Der Transcribe Labs Blog
Wie wir die Qualität von Transkriptionen testen – und was dabei herauskommt.
Hier anfangen
- Warum eine Engine nicht reicht: mehr Engines helfen nur, wenn sie an anderen Stellen scheitern
- Die gefährlichsten Transkriptionsfehler lesen sich einwandfrei
- WER lügt. So messen wir Genauigkeit bei echten Interviews
- Wer hat das gesagt? Sprecherzuordnung, wenn viele Menschen reden
- Notizen aus 27 Sprachen: wie wir für jede Sprache die Engines ausgewählt haben
Nach Thema
Wie wir Genauigkeit messen
Gemischte Sprachen
Mehrere Sprecher
27 Sprachen, eine nach der anderen
Alle Beiträge
Warum eine Engine nicht reicht: mehr Engines helfen nur, wenn sie an anderen Stellen scheitern
Eine Engine schreibt Namen und Zahlen immer wieder falsch. Mehr Engines helfen nur, wenn sie woanders scheitern. Ein echtes Interview – samt Niederlagen.
WeiterlesenDie gefährlichsten Transkriptionsfehler lesen sich einwandfrei
Eine gekippte Verneinung liest sich einwandfrei, und keine Mehrheitsabstimmung fängt sie ab. Tools sollten zeigen, wo sie unsicher sind. Wir prüften 15.
WeiterlesenWER lügt. So messen wir Genauigkeit bei echten Interviews
Die beliebteste Fehlermetrik der Branche täuscht bei Interviews. Was wir stattdessen tun: erst die Referenz prüfen, dann bedeutungsverändernde Fehler zählen.
WeiterlesenWenn Interviews die Sprache wechseln
Interviewte spricht Spanisch, Forscher Chinesisch, dazwischen eine Dolmetscherin. Doku und Labortests täuschten uns; eine echte Aufnahme sagte das Gegenteil.
WeiterlesenWer hat das gesagt? Sprecherzuordnung, wenn viele Menschen reden
Eingebaute Sprecherlabels driften mit mehr Personen. Jede Stimme vorab zu lernen, brachte über 99 % auf öffentlichen Meetingdaten – wenn man sich abwechselt.
WeiterlesenNotizen aus 27 Sprachen: wie wir für jede Sprache die Engines ausgewählt haben
Keine Engine ist überall die beste. Der Index zu unseren Tests Sprache für Sprache: welche Engines wir für 27 Sprachen gewählt haben und warum.
Weiterlesen