人工智能语音解说者的幻觉水平：案例演示披风诺斯Rap歌曲的语音识别
机器学习
2025-06-24 v2
摘要
所有语言都各有特色。一些语言被认为比其他语言更难理解。芬兰语因其复杂性而被人们所熟知。当语言被艺术家使用时，发音和含义可能更难理解。因此，我们将 AI 置于一次有趣且具挑战性的试验中：将芬兰语说唱歌曲翻译为文本。我们将比较 Faster Whisperer 算法和 YouTube 内部语音到文本功能。参考真理将是芬兰语说唱歌词，这些歌词由主要作者的弟弟 Mc Timo 所作。由于艺术家在合成音乐播放器（由 Syntikka Janne 提供）上说唱，对歌词的转录可能具有挑战性。通过将对原芬兰语歌词的错误与人工智能语音到文本提取结果进行比较来衡量 AI 语音到文本提取的幻觉水平和误听。该误差函数虽不正式，但仍适用于我们的案例。
引用
@article{arxiv.2506.16174,
title = {Hallucination Level of Artificial Intelligence Whisperer: Case Speech Recognizing Pantterinousut Rap Song},
author = {Ismo Horppu and Frederick Ayala and Erlin Gulbenkoglu},
journal= {arXiv preprint arXiv:2506.16174},
year = {2025}
}
备注
15 pages, 10 figures