Seleção de modelos
É mais fácil avaliar os modelos de conversão de fala em texto da Deepgram quando você começa pelo seu áudio e pela transcrição de que precisa. Este guia aborda os pré-requisitos, um teste de exemplo e os fatores a considerar antes de adotar um fluxo de trabalho.
Reúna áudios representativos antes de comparar os resultados da Deepgram. Uma gravação limpa em estúdio, por si só, não mostrará como um modelo lida com as condições do seu fluxo de trabalho real.
Veja como a transcrição se encaixa em um fluxo de trabalho mais amplo de conversão de áudio em texto.
Confira as considerações sobre idiomas antes de montar um conjunto de testes multilíngue.
Planeje como extrair e avaliar a fala de gravações de vídeo.
Trate a comparação de modelos como um teste reproduzível, não como um julgamento baseado na primeira transcrição que parecer legível.
Escolha uma gravação com o idioma, a qualidade de microfone e a sobreposição de falas que você espera encontrar em produção. Prepare uma transcrição de referência revisada por uma pessoa; preserve as palavras incertas em vez de adivinhá-las sem sinalizar a dúvida.
Registre o modelo da Deepgram e as configurações da solicitação usados para cada resultado. Mantenha o pré-processamento consistente e não compare um arquivo tratado com uma versão não tratada da mesma gravação.
Compare nomes, números, negações e turnos de fala com a transcrição de referência. Anote se a transcrição precisa de edição e repita o teste com várias gravações antes de chegar a uma conclusão.
Estes são dois caminhos de avaliação, não uma afirmação de que todos os modelos da Deepgram aceitam configurações idênticas. Confirme a disponibilidade atual dos modelos e as opções de solicitação na documentação oficial.
Avaliação de áudio gravado
Um arquivo ou gravação salvo
Avaliação de áudio ao vivo
Áudio recebido durante uma sessão
Avaliação de áudio gravado
Qual é a precisão da transcrição final?
Avaliação de áudio ao vivo
Qual é a utilidade dos resultados enquanto a fala ainda está sendo recebida?
Avaliação de áudio gravado
Transcrição do clipe completo revisada por uma pessoa
Avaliação de áudio ao vivo
Transcrição revisada por uma pessoa, com anotações de tempo
Avaliação de áudio gravado
Palavras e nomes omitidos e mudanças de falante não identificadas
Avaliação de áudio ao vivo
Revisões, palavras omitidas e atraso no texto final
Avaliação de áudio gravado
Condições de transferência e processamento do documento
Avaliação de áudio ao vivo
Teste interrupções e variações na conectividade
Avaliação de áudio gravado
Esforço de edição do resultado final
Avaliação de áudio ao vivo
Usabilidade dos resultados parciais e finais
Um único trecho de áudio limpo, configurações de requisição inconsistentes ou uma transcrição de referência não verificada podem fazer os resultados da Deepgram parecerem melhores ou piores do que realmente são. Teste o áudio que importa para você e confirme os recursos atuais antes de planejar uma solução em torno de um modelo específico. O link abaixo leva a um produto de voz separado, não a um seletor de modelos da Deepgram.
Comece pelo tipo de áudio que você precisa transcrever e pelo idioma falado. Consulte a documentação atual da Deepgram para identificar os modelos disponíveis e, depois, teste trechos representativos usando configurações consistentes e uma transcrição de referência revisada por uma pessoa.
Não necessariamente para todas as gravações ou fluxos de trabalho. Compare os modelos disponíveis para o seu caso de uso com seus próprios áudios, prestando atenção especial a erros que possam alterar o sentido da transcrição.
Você pode reutilizar o material de origem e uma transcrição de referência, mas os critérios de avaliação são diferentes. Para áudio ao vivo, examine também os resultados parciais, as revisões e o momento em que o texto final utilizável fica disponível.
Analise nomes, números, negações, mudanças de falante e a quantidade de correções humanas necessárias. Se o tempo de resposta for importante, avalie-o separadamente, em vez de confiar em uma impressão geral de precisão.
Não. Este é um guia de avaliação, e o link para ferramentas de voz leva a um produto separado. Consulte a documentação atual e as interfaces compatíveis da Deepgram para confirmar e executar um modelo específico.