Atualização

[mcferdev]

Bom dia,

Teve algum teste mais recente ? Em minha empresa possuimos um sistema baseado no BigBlueButton pra video conferencia e agora queremos transcrever os audios. Estamos em busca de alguma solução ASR que rode em nosso servidor. Comecei a buscar e caí aqui em seu trabalho. Pelo visto comparou as API´s (2017). Alguma dica que possa me dar ?

Obrigado

[jcsilva]

Oi Marcelo,

não refiz estes testes depois de 2017, então eu não sei como está o atual desempenho desses sistemas de reconhecimento de fala. De toda forma, se você estiver interessado em uma solução comercial, sugiro dar uma olhada no ASR do CPqD. Eu trabalhei um tempo com o pessoal de lá e sei que o sistema funciona muito bem para diversas aplicações e talvez seja adequado para a sua também. Se tiver interesse, me diga e posso tentar encontrar algum contato lá.

Agora, se você estiver interessado em criar o seu sistema de reconhecimento de fala, aí já é uma outra história ...

Até

[mcferdev]

Obrigado pela resposta.
Então...a ideia aqui é usar um pago inicialmente e em paralelo criar o próprio. Não entendo de IA e comecei a pesquisar recentemente. O nosso cenário é bem atípico. Aqui iriam ser gravadas algumas audiências/interrogatórios e seriam transcritos os áudios. O problema são os diferentes sotaques e gírias. Eu fiz um teste com o Google Transcript, que aparentemente é o mais avançado, e em um cenário de audio limpo, palavras normais e vocabulário padrão, ele se sai bem, mas no nosso cenário tem muita dificuldade, mas é melhor do que nada.

Essa solução que falou, do CPqD, seria legal eu ter uma conversa com eles. Se puder resgatar algum contato, seria otimo.

Obrigado.

[jcsilva]

Oi,

você pode me indicar um e-mail para te colocar em contato com o pessoal da CPqD?