Amazon Transcribe Especializado2017年〜
Servicio de reconocimiento de voz automático que convierte audio en texto
Qué hace
Amazon Transcribe es un servicio de conversión de voz a texto (STT) que convierte automáticamente audio en texto. Admite tanto audio en streaming en tiempo real como archivos de audio pregrabados. Con soporte para más de 100 idiomas incluido el japonés, ofrece funciones avanzadas como identificación de hablantes, vocabularios personalizados, puntuación automática y filtrado de lenguaje inapropiado. También está disponible Amazon Transcribe Medical, optimizado para el reconocimiento de terminología médica.
Casos de uso
Se utiliza para transcribir grabaciones de centros de llamadas, generar automáticamente actas de reuniones, crear subtítulos de video, producir transcripciones de podcasts, documentar automáticamente consultas médicas, registrar testimonios judiciales, analizar la calidad del soporte al cliente y crear archivos multimedia con búsqueda.
Analogía cotidiana
Se puede comparar con un estenógrafo. En reuniones o tribunales, los estenógrafos registran el habla en tiempo real, pero las sesiones largas requieren múltiples estenógrafos y los costos se acumulan. Transcribe es como un estenógrafo incansable que convierte con precisión horas de audio en texto e incluso identifica quién está hablando.
¿Qué es Transcribe?
Amazon Transcribe es el servicio de reconocimiento automático de voz (ASR) de AWS, anunciado en 2017. Utilizando modelos de aprendizaje profundo, convierte con precisión el habla de diversos entornos de audio (líneas telefónicas, salas de reuniones, exteriores) en texto. El procesamiento por lotes maneja archivos de audio almacenados en S3 de forma asíncrona, mientras que el procesamiento en streaming convierte audio de micrófono o en vivo a texto en tiempo real. La salida es en formato JSON con marcas de tiempo, con tiempos de inicio y fin para cada palabra, permitiendo la generación de subtítulos y funciones de resaltado.
Identificación de hablantes y vocabularios personalizados
La función de diarización de hablantes de Transcribe identifica automáticamente quién habló y cuándo en reuniones o conversaciones con múltiples hablantes. Puede distinguir hasta 10 hablantes, útil para actas de reuniones y separar el habla del operador y el cliente en centros de llamadas. Los vocabularios personalizados permiten registrar previamente términos específicos de la industria, nombres de productos y nombres personales para mejorar la precisión del reconocimiento. Los modelos de lenguaje personalizados pueden construir modelos de reconocimiento aún más precisos especializados para dominios específicos. Para cobertura detallada de identificación de hablantes y vocabularios personalizados, los libros de referencia (Amazon) proporcionan explicaciones en profundidad.
Filtrado de contenido e integración con análisis
Transcribe incluye filtrado de contenido que enmascara automáticamente el lenguaje inapropiado. La detección y enmascaramiento automático de PII (Información de Identificación Personal) puede eliminar nombres, números de teléfono, números de tarjetas de crédito y otra información sensible de la salida de texto. También puede canalizar la salida de Transcribe a Amazon Comprehend para análisis de sentimiento o a Amazon Translate para traducción multilingüe, construyendo pipelines avanzados de análisis de voz. La integración con Contact Lens para Amazon Connect automatiza el análisis de calidad de centros de llamadas.
Aspectos a tener en cuenta
- La baja calidad de audio (ruido, bajo volumen) reduce la precisión del reconocimiento; considere mejorar la calidad del audio de entrada o usar vocabularios personalizados
- El procesamiento en streaming es adecuado para escenarios en tiempo real pero puede ser ligeramente menos preciso que el procesamiento por lotes
