Saya rela mati di bukit ini: Model suara terbaik adalah model dengan akurasi terbaik dengan entitas kunci, bukan model yang mengoptimalkan WER (Word Error Rate). Sebagian besar penyedia ucapan-ke-teks mengoptimalkan untuk WER, tetapi dalam aplikasi produksi, WER tidak begitu relevan. Mendapatkan 95% kata yang benar tidak ada gunanya jika Anda melewatkan nama pelanggan, nomor telepon mereka, atau alamat jalan yang baru saja mereka eja huruf demi huruf. Tim di Gladia menjalankan tolok ukur yang sangat keren: • 1.000+ percakapan pusat panggilan • Banyak kebisingan latar belakang • Fokus pada pengekstrakan nama, nomor telepon, alamat, lokasi, dll. Model Gladia mengungguli setiap model canggih lainnya hingga 17%! Ini adalah data yang penting bagi perusahaan yang menggunakan model ini. Anda salah paham, dan semuanya di hilir rusak. Beberapa hal lain yang perlu disebutkan: • Latensi pada parsial: < 150ms • 100+ bahasa didukung • Deteksi bahasa dinamis • WER keseluruhan sebesar 5,97% Pasti layak diperiksa bagi siapa saja yang menggunakan model suara: Terima kasih kepada tim Gladia karena telah berkolaborasi dengan saya dalam posting ini.