Dmitriy Dementiev
b8347004da
- Зачем: - спецификация не должна оставлять неоднозначности перед реализацией диаризации. - Что: - уточнены сведение слов, таймкоды и предупреждение о малом кластере. - очищены терминология и граница между ADR и спецификацией. - сохранён результат сравнения WeSpeaker и CAMPPlus. - Проверка: - git diff --cached --check и проверка относительных ссылок.
42 lines
4.1 KiB
Markdown
42 lines
4.1 KiB
Markdown
# Локальная транскрипция
|
|
|
|
Контекст описывает язык проекта для локального распознавания аудио и видео.
|
|
|
|
## Language
|
|
|
|
**Движок распознавания**:
|
|
Программная среда, которая загружает и исполняет модели распознавания. Обновление движка само по себе не означает изменение выбранной модели или рекомендаций пользователю.
|
|
_Avoid_: Модель, ASR-модель
|
|
|
|
**Поддерживаемая модель**:
|
|
Модель, которую пользователь может выбрать явно и для которой проект обеспечивает работоспособный путь транскрипции. Этот статус не означает автоматический выбор или рекомендацию для большинства пользователей.
|
|
_Avoid_: Доступная модель, дефолт
|
|
|
|
**Модель по умолчанию**:
|
|
Поддерживаемая модель, которую проект выбирает без явного указания модели пользователем для определённого пути выполнения.
|
|
_Avoid_: Рекомендуемая модель, поддерживаемая модель
|
|
|
|
**Опорная разметка**:
|
|
Разметка, принятая за точку отсчёта при измерении чего-то другого. Опорной её делает роль в измерении, а не качество: она не выверена вручную и сама может содержать ошибки, поэтому посчитанная по ней величина осмысленна как порядок, но не как точное значение.
|
|
_Avoid_: Эталонная разметка, истинная разметка, ground truth
|
|
|
|
**Сегмент распознавания**:
|
|
Непрерывный временной фрагмент аудио, для которого движок возвращает связный текст с общим контекстом. Может содержать речь нескольких говорящих и не равен реплике говорящего.
|
|
_Avoid_: Реплика, фраза говорящего
|
|
|
|
**Слово с временной привязкой**:
|
|
Распознанное слово, положение которого известно на временной шкале записи. Минимальная единица, которой назначается говорящий.
|
|
_Avoid_: Токен, ASR-сегмент
|
|
|
|
**Разметка говорящих**:
|
|
Упорядоченный набор временных интервалов речи, каждому из которых назначена анонимная метка говорящего. Не содержит распознанного текста, имени участника или голосового эмбеддинга.
|
|
_Avoid_: Результат диаризации, сегменты говорящих
|
|
|
|
**Голосовой кластер**:
|
|
Анонимная группа интервалов разметки говорящих, которые диаризатор относит к одному голосу. Не обязательно соответствует реальному участнику встречи: диаризация может создать ложный или малый кластер.
|
|
_Avoid_: Участник, человек
|
|
|
|
**Реплика говорящего**:
|
|
Последовательность соседних слов с временной привязкой, назначенных одному говорящему. Это единица структуры готового транскрипта, а не запуска модели распознавания.
|
|
_Avoid_: Сегмент распознавания, ASR-сегмент
|