Ile języków obsługuje transkrypcja SI?

Odpowiedź zależy od tego, co rozumie się przez „obsługę\". Większość nowoczesnych modeli deklaruje ponad 99 języków, ale jakość jest wszystkim, tylko nie jednolita.

Poziom 1 – doskonały (WER 3-7%) Angielski, hiszpański, francuski, niemiecki, włoski, portugalski, niderlandzki, japoński, chiński mandaryński, rosyjski. Każdy ma dziesiątki tysięcy godzin danych treningowych. Tu nowoczesna SI jest niemal ludzka na czystym audio.

Poziom 2 – bardzo dobry (WER 7-12%) Polski, koreański, turecki, standardowy arabski, szwedzki, duński, fiński, norweski, czeski, grecki, hebrajski, ukraiński. Solidny w większości zastosowań, lekka redakcja pomaga.

Poziom 3 – użyteczny (WER 12-20%) Wiele języków indyjskich (hindi, tamilski, telugu, bengalski), wietnamski, tajski, indonezyjski, języki Europy Południowo-Wschodniej (chorwacki, serbski, słowacki, słoweński, bułgarski, rumuński, węgierski), języki bałtyckie (litewski, łotewski, estoński).

Poziom 4 – ograniczony (WER > 20%) Rzadkie języki z małą ilością materiału treningowego – wiele języków afrykańskich, dialekty suahili poza standardem, amharski, małe języki rdzenne. Silne akcenty regionalne też tu trafiają (szwajcarski niemiecki, mocny bawarski, mocny glasgowski).

Wykrywanie języka (auto-detekcja) Większość modeli wykrywa język z pierwszych 30 sekund audio. Działa niezawodnie dla pierwszej trzydziestki, ale przy rzadkich językach lub krótkich fragmentach myli się co do języka. Jeśli znasz język, ustaw go jawnie – za każdym razem pokonuje auto-detekcję.

Nagrania wielojęzyczne Dla nagrań ze zmianami języka (np. wywiad po niemiecku z wstawionym angielskim cytatem) są dwa tryby: - Zachowanie języków: model transkrybuje każdy segment w jego oryginalnym języku. Modele poziomu 1 to potrafią, wiele innych nie. - Tłumaczenie: model tłumaczy wszystko na język docelowy. Whisper oferuje `task=translate`, by przełożyć wszystko na angielski.

Języki DeepScript Obsługujemy 99 języków. Interfejs pokazuje listę rozwijaną ze wszystkimi; w API jest to parametr `language` w formacie ISO 639-1 (`de`, `en`, `fr`, `it`, `es`, `pl`, `nl`, …). Dla rynków DACH model Premium z tuningiem DACH jest szczególnie istotny – zobacz pytanie o szwajcarski niemiecki.

Uwaga praktyczna „99 języków\" to liczba marketingowa – nie mówi nic o tym, jak dobrze działa pojedynczy język. Jeśli potrzebujesz rzadko obsługiwanego języka, poproś dostawcę o konkretną próbkę i sam zweryfikuj wynik. Nie ufaj tabeli z zaznaczonymi polami.