Ses tanıma modellerinde kelime hata oranı tek başına yeterli olmuyor
Öne çıkanlar
- Qwen3-ASR yüzde 2,7 hata oranı yakalamasına karşın kritik tıbbi terimlerde hatalı sözcükler üretti.
- Faster-whisper yüzde 4,7 hata oranına rağmen hayati klinik kavramları doğru tespit etti.
- Nanosamur.ai tek bir ses akışını birden fazla modelle eşzamanlı transkribe etme özelliğini sundu.
Nanosamur.ai platformu, canlı ses akışını eşzamanlı işleyen birden fazla modeli karşılaştırma olanağı sunan yeni özelliğini duyurdu. Geliştirici ekip, tıbbi bir vaka kaydı üzerinden Qwen3-ASR ile faster-whisper modellerini gerçek zamanlı ortamda test etti. Yapılan karşılaştırma, ses tanıma sistemlerinde geleneksel kelime hata oranı (WER) metriğinin pratik senaryolarda yanıltıcı olabileceğini gösterdi.
Test sonuçlarına göre Qwen yüzde 2,7 ile daha düşük bir genel hata oranı yakaladı ancak kritik tıbbi terimlerde anlamsız kısaltmalar türetti ve tıbbi kavramları yanlış sözcüklerle değiştirdi. Yüzde 4,7 hata oranı kaydeden faster-whisper ise bazı genel kelimelerde ve gecikme süresinde sorun yaşasa da hayati öneme sahip klinik terimleri doğru aktardı. Uzmanlar, özellikle sağlık ve savunma gibi kritik sektörlerde modellerin hata türleri ile gecikme davranışlarının genel skordan daha belirleyici olduğunu vurguluyor.
Bu özet yapay zekâ ile hazırlanmıştır; ayrıntılar ve doğrulama için orijinal kaynağa başvurun.