Tecnologia de voz explicada
Se a sua pergunta é o que é deepgram ai, a resposta curta é que a Deepgram é uma empresa de IA de voz que oferece tecnologia para transformar fala em texto e gerar fala a partir de texto. É uma tecnologia que desenvolvedores podem incorporar a aplicativos, não uma garantia de que toda gravação produzirá uma transcrição perfeita.
A Deepgram abrange mais de uma tarefa de voz. Estas páginas separam os conceitos para que você possa acompanhar a parte relevante para o seu projeto.
Veja como o áudio falado pode se tornar texto escrito e o que afeta o resultado.
Explore a diferença entre entender a fala e produzir uma resposta falada.
Entenda por que a escolha do modelo importa ao avaliar o reconhecimento de uma gravação específica.
Um fluxo de trabalho típico de conversão de fala em texto tem três partes. Os detalhes dependem do aplicativo, mas a sequência ajuda a explicar onde a Deepgram se encaixa.
Um aplicativo fornece uma gravação ou um fluxo de áudio ao vivo. O som em si é a entrada; um sistema de reconhecimento precisa inferir as palavras a partir de um sinal acústico que pode incluir ruído de fundo, vozes sobrepostas ou nomes desconhecidos.
A Deepgram aplica um modelo de reconhecimento de fala para identificar as palavras mais prováveis. Dependendo do serviço e da configuração escolhidos, um aplicativo também pode solicitar informações que ajudem a organizar o resultado. A saída do modelo é uma interpretação do áudio, não uma verificação independente do que a pessoa quis dizer.
O aplicativo recebe texto para busca, legendas, anotações ou outro fluxo de trabalho. Uma equipe pode então conferir trechos importantes com a gravação original. A conversão de texto em fala inverte o processo: um sistema começa com texto e produz áudio, em vez de transcrever o que alguém falou.
A Deepgram pode dar suporte a fluxos de trabalho com recursos de voz, mas sua saída ainda precisa ser avaliada no contexto em que será usada.
Sotaques, falas simultâneas, microfones de baixa qualidade e vocabulário especializado podem alterar o que um sistema de reconhecimento identifica. Uma frase que parece confiável ainda pode conter um erro com consequências importantes.
Solução alternativaTeste a Deepgram com gravações representativas e confira nomes, números e decisões com base no áudio.
Uma transcrição registra uma interpretação das palavras, não se uma afirmação foi sarcástica, equivocada ou tirada de contexto. Um resumo gerado acrescenta outra camada de interpretação.
Solução alternativaMantenha o acesso à gravação original quando o contexto ou a responsabilização forem importantes.
O uso de um serviço de voz não estabelece, por si só, o consentimento, as regras de retenção ou a permissão para processar conversas sensíveis. Essas decisões cabem à organização responsável pelo fluxo de trabalho.
Solução alternativaRevise os termos de serviço aplicáveis e as políticas da sua organização antes de enviar áudio sensível à Deepgram.
Desenvolvedores e equipes que criam soluções para áudio falado podem avaliar a Deepgram em comparação com a transcrição humana. A abordagem adequada depende das consequências de um erro, não apenas da quantidade de áudio.
Reconhecimento de fala da Deepgram
Uma equipe de desenvolvimento que processa áudio em um fluxo de trabalho de software
Transcrição e revisão humanas
Um editor, pesquisador ou especialista que trabalha diretamente com uma gravação
Reconhecimento de fala da Deepgram
Fala gravada ou transmitida em tempo real, fornecida por um aplicativo
Transcrição e revisão humanas
Uma gravação e quaisquer instruções ou informações de contexto fornecidas ao revisor
Reconhecimento de fala da Deepgram
Texto gerado por máquina para análise ou uso em etapas posteriores
Transcrição e revisão humanas
Uma transcrição preparada ou corrigida por uma pessoa
Reconhecimento de fala da Deepgram
Pode reconhecer incorretamente palavras pouco claras ou escolher uma expressão plausível, mas errada
Transcrição e revisão humanas
Pode sinalizar incertezas e reproduzir novamente trechos difíceis
Reconhecimento de fala da Deepgram
Depende do áudio e da configuração do fluxo de trabalho
Transcrição e revisão humanas
Pode incluir informações sobre o projeto fornecidas ao transcritor
Reconhecimento de fala da Deepgram
Teste a Deepgram com áudios representativos do uso pretendido
Transcrição e revisão humanas
Confira a precisão e a consistência editorial em relação à gravação
Decida se você precisa de conversão de fala em texto, conversão de texto em fala ou de um fluxo de trabalho conversacional mais amplo. Depois, teste as ferramentas disponíveis com materiais semelhantes aos seus áudios reais e consulte os termos delas antes de compartilhar conteúdo sensível. O destino do link abaixo é um serviço de voz independente; esta página não estabelece que ele tenha os mesmos recursos ou políticas da Deepgram.
A Deepgram está associada a tecnologias de reconhecimento de fala e geração de voz. Desenvolvedores podem usar a conversão de fala em texto para tornar áudios pesquisáveis ou criar transcrições preliminares, enquanto a conversão de texto em fala atende a aplicações que precisam de saída de voz. O primeiro passo é identificar de qual dessas opções seu fluxo de trabalho precisa.
Não exatamente. A Deepgram fornece tecnologia de voz que um aplicativo pode usar; a experiência do usuário depende de como esse aplicativo é desenvolvido. Uma transcrição exibida em um aplicativo pode ser apenas parte de um processo maior.
Nenhum sistema de reconhecimento de fala pode garantir isso. A qualidade do reconhecimento depende de fatores como clareza do áudio, sotaques, falas simultâneas e vocabulário. Confira trechos importantes no áudio original, em vez de tratar o texto gerado como um registro verificado.
Não. A Deepgram também atua na geração de voz, que produz áudio falado a partir de texto. O reconhecimento de fala e a geração de voz resolvem problemas diferentes, então verifique de qual recurso o fluxo de trabalho proposto realmente precisa.