तकनीकी शब्दों की पहचान के लिए स्वचालित भाषण पहचान मॉडलों का परीक्षण
16 नवम्बर 2026 · 2 मिनट पठन
एक परीक्षण में तकनीकी शब्दों की पहचान करने की क्षमता के आधार पर GigaAM, T-one और Whisper मॉडलों की तुलना की गई। इस मूल्यांकन का उद्देश्य यह देखना था कि सॉफ्टवेयर विकास के लिए उपयोग किए जाने वाले आवाज-आधारित वर्कफ्लो में कौन सा मॉडल सबसे सटीक है।
परीक्षण के लिए 7 वक्ताओं के 1,000 ध्वनि रिकॉर्डिंग का उपयोग किया गया, जिनमें कुल 20.3 घंटे का ऑडियो था। इस डेटासेट में पॉडकास्ट से लिए गए तकनीकी ऑडियो शामिल थे, जिनमें इंटरफेस, आर्किटेक्चर, लॉजिक और फ्रेमवर्क जैसे सॉफ्टवेयर विकास जीवन चक्र से संबंधित विषय थे। विश्लेषण के लिए 18,000 अद्वितीय शब्द रूपों में से 454 विशिष्ट तकनीकी शब्दों को चिह्नित किया गया था।
तकनीकी परिणामों के अनुसार, GigaAM ने शब्द त्रुटि दर के मामले में सबसे अच्छा प्रदर्शन किया, जिसका अर्थ है कि यह सामान्य रूसी पाठ को तेजी से और सटीक रूप से लिखता है। हालांकि, विशिष्ट तकनीकी शब्दों की पहचान करने के मामले में Whisper मॉडल ने GigaAM की तुलना में काफी बेहतर प्रदर्शन किया।
गति के संदर्भ में, GigaAM और T-One ने केंद्रीय प्रसंस्करण इकाई पर काम करते समय सबसे अधिक दक्षता दिखाई, जबकि Whisper को बिना त्वरक के कठिनाई हुई। परीक्षण के लिए AMD Ryzen 5 3600 प्रोसेसर और लगभग 63 जीबी रैम वाले कंप्यूटर का उपयोग किया गया था, जिसमें सभी मॉडल केवल केंद्रीय प्रसंस्करण इकाई पर चलाए गए थे।
मूल्यांकन के लिए शब्द त्रुटि दर, वर्ण त्रुटि दर और वास्तविक समय कारक जैसे मानकों का उपयोग किया गया। शब्द त्रुटि दर यह मापता है कि संदर्भ पाठ प्राप्त करने के लिए कितने शब्दों को बदलने, हटाने या जोड़ने की आवश्यकता है। यह पाया गया कि कम शब्द त्रुटि दर होने के बावजूद, यदि कोई महत्वपूर्ण तकनीकी शब्द गलत पहचाना जाता है, तो यह पूरे कार्य के परिणाम को प्रभावित कर सकता है।