Documentación de Oriloq

Principio del fine-tuning

El fine-tuning consiste en enriquecer el modelo de transcripción con ejemplos de audio anotados procedentes de tus propios dictados. Cuantos más ejemplos representativos de tu voz y de tu campo léxico tenga el modelo, más preciso se vuelve el reconocimiento sobre tus términos específicos (jerga, nombres propios, acrónimos profesionales).

Constitución del dataset

Oriloq guarda automáticamente cada dictado en una carpeta de almacenamiento configurable. El dataset está organizado en dos subcarpetas:

• •Enregistrements_a_valider — capturas en bruto pendientes de revisión humana.
• •Enregistrements_valides — capturas revisadas, corregidas y marcadas como listas para el entrenamiento.

La ruta de la carpeta se configura en Configuración → Transcripción → Dataset de fine-tuning.

Validación de las grabaciones

La pantalla Dataset → Por validar permite escuchar cada grabación, oír el audio, corregir el texto transcrito y marcar la captura como validada. La validación de los datos es la etapa que aporta la mayor mejora de precisión: un modelo solo puede mejorar a partir de ejemplos correctos.

Varias herramientas aceleran la revisión: reproductor de audio con velocidades de 1× a 3×, corrección ortográfica integrada (desde 1.0.13), normalización automática del volumen y compresión de silencios para escuchas más rápidas.

Comparación multi-modelo

Antes de validar una grabación, puedes comparar lado a lado los resultados producidos por varios motores de transcripción (desde 1.0.8). Esto permite identificar el modelo más adecuado para tu caso de uso y relanzar la transcripción con un modelo alternativo si la salida no es satisfactoria.

Modelos afinados por adaptadores

Los modelos afinados por adaptadores son compatibles (1.0.29): el gestor muestra por separado el tamaño en disco y el tamaño de los pesos, para elegir con conocimiento de causa.

Caché y rendimiento

Desde la versión 1.0.13, la carga de una entrada del dataset es casi instantánea gracias al almacenamiento en caché de la duración y el hash de los archivos de audio. La validación de un dataset voluminoso sigue siendo fluida incluso con varios cientos de grabaciones.