Atkuriamasis korpusas
Viešai licencijuota kalba ir sutikti scenarijai, naudojant tuos pačius garso fragmentus, kur tai palaikoma, siekiant izoliuoti atpažinimą ir po apdorojimą.
Metodika · versija 0.1.0
Taisyklės yra svarbesnės už rezultatus.
Išankstinio registravimo tipo protokolas, leidžiantis palyginti teigiamus ir neigiamus rezultatus tiek pat tikrinamus. Dabartinė leidimo versija vis dar yra pilotinė; šios taisyklės nustato vartus būsimam testavimui.
01 · Sistemos apibrėžimas
Produkto pavadinimas nėra testavimo sąlyga.
Kiekviena sistema yra tuple: viešojo produkto versija, operacinės sistemos versija, variklio ar modelio pataisa, nustatymai, kurie daro įtaką atpažinimui ir valymui, įrenginio klasė ir fiksavimo kelias. Skirtingų tuple rezultatų niekada nėra tyliai sujungiama.
Jei produktas negali priimti tokio paties garso kelio, tai pranešama atskirame sluoksnyje. Tiesioginis mikrofono įrašymas nepateikiamas kaip tiesiogiai lyginamas su failo atkūrimu.
| Platforma | Pagrindinės klasės | Dabartinė klasė | Tikslas |
|---|---|---|---|
| macOS | Įrašas Apple Silicon | Esamas Apple Silicon | Vietinis darbalaukio diapazonas |
| Windows | Paprastas x86 nešiojamas kompiuteris | Dabartinis našumo nešiojamasis kompiuteris | CPU ir GPU kaita |
| Android | Palaikomas vidutinės klasės įrenginys | Dabartinis flagmanas | Mobilioji variacija |
02 · Trys etapai
Laboratorijos pakartojamumas, tada tikrovė su realiu įrenginiu.
Tikro įrenginio fiksavimas
Kalibruotas atkūrimas per dokumentuotas patalpas ir mikrofonus, kad būtų atskleistas triukšmo mažinimo, pre-roll, tylos jungiklio ir galutinio išplovimo elgesys.
Natūralus diktantas
Naujai sutikę kalbėtojai skaito iš anksto užregistruotus užklausimus. Privatūs palaikymo įrašai niekada neperkelti į viešąjį korpusą.
Matomos sluoksnių dalys
Kalba, regioninė įvairovė, trukmė, triukšmas, kambario sąlygos, vardai, skaičiai, techniniai terminai, pauzės ir sakytos pataisos.
03 · Pagrindiniai rodikliai
WER yra pradžia, ne visa istorija.
Word klaidų lygis apskaičiuojamas kaip keitimai plius įterpimai ir trynimai, padalyti iš atskaitos žodžių. Tyrime taip pat pranešama apie kiekvieną operaciją atskirai, nes vienas sklandus nuorašas gali paslėpti trūkstamą frazę.
Apibendrinti rodikliai yra micro-word-weighted: operacijų skaičiai ir atskaitos žodžiai sumuojami prieš apskaičiuojant tarifą. Latencija skelbia mėginių skaičių, medianą, p95 ir maksimalų skaičių. Baigtas pilotas turi mišrią šiluminę būseną; valdomas šaltas ir šiltas važiavimas bei tiesioginis vartotojo sąsajos pristatymas išlieka būsimi matavimai.
Apdorojimo laikas apima atpažinimą, vamzdyno užbaigimą ir vietinį valymą, kai įjungta. Tai neapima pradinės vykdymo trukmės konstravimo, armatūros įkėlimo, tiesioginio įrašymo, nuorodų siuntimo ir žymeklio įterpimo. Visų juostų galutinis vertintojo rezultatas; išvalytos juostos vis tiek gali pritaikyti žodyno ir formatavimo pakeitimus.
Latencija naudoja 60 vienodai svertinių dekodavimo pavyzdžių vienoje juostoje ir R-7 tiesinius kvantilius. 20 rungtynių yra 491 atskaitos žodžio pozicija per vieną praėjimą, skaičiuojama tris kartus 1 473 žodžių vardiklyje. Pakartojimai nėra savarankiški posakiai. Kokybės slenksčio gedimai išlieka įtraukti: 3 su įjungtu Core ML valymu, 3 su išjungtu Core ML valymu ir 6 su Whisper.
Aiškinimas taisytas 2026 m. rugsėjo 6 d. Originalūs numeriai nesikeičia. Perskaitykite įrodymų auditą, išorines nuorodas, likusius apribojimus ir atgaminimo instrukcijas.
Tinklo stebėjimas
Protokolas registruoja, ar darbo srautas baigiasi neprisijungus po nustatymų, stebimas paskirties vietas ir baitus, bei ar buvo pastebėti garso ar teksto paketai, paliekantys įrenginį. Paketo fiksavimas turi aklų taškų, todėl ginčytina teiginys yra „šio testo metu nebuvo pastebėta garso/teksto paketo“. Niekada neteigkite „niekas niekada neišlenda“.
04 · Leidybos vartai
Nėra lyderių lentelės, kol nepraeina visi vartai.
Metodas užšaldytas pirmasVersija ir analizės įsipareigojimas įrašyti prieš etalonų rinkimą.
Korpuso prisegtaNepakeičiami pataisymai ir SHA-256 santraukos kiekvienam šaltinio ir sugeneruotam failui.
Peržiūrėtos nuorodosDviejų asmenų nuorodų peržiūra ir viena normalizavimo politika kiekvienai sistemai.
Įvestys palyginamosTie patys baitai arba aiški, atskirai pranešta fiksavimo stratumas.
Provenansė baigtaĮrašyti produktas, modelis, įrenginys, nustatymai, energijos būklė ir fiksavimo kelias.
Nepavykusių atvejų išsaugojimasPraleisti laiką ir trūkstami transkriptai lieka vardiklyje.
Operacijos suderinaPakaitos, įterpimai ir ištrynimai sudaro redagavimo atstumą.
Privatumo peržiūraSanieytojo praleidimai ir žmogus tikrina viešą artefakto ribą.
Atvirai pranešta apie konfliktąYaps autoriai, išimtys, nukrypimai ir apribojimai lieka svarbūs.
Duomenys pateikiami su pretenzijomisIšvalytos eilutės, apibendrinimai, manifestai ir korekcijų kanalo publikavimas kartu.
05 · Žinomi apribojimai
Ko šis protokolas vis dar nemato.
Dabartinė įranga daugiausia testuoja transkripcijos grandinę po įrašymo. Ji visiškai neatkuria „fixture“ garso per tiesioginę mikrofono sistemą, todėl garso įrašymo iškarpymas, triukšmo pašalinimo artefaktai, pre-roll, tylos blokavimas ir pabaigos išvalymas reikalauja B fazės instrumentacijos.
Tinklo stebėjimas negali įrodyti užšifruoto turinio nebuvimo arba nuspėti būsimą elgesį. Viešasis korpusas negali atspindėti kiekvieno akcento, negalios, mikrofono, kambario ar spontaniško kalbėjimo stiliaus. Kiekvienas rezultatas yra susietas su konkrečia versija ir data.