Sesle yazma nasıl çalışır

Sesle yazma nedir: sesinden ekrandaki metne giden yol

Sesle yazma, transkripsiyon ve sesli komut üç farklı şeydir. Dikte gerçekte ne yapar, mikrofonla imleç arasında hangi aşamalar vardır ve her aşama nerede çalışabilir.

MacWindowsiPhoneAndroid

Kısaca

Sesle yazma, söylediklerini imlecin bulunduğu alana düzenlenebilir metin olarak yazar. Yol boyunca ses kaydedilip sayısallaştırılır, bir konuşma tanıma modeli en olası kelimeleri tahmin eder ve isteğe bağlı bir düzenleme adımı noktalama ekleyip dolgu sözcüklerini atar. Her aşama cihazında ya da uzak bir serviste çalışabilir ve her biri doğruluğu, hızı ve gizliliği kendi yolunca etkiler.

Notlar

Söylediğin

pazartesi bankayı aramayı hatırlat ıı bir de kart limitini sor

SayVelio'nun yazdığı

Pazartesi bankayı aramayı hatırlat, bir de kart limitini sor.

"Sesten metne" dediğimiz üç şey

Aynı ifade üç farklı işi anlatır ve bunları ayırmak işe yarar:

  • Dikte (sesle yazma) bir uygulamaya düzenleyebileceğin bir metin yazar: bir e-posta, bir sohbet mesajı, bir belge. Yazmak yerine konuşursun ve sonuç senin kontrolünde kalır.
  • Transkripsiyon, zaten yapılmış bir konuşmanın yazılı halini çıkarır: bir toplantı, bir röportaj, bir ders. Onu bekleyen bir imleç yoktur.
  • Sesli komut tanınan konuşmayı bir şey yapmak için kullanır: uygulama açmak, mesaj göndermek, zamanlayıcı kurmak. Kelimeler metin değil, komuttur.

Üçü de konuşma tanıma kullanır ama birinin olması diğerlerinin de olduğu anlamına gelmez. SayVelio bir dikte aracıdır: söylediğini yazar. Sesli komut çalıştırmaz ve bir sohbet botu değildir, yani "Ayşe'ye katıldığımı yaz" tam olarak bu kelimelerle yazılır. İyi dikte etme rehberi, istediğin metni almak için cümleleri nasıl kuracağını anlatır.

Mikrofondan imlece giden yol

Her dikte aşağı yukarı aynı zinciri izler. Bazı sistemler adımları birleştirir, sen konuşurken kelimeleri gösterir ya da isteğe bağlı adımları atlar, ama sıra aynıdır:

  1. Kayıt. Mikrofon hava basıncını elektrik sinyaline, cihaz da sayılara dönüştürür. Bkz. mikrofon sesi nasıl kaydeder.
  2. Hazırlık. Ses dengelenebilir, yankı ya da gürültüden arındırılabilir ve parçalara bölünebilir. Bkz. gürültü azaltma ve ses algılama.
  3. Tanıma. Bir model hangi kelimelerin söylendiğini tahmin eder. Bkz. konuşma tanıma nasıl çalışır.
  4. Düzenleme (isteğe bağlı). Noktalama, büyük harfler, rakamlar ve paragraflar eklenir, dolgu sözcükleri atılır. Bkz. ham dökümden okunur metne.
  5. Gözden geçirme ve ekleme. Metin imlece gelir, orada okuyup düzeltebilirsin. Bkz. iyi bir sesli yazma arayüzü.
Bir diktenin yolu: mikrofon, dijital ses, konuşma tanıma, isteğe bağlı düzenleme, uygulamandaki metin
Sesten metne: kayıt, tanıma, isteğe bağlı düzenleme, ekleme

Sonuç bir tahmindir, niyetinin kaydı değil

Tanıma istatistikseldir. Sistem, sese ve milyonlarca örnekten öğrendiklerine en iyi uyan kelime dizisini seçer. Bu yüzden metin gayet düzgün okunup yine de senin söylediğinle örtüşmeyebilir; özellikle isimlerde, sayılarda ve nadir terimlerde. İyi dikte araçlarının sana kelime öğretme imkânı vermesinin (bir sözlük) ve metni kontrol edip düzeltmeyi kolaylaştırmasının sebebi budur.

Her aşama nerede çalışır

Her adım cihazında, uzak bir serviste ya da kısmen ikisinde gerçekleşebilir:

  • Uzak bir serviste, kayıt şifreli bir bağlantı üzerinden bir konuşma tanıma sağlayıcısına gider ve metin geri döner. Böylece en büyük ve en doğru modelleri kullanırsın.
  • Cihazda, bilgisayarına ya da telefonuna indirilmiş bir model tanımayı yapar: hiçbir şey cihazdan çıkmaz ve internetsiz çalışır. Yerel modeller genelde daha küçüktür ve eski donanımda daha yavaştır.

SayVelio'da kayıt doğrudan cihazından konuşma tanıma sağlayıcısına gider; düzenleme açıksa döküm dil modeli sağlayıcısına gider. Sunucularımız kayıtlarını da metnini de hiçbir zaman almaz. Ayrıca Mac, Windows, iPhone ve Android'de isteğe bağlı bir çevrimdışı model indirip hiçbir bağlantı olmadan dikte edebilirsin (çevrimdışı diktelerde düzenleme yoktur). Ayrıntılar sesle yazmada gizlilik yazısında.

Sonucun kalitesini ne değiştirir

Doğruluk, hız ve gizlilik zincirin farklı halkalarına bağlıdır:

  • Doğruluk en çok mikrofona, ortama ve tanıma modeline, bir de sözlük gibi ipuçlarına bağlıdır.
  • Biçim düzenlemeye bağlıdır: sayıların, listelerin ve noktalamanın nasıl yazılacağı.
  • Hız kaydın uzunluğuna, ağa ve düzenleme olup olmadığına bağlıdır. Dikte modları biraz cilayı hızla takas etmeni sağlar.
  • Gizlilik, sesi ve metni kimin aldığına ve her birinin neyi sakladığına bağlıdır.

Sorular

Sesle yazma tamamen çevrimdışı çalışabilir mi?

Evet, tanıma modeli cihazda çalışıyorsa. Pek çok uygulama ağdaki bir servise bağlıdır, yani internetsiz kayıt yapabilmek internetsiz yazıya dökebilmek anlamına gelmez. SayVelio dört platformun hepsinde isteğe bağlı bir çevrimdışı model sunar.

Sesle yazma bir sesli asistanla aynı şey mi?

Hayır. Sesli asistan söylediğini bir istek olarak yorumlar ve harekete geçer. Dikte ise kelimelerini, düzenleyip gönderesin diye yazar.