Test von Speech2Text Service "Speechmatics"

[wlitke]

Erstelle basierend auf der momentanen Implementierung eine Variante, bei der der Speechmatics Service für die Spracherkennung verwendet wird: https://www.speechmatics.com/

Als Text-to-Speech werden weiterhin die Microsoft Cognitive Services verwendet.

[eppstephan]

Der Speechmatics Service wird für die Spracherkennung in Anlehnung an https://github.com/speechmatics/speechmatics-dotnet/tree/main genutzt, siehe https://github.com/wlitke/translator/tree/Speechmatics-DeepL-Azure. Im Vergleich zu dem Speech-to-Text Service von Azure oder Google liefert Speechmatics bessere Ergebnisse. Azure war teilweise zu überempfindlich, siehe https://github.com/wlitke/translator/issues/20, und bei Google ist isFinal Response zu langsam, siehe https://github.com/googleapis/nodejs-speech/issues/163.

[eppstephan]

Hier ist ein interessanter Artikel zum Vergleich verschiedener Speech-to-Text Service Provider: https://www.speechmatics.com/company/articles-and-news/introducing-ursa-the-worlds-most-accurate-speech-to-text. Verglichen wurden Speechmatics, Microsoft, Whisper (OpenAI), Amazon und Google mit interessanten Ergebnissen. Bei den durchgeführten Tests hat die geringste Word Error Rate Speechmatics mit 11,96%.

[eppstephan]

Speechmatics hat neue Ergebnisse veröffentlicht: http://go2.speechmatics.com/Mjg4LVdJRC00NDIAAAGQK6bgLeSh4HSKpZt2PzzlrNTZ5lr_KExxTYqLcDiVyAnG3iyHZALjLlxsXTQUqTVH9q8mBTc=. Es folgt ein Teil der Ergebnisse. Im ersten Diagramm sieht man die Ergebnisse unterschieden nach Geschlecht und Alter. Im zweiten Diagramm sieht man die Ergebnisse unterschieden nach sozialer Herkunft und Bildung.