طوابع زمنية للكلمات أكثر دقة من Montreal FA و WhisperX.
خدمة محاذاة قسرية تصدر توقيتات على مستوى الكلمات والهاتف مع وكيل ثقة لكل هاتف. تم إدراجها في fa-bench، معيار المحاذاة القسرية المفتوح، كنظام واحد من بين عشرة.
https://api.olewave.com/olign/v1
واجهة برمجة التطبيقات العام REST موجودة في نسخة بيتا مغلقة. اتصل بنا لطلب رمز اختبار والوصول.
دقة على مستوى الكلمات في الكلام النظيف
خطأ حد الكلمة (WBE)، بالمللي ثانية — أقل أفضل. F1 للحدود عند ±20 ms — أعلى أفضل. تم القياس بموجب بروتوكول fabench التابع لـ fa-bench على أقسام منفصلة عن المتحدثين.
| القسم | WBE (ms) ↓ | F1 للكلمات @ 20 ms ↑ | ||
|---|---|---|---|---|
| olign | MFA 3.4 | olign | MFA 3.4 | |
| timit / dev | 16.0 | 19.2 | 0.807 | 0.729 |
تحسن بمقدار 3.2 مللي ثانية في متوسط موضع حد الكلمة، وتقدم 8 نقاط F1 عند الحد الصارم ±20 مللي ثانية. النتائج على مستوى الكلمات على timit/test و buckeye/dev و buckeye/test تتبع نفس النمط ويتم نشرها في olign/docs/results.md.
كيفية تحمله للضوضاء
أربع ظروف من وصفة Kaldi voxceleb/v2 — الارتجاج، ضوضاء MUSAN المضافة، الموسيقى، الثرثرة — نفس المعيار، نفس الأقسام، الفرق في الصوتيات فقط. المصنفات العصبية للإطار تنهار تحت الضوضاء؛ olign و MFA تتدهور بشكل متدرج. القيم هي اتجاه MAE على مستوى الكلمات على Buckeye؛ الجداول الكاملة في olign/docs/results.md.
| النظام | نظيف | ارتجاج | ضوضاء | موسيقى | ثرثرة |
|---|---|---|---|---|---|
| olign | ✓ | ✓ | — | ✓ | ✓ |
| MFA 3.4 | — | — | ✓ | — | — |
| WhisperX / Charsiu | — | — | — | — | — |
| MAPS | — | — | — | — | — |
olign تفوز على نظيف وارتجاج وموسيقى وثرثرة؛ MFA تتفوق عليها قليلاً على ضوضاء مضافة. المصنفات العصبية للإطار (MAPS، Charsiu) تنهار — MAPS بحوالي 7× على المكافئ على مستوى الهاتف، وهو أوضح شيء أنتجه محور الضوضاء. تدريب محسن الحد على صوت نظيف + صوت مشوب بالضوضاء هو ما ينجز هذا: يفوز بكل خلية مشوبة بالضوضاء ويكلف +0.1 مللي ثانية في الكلام النظيف، ضمن التباين من تشغيل إلى تشغيل.
التحفظات التي ننشرها بجانبها
كل حل وسط منهجي نعرفه. نحن ننشر هذه بجانب الأرقام، وليس تحتها.
-
تداخل التدريب
olign يحتوي على مكون تم تدريبه على أقسام تدريب TIMIT و Buckeye. الأقسام المقيمة منفصلة عنها من حيث المتحدث — لا يوجد تداخل، تم التحقق منه مقابل قوائم الأقسام — لذلك هذه أرقام محتفظ بها حقيقية. لكن MFA و Charsiu و BFA و WhisperX لم تتعرض لأي من المجموعتين على الإطلاق، والأعمدة ليست قابلة للمقارنة المباشرة بدون قول ذلك.
-
تكوين خاص
لم يتم الإفصاح عن التكوين؛ الصف يعرض أفضل تكوين لـ olign، كما ستفعل أي إدخالة.
-
ليس أساسًا للورقة
olign تسجل فقط بموجب بروتوكول
fabench، وليس تكرار MFA-2026. -
تختلف الدرجات من تشغيل إلى آخر
المدخلات المتطابقة يمكن أن تختلف في التقييم
الإجمالي؛ أوقات الحد ثابتة، وهي ما يقيسه المعيار. -
حدود أفضل، علامات أسوأ قليلاً
olign تحمل معدل خطأ هاتف أعلى قليلاً من MFA (33.1% مقابل 32.7% على timit/dev) مع وضع حدود بشكل أفضل. علاماتها تتفق مع المعيار بشكل أقل؛ حدودها تهبط بشكل أقرب. كلا الحقيقتين تنتميان إلى أي مطالبة نقدمها.
طلب الوصول إلى النسخة التجريبية من olign.
واجهة برمجة التطبيقات REST موجودة في نسخة بيتا مغلقة. احصل على رمز اختبار، قم بتشغيل olign مقابل حمل العمل — تنظيف الدفعات، الترجمة الفورية، تقييم النطق، وضع العلامات على مجموعات البيانات — ورؤية الأرقام على بيانات خاصة بك.
اتصل بـ Olewave للحصول على رمز بيتا →