Documentazione Oriloq

Principio del fine-tuning

Il fine-tuning consiste nell'arricchire il modello di trascrizione con esempi audio annotati provenienti dalle tue dettature. Più il modello dispone di esempi rappresentativi della tua voce e del tuo campo lessicale, più il riconoscimento diventa preciso sui tuoi termini specifici (gergo, nomi propri, acronimi professionali).

Costituzione del dataset

Oriloq registra automaticamente ogni dettatura in una cartella di archiviazione configurabile. Il dataset è organizzato in due sottocartelle:

• •Enregistrements_a_valider — catture grezze in attesa di revisione umana.
• •Enregistrements_valides — catture riviste, corrette e contrassegnate come pronte per l'addestramento.

Il percorso della cartella si imposta in Impostazioni → Trascrizione → Dataset di fine-tuning.

Validazione delle registrazioni

La schermata Dataset → Da validare consente di riascoltare ogni registrazione, ascoltare l'audio, correggere il testo trascritto e contrassegnare la cattura come validata. La validazione dei dati è la fase che apporta il maggior guadagno di precisione: un modello può migliorare solo su esempi corretti.

Diversi strumenti accelerano la revisione: lettore audio con velocità da 1× a 3×, correzione ortografica integrata (dalla 1.0.13), normalizzazione automatica del volume e compressione dei silenzi per ascolti più rapidi.

Confronto multi-modello

Prima di validare una registrazione, puoi confrontare fianco a fianco i risultati prodotti da più motori di trascrizione (dalla 1.0.8). Ciò consente di identificare il modello più adatto al tuo caso d'uso e di rilanciare la trascrizione con un modello alternativo se l'output non soddisfa.

Modelli con adapter

Modelli affinati con adapter (1.0.29): il gestore dei modelli mostra separatamente la dimensione su disco e la dimensione dei pesi.

Cache e prestazioni

Dalla versione 1.0.13, il caricamento di una voce del dataset è quasi istantaneo grazie alla memorizzazione nella cache della durata e dell'hash dei file audio. La validazione di un dataset voluminoso rimane fluida anche su diverse centinaia di registrazioni.