@broberg/speech-词典
Fleet STT词汇+更正原始——任何Whisper-family的抄写功能都可以拉入共享词典,而不是每次回放手卷出自己漂移的名词列表.
npm i @broberg/speech-dictionary
今天有两个真正的消费者: 有轨电车的WhisperKit Environment-STT(F201.6)和Cardmem的采访模块(F185)都误听了同一舰队的正名词和dev-jargon——这个包裹是从舰队真实的,前作的放出 ordbog.txt 错误的排行榜加上卡德姆的作者正名设置 .
两个数据集,两个工作
import { terms, corrections, toInitialPrompt, applyCorrections } from "@broberg/speech-dictionary";
// PRE-transcription: bias WhisperKit's initialPrompt toward fleet proper nouns
toInitialPrompt({ groups: ["product", "tech"], maxTerms: 20 });
// → "cardmem, buddy, Trail, ..., WhisperKit, Fly.io, ..."
// POST-transcription: fix known dev-jargon mishears in the raw transcript
applyCorrections("jeg lavede en kommitte og fixede en bog i søveren");
// → "jeg lavede en committe og fixede en bog i serveren"
terms()编号 :toInitialPrompt()——40个舰队的名词(产品,人,品牌,技术),集合起来,这样一个呼叫者就可以偏向于仅仅相关的事物(英语:groups: ["product"])并限定清单,以适应模型的快速预算(maxTerms) (中文(简体) ).corrections()编号 :applyCorrections()——55个真正的丹麦人/英国人德夫-贾尔贡人犯错误 ("kommitte") – "承诺","søver" – "服务器",从舰队自身解析出逐字记录ordbog.txt。 。 。 .
十字架:生JSON,不只是JSAPI
data/terms.json 财务报告和审定财务报表 data/corrections.json 船舶为 npm tarball 中的原始文件 (不只是捆绑在一起) dist/),因此非JS的消费者——如斯威夫特建设步骤将WhisperKit资源捆绑在-device上——可以从直接读取 node_modules/@broberg/speech-dictionary/data/*.json 包含节点/ JS 运行时间 。 该研究中的TS/JS包装器是供JS/TS消费者使用的(cardmem,Trail's Bun engine); 斯威夫特消费者直接阅读了JSON.
Unicode 意识校正( 为什么这很重要)
applyCorrections 已经 没有 使用 JavaScript 的默认 \b 字行 - \b 只治疗 [A-Za-z0-9_] 作为词字符,所以 \bsøver\b 在真实的丹麦文本中 \b'"词性的定义". 这个软件包取而代之的是Unicode-letter-aware边界,因此丹麦语术语正确无误. 最长期错误的第一命令避免了一个更正部分地打乱了另一个更正(例如"komitte"和"kommitte"都正确地决心"承诺").
有6个错听也为真丹麦语(0.2.0,F044.2)
ruter → router 在“min ruter er nede”中正确,而在“API-ruter”中错误,这是复数
联 合 国 鲁特六个条目是这样的.. ruter, (中文(简体) ), mærke, (中文(简体) ), passe, (中文(简体) ), bogen, (中文(简体) ), kloster, (中文(简体) ), dansen —— 说
他们携带 alsoDanishWord: true他们: 不要在连字符复合物内开火时
赤发还被纠正. 其它每个条目都和以前一样.
每个条目 data/corrections.json 明确回答问题(true编号 :false页:1
测试拒绝一个不这样做的,所以没有别人的要求,就无法添加新的错误听
“这也是一个词吗?” 在你身边 extend() 条目字段是可选的,没有手段
false (旧行为). correctionsApplier(list) 自动应用列表.
决定的基础是什么,它没有. 测量的厘米 628 013个字符
WRITTEN 丹麦语(四个站点,15个藏品): API-ruter 两次,另外五个零。 这个包
校正 TRANSCRIPT 输出,因此,程序书中说丹麦技术写作中存在哪些化合物
没有关于什么是 转写发音 - 和零在一个软件包 在丹麦不是零
(单位:千美元)varemærke-, (中文(简体) ), regnskabs-bogen, (中文(简体) ), kirke-kloster {\fn黑体\fs22\bord1\shad0\3aHBE\4aH00\fscx67\fscy66\2cHFFFFFF\3cH808080}大家都会开枪的 这六个是标记的
因为每个都同时是读数 而不是因为被检查官发现了.
用自己的词汇扩展
import { extend } from "@broberg/speech-dictionary";
const mine = extend({
terms: [{ term: "fd-sundhed", group: "product" }],
corrections: [{ wrong: "fysjo", right: "fysio" }],
});
mine.applyCorrections("fysjo klinik"); // → "fysio klinik"
extend() 返回位于舰队基地上方的一款新绑定的API层——它从不突变共享状态,因此具有不同习惯词汇的并发呼叫者不会互相干扰.