acentos o conversaciones en varios idiomas vayan a funcionar igual. Consulta la compatibilidad actual para la tarea específica y haz pruebas con grabaciones de las personas que usarán el sistema.
No. Los subtítulos también pueden requerir sincronización, segmentación, decisiones sobre quién habla y revisión editorial. Usa el texto reconocido como punto de partida para ese proceso y luego compara los subtítulos con el video.