基于云的语音转文本服务对法语语音及背景噪声影响的基准评测
计算与语言
2021-05-10 v1 声音
音频与语音处理
摘要
本研究对基于云的语音转文本系统进行了大规模基准评测：{Google Cloud Speech-To-Text}、{Microsoft Azure Cognitive Services}、{Amazon Transcribe}、{IBM Watson Speech to Text}。对每个系统测试了 40158 个干净与含噪语音文件，约 101 小时。还在 40dB 到 0dB 的 5 种不同信噪比下评估了背景噪声对 STT 质量的影响。结果显示，{Microsoft Azure} 在干净语音上给出了最低转写错误率 ，且对噪声环境具有高鲁棒性。{Google Cloud} 与 {Amazon Transcribe} 性能相近，但后者在时间约束用途上非常受限。尽管 {IBM Watson} 在安静条件下可正确工作，其对噪声语音高度敏感，这可能严重限制其在真实场景中的应用。
引用
@article{arxiv.2105.03409,
title = {A Benchmarking on Cloud based Speech-To-Text Services for French Speech and Background Noise Effect},
author = {Binbin Xu and Chongyang Tao and Zidu Feng and Youssef Raqui and Sylvie Ranwez},
journal= {arXiv preprint arXiv:2105.03409},
year = {2021}
}
备注
6th National Conference on Practical Applications of Artificial Intelligence, 2021, Bordeaux, France