語音轉(zhuǎn)文本程序在日常任務(wù)中越來越受歡迎，例如免提聽寫、幫助視障人士以及為聽力障礙者轉(zhuǎn)錄語音。這些工具有很多用途，格但斯克理工大學(xué)的研究員 Bo?ena Kostek 正在探索如何更好地將 STT 應(yīng)用于醫(yī)療領(lǐng)域。通過研究清晰的語音如何影響 STT 準(zhǔn)確性，她希望提高其對醫(yī)療保健專業(yè)人員的實用性。

科斯特克說：“自動記錄患者數(shù)據(jù)對于醫(yī)生和放射科醫(yī)生來說至關(guān)重要，因為它讓醫(yī)生有更多的時間與患者面對面交流，并能更好地收集數(shù)據(jù)。”

Kostek還解釋了他們在這項工作中面臨的挑戰(zhàn)。

“STT 模型經(jīng)常難以理解醫(yī)學(xué)術(shù)語，尤其是波蘭語，因為許多模型主要接受英語訓(xùn)練。此外，大多數(shù)資源都側(cè)重于簡單語言，而不是專業(yè)的醫(yī)學(xué)詞匯。嘈雜的醫(yī)院環(huán)境使情況更加困難，因為醫(yī)護人員可能由于壓力或分心而無法清晰地說話。”

為了解決這些問題，研究人員創(chuàng)建了一個詳細(xì)的音頻數(shù)據(jù)集，其中包含心臟病學(xué)和肺病學(xué)等領(lǐng)域的醫(yī)生和專家所說的波蘭醫(yī)學(xué)術(shù)語。研究人員使用自動語音識別模型(一種將語音轉(zhuǎn)換為文本的技術(shù))分析了該數(shù)據(jù)集，并將其轉(zhuǎn)錄。研究人員使用了多個指標(biāo)(例如單詞錯誤率和字符錯誤率)來評估語音識別的質(zhì)量。該分析有助于了解語音清晰度和風(fēng)格如何影響 STT 的準(zhǔn)確性。