สองทศวรรษที่ผ่านมา Dragon NaturallySpeaking เป็นมาตรฐานทองคำสำหรับ ความแม่นยำในการพิมพ์ด้วยเสียง ตำแหน่งนั้นกำลังเปลี่ยนไป เอนจิน Whisper ของ OpenAI โดยเฉพาะรุ่น Large v3 Turbo ที่ออกในปี 2024 ได้ถึงระดับ เทียบเท่า Dragon สำหรับการพิมพ์ด้วยเสียงทั่วไป และเหนือกว่าในหลาย กรณีเฉพาะ บทความนี้จะพาดูว่าเรารู้อะไรจริง ๆ เกี่ยวกับ การเปรียบเทียบนี้ พร้อมแหล่งอ้างอิง

"ความแม่นยำ" หมายความว่าอะไรในการพิมพ์ด้วยเสียง

ความแม่นยำในการพิมพ์ด้วยเสียงมักวัดด้วยอัตราคำผิด (Word Error Rate หรือ WER) ซึ่งคือ เปอร์เซ็นต์ของคำที่ออกมาผิดในข้อความถอดความ ยิ่งต่ำยิ่งดี WER 5% หมายความว่า 95 คำจาก 100 คำถูกต้อง

WER ผันแปรอย่างมหาศาลตามเงื่อนไข: เสียงของผู้พูด คุณภาพ ไมโครโฟน เสียงรบกวนรอบข้าง ขอบเขตคำศัพท์ และ สไตล์การพิมพ์ด้วยเสียง ตัวเลขเกณฑ์มาตรฐานจะมีความหมายก็ต่อเมื่อคุณรู้ เงื่อนไขที่ใช้วัด

Whisper Large v3 Turbo: ตัวเลขที่เผยแพร่

OpenAI เผยแพร่ Whisper Large v3 Turbo ในปี 2024 ในฐานะรุ่นที่เร็วขึ้นของ Whisper Large v3 โดยมีความแม่นยำเทียบเคียงกัน อัตราคำผิด ที่รายงานบนเกณฑ์มาตรฐาน:

  • Whisper Large v3 (ตัวต้นฉบับ): WER 13.20% เฉลี่ยจากชุดข้อมูลหลายภาษา
  • Whisper Large v3 Turbo: WER 13.40% — ห่างจากตัวต้นฉบับเพียง 0.2%
  • เงื่อนไขภาษาอังกฤษล้วนที่ชัดเจน: WER 3-5% (ความแม่นยำ 97-95%)

รุ่น Turbo ทำงานเร็วกว่า v3 ประมาณ 4 เท่า โดยมีความแม่นยำ เท่ากันแทบทุกอย่าง นี่คือเอนจินที่ CaringDictate ใช้

สำหรับกรณีการใช้งาน CaringDictate ทั่วไป (ภาษาอังกฤษ ห้องเงียบ ไมโครโฟน พอใช้) ความแม่นยำในการใช้งานจริงเฉลี่ย 96-97% ในการพิมพ์ด้วยเสียง ต่อเนื่อง ซึ่งตรงกับตัวเลขที่ OpenAI เผยแพร่สำหรับเงื่อนไขภาษาอังกฤษ ที่ชัดเจน และเป็นตัวเลขที่เรารายงานบนหน้าการตลาดของเรา

การกล่าวอ้างความแม่นยำของ Dragon

ในอดีต Dragon โฆษณาความแม่นยำ 99% แต่มีเงื่อนไขที่ควรรู้: ตัวเลข นี้ทำได้กับผู้ใช้ที่ฝึกฝนแล้ว ใช้ไมโครโฟนชุดหูฟังคุณภาพสูง ในสภาพแวดล้อมเงียบ หลังจากฝึกเสียงอย่างกว้างขวาง ผู้ใช้ Dragon ที่ยังไม่ฝึกในวันแรกมักได้ความแม่นยำราว 92-94%

สำหรับผู้ใช้ Dragon Professional Individual ที่ฝึกแล้วและตั้งค่าอย่างเหมาะสม ความแม่นยำในการใช้งานจริงมักอยู่ในช่วง 95-98% สำหรับการบอกพิมพ์ทั่วไป สำหรับขอบเขตเฉพาะ (การแพทย์ กฎหมาย) Dragon ที่ฝึกแล้ว สามารถขยับเข้าใกล้ 98-99% สำหรับคำศัพท์ที่ปรับแต่งไว้

