dumai
ИИarXiv cs.CL

Доля ошибок при диктовке не показывает, распознает ли программа шёпот

Препринт, ещё не рецензирован · ранние данные

Кратко

Авторы проверили 11 систем распознавания речи на записях диктовки. Некоторые пропускали 26–28% слов, произнесённых шёпотом, а другие — не более 3%. Когда к системе Whisper подключили программу, отсеивающую тишину, доля ошибок при распознавании шёпота выросла с 10,1% до 51,4%.

Зачем это знать?

Общая доля ошибок не показывает, будет ли программа для диктовки терять шёпот или слова на втором языке. Большинство результатов для английского получено на речи одного человека, поэтому считать их универсальными нельзя.

Разбор

Исследователи подавали одним и теми же системам записи так, как они поступают при диктовке, и разбирали ошибки. Они использовали 106 прочитанных одним человеком английских диктовок: в тишине, при шуме вентилятора и шёпотом. Ещё они проверили записи на других языках и 400 записей, в которых звучали два языка.

Выбор языков влиял на то, сохраняли ли программы обе части двуязычной записи. Три системы теряли неанглийскую часть в 86–99% записей, когда был выбран только английский, и в 33–46%, когда были выбраны оба языка.

На записях шёпота 107 человек различия между системами тоже сохранились. Четыре системы пропускали от 7% до 31% слов, а шесть других — меньше 2%.

Ключевые цифры

86–99% против 33–46%В такой доле двуязычных записей три системы потеряли неанглийскую часть: сначала при выборе только английского, затем при выборе обоих языков.
7–31% против менее 2%Такую долю слов, произнесённых шёпотом 107 людьми, пропустили четыре системы и шесть других соответственно.

Можно ли доверять

Авторы сравнили системы на одних и тех же записях, в том числе на шёпоте 107 человек. Однако большинство результатов для английского получено на прочитанной речи одного человека, поэтому они не обязательно показывают, как системы справятся с диктовкой других людей.

  • Это препринт, а не прошедшая рецензирование статья.
  • Большинство англоязычных результатов получено на одном дикторе, читавшем подготовленный текст.
  • Сравниваются конкретные системы и варианты их развертывания, поэтому результаты не обязательно переносятся на другие настройки.

Пересказано ИИ по научной статье. Это научпоп, а не совет врача. Как это устроено

Источник и детали
ЖурналarXiv (cs.CL)
Дата публикации у нас15 ноября 2026 г.
Дата источника12 ноября 2026 г.
ОригиналОткрыть
АвторыHarras Mansoor, Muhammad Wisal, Hassan Bhatti, Masood Shakir