การเทียบกันตัวต่อตัวตามจริง

สำหรับผู้ใช้ที่ยังไม่ฝึก ใช้ชุดหูฟัง USB ทั่วไป พิมพ์ด้วยเสียง ภาษาอังกฤษแบบสนทนา: เอนจินที่อิงกับ Whisper (CaringDictate) มักจะ ชนะ Whisper ไม่ต้องฝึกเสียงและทำงานได้ดีตั้งแต่ แกะกล่อง กับเสียงหลากหลายช่วงที่มันถูกฝึกมา (เสียงหลายภาษา 680,000+ ชั่วโมง)

สำหรับผู้ใช้ที่ฝึกแล้ว ใช้ไมโครโฟนคุณภาพสูงสุด (Plantronics, Andrea USB) พิมพ์ด้วยเสียงคำศัพท์เฉพาะทาง: Dragon Professional ที่ฝึกแล้ว ยังขยับนำได้สำหรับคำศัพท์เฉพาะที่ถูกฝึกมา ข้อได้เปรียบนี้แคบลงมากสำหรับงานเขียนทั่วไป

สำหรับผู้พูดภาษาอังกฤษที่ไม่ใช่เจ้าของภาษา ผู้พูดที่มีสำเนียง หรือผู้พูด ที่มีอาการพูดไม่ชัดเล็กน้อยจากโรค: Whisper มีข้อได้เปรียบ ชัดเจน ฐานข้อมูลที่ใช้ฝึกมีความหลากหลายมากกว่าของ Dragon และการจดจำรับมือกับความผันแปรของเสียงได้ดีขึ้นอย่างเห็นได้ชัด

สำหรับผู้พูดที่มีอาการพูดไม่ชัดอย่างมาก (โรคพาร์กินสันรุนแรง โรคกล้ามเนื้ออ่อนแรง ALS ที่ส่งผลต่อการพูด สมองพิการ CP ที่ส่งผลต่อการพูด): ทั้ง Whisper และ Dragon ต่างก็ไม่ใช่ เครื่องมือที่เหมาะ Voiceitt ถูกสร้างขึ้นมาเฉพาะสำหรับกรณีนี้ และ ดีกว่าทั้งสองตัวอย่างมาก แม้จะแพงกว่ามากก็ตาม

ความเร็ว

ข้อได้เปรียบที่แท้จริงของ Whisper Turbo เหนือ Dragon คือความเร็ว Whisper Large v3 Turbo บนฮาร์ดแวร์สมัยใหม่ (Intel i5 จาก 5 ปีที่ผ่านมา หรือ Apple Silicon หรือซีพียู AMD รุ่นใหม่ใด ๆ) ถอดความได้เร็ว กว่าเรียลไทม์ — หมายความว่าคุณพิมพ์ด้วยเสียงประโยคหนึ่งและคำ ปรากฏก่อนที่คุณจะพูดจบ Dragon ก็ประมวลผลแบบเรียลไทม์เช่นกัน แต่มีความหน่วงที่สังเกตเห็นได้มากกว่าในคำแรกของแต่ละ การพูด

สำหรับการพิมพ์ด้วยเสียงงานยาว ความแตกต่างด้านความเร็วนี้ส่วนใหญ่เป็นเรื่อง จิตวิทยา สำหรับการพิมพ์ด้วยเสียงข้อความสั้น (ความคิดเห็นบน Facebook อีเมล ด่วน) การตอบสนองของ Whisper Turbo รู้สึกดีกว่าอย่างเห็นได้ชัด

คำถามเรื่องข้อมูลที่ใช้ฝึก

ข้อได้เปรียบด้านความแม่นยำดั้งเดิมของ Dragon มาจากการฝึกเสียง แบบมีผู้กำกับดูแล: คุณจะอ่านบทยาว ๆ ให้ Dragon ฟัง และมันจะ สร้างโมเดลส่วนตัวที่จดจำเสียงคุณได้ดีกว่าโมเดล เริ่มต้น วิธีนี้ได้ผลแต่ต้องใช้เวลาเริ่มต้นมาก

Whisper ไม่ได้ทำงานแบบนี้ มันถูกฝึกบนฐานข้อมูลหลายภาษา ขนาดมหึมาเพียงครั้งเดียวโดย OpenAI และโมเดลที่ได้คือสิ่งที่ผู้ใช้ Whisper ทุกคนใช้รัน คุณไม่ได้ฝึกมันบนเสียงของคุณ มันจะทำงานกับ เสียงคุณได้หรือไม่ได้ — และข้อมูลฝึกที่กว้างขวางหมายความว่ามันทำงานกับ เสียงส่วนใหญ่ได้ดีพอสมควร

นัยสำหรับผู้ใช้: กับ Dragon คุณสามารถใช้เวลาฝึก เพื่อเพิ่มความแม่นยำ กับ Whisper สิ่งที่คุณได้ในวันแรกคือสิ่งที่ คุณได้ในวันที่ 365 สำหรับผู้ใช้ส่วนใหญ่นี่เป็นข้อดี ไม่ใช่ข้อเสีย — พวกเขาไม่อยากใช้เวลาหนึ่งชั่วโมงฝึก Dragon อยู่แล้ว สำหรับผู้ใช้ ระดับสูงที่มีคำศัพท์เทคนิค การที่ฝึกเสียง Whisper ไม่ได้ เป็นข้อจำกัดที่แท้จริง

คำถามเรื่องการดูแลรักษา

Dragon Professional Individual ถูกตรึงไว้ที่เวอร์ชัน 16 ตั้งแต่ ปี 2023 เอนจินการจดจำเสียงไม่ได้รับการอัปเดต Microsoft ได้ หันเหทิศทาง Dragon ไปสู่การแพทย์ระดับองค์กร และปล่อยให้ Dragon สำหรับผู้บริโภค ค่อย ๆ หมดอายุไป

ในทางกลับกัน Whisper ได้รับการพัฒนาอย่างต่อเนื่องโดย OpenAI และ ชุมชนโอเพนซอร์ส Whisper v3 ออกในปี 2023 Whisper v3 Turbo ในปี 2024 และโมเดลรุ่นต่อ ๆ ไปก็อยู่ระหว่างการพัฒนาอย่างคึกคัก CaringDictate มาพร้อม v3 Turbo ในวันนี้ และจะอัปเดตเป็นโมเดลใหม่กว่าในรูป การอัปเดตฟรีเมื่อพิสูจน์แล้วว่าดีกว่า

ในระยะห้าปี นี่คือความแตกต่างที่สำคัญที่สุด เอนจิน การจดจำเสียงที่ถูกตรึงจะยังคงทำงานต่อไป แต่มันจะไม่ ได้ประโยชน์จากการพัฒนาที่สำคัญที่เกิดขึ้นในที่อื่น ๆ ของ วงการ

สำหรับกลุ่มผู้ใช้เฉพาะ

ผู้สูงอายุที่ใช้คำศัพท์ภาษาอังกฤษทั่วไป: Whisper (ผ่าน CaringDictate) เป็นตัวเลือกที่ดีกว่า ไม่ต้องฝึก ไม่มี ความยุ่งยากในการตั้งค่า ทำงานได้ดีตั้งแต่แกะกล่อง

บุคลากรทางการแพทย์ที่พิมพ์ด้วยเสียงบันทึกทางคลินิก: Dragon Medical One ที่ฝึกแล้วยังคงเป็นมาตรฐานอุตสาหกรรม คำศัพท์ ทางการแพทย์ของ Whisper ดี แต่ไม่เฉพาะทางเท่า

ทนายความที่พิมพ์ด้วยเสียงเอกสารกฎหมาย: Dragon Professional ที่ฝึกแล้วพร้อมคำศัพท์กำหนดเองนั้นเอาชนะยาก Whisper รับมือ ภาษาอังกฤษเชิงกฎหมายส่วนใหญ่ได้ดี แต่ขาดความสามารถในการปรับแต่ง

ผู้ใหญ่ที่มีโรคซึ่งส่งผลต่อมือแต่ไม่ส่งผลต่อการพูด: Whisper ผ่าน CaringDictate คือสิ่งที่เราจะแนะนำ ไม่มีภาระการฝึก ความแม่นยำดีกว่าสำหรับความผันแปรของเสียง และถูกกว่ามาก

ผู้พูดภาษาอังกฤษที่ไม่ใช่เจ้าของภาษา: Whisper มีข้อได้เปรียบ ชัดเจน ฐานข้อมูลฝึกหลายภาษาหมายความว่ามันรับมือสำเนียงได้ ดีกว่าโมเดลที่ฝึกด้วยภาษาอังกฤษของ Dragon มาก

บทสรุป

Whisper Large v3 Turbo และ Dragon Professional ที่ฝึกแล้ว ตอนนี้อยู่ในระยะ ห่างกันไม่กี่จุดเปอร์เซ็นต์สำหรับความแม่นยำในการพิมพ์ด้วยเสียงทั่วไป สำหรับผู้ใช้ส่วนใหญ่ โดยเฉพาะผู้สูงอายุและผู้ใช้ที่มีโรค ข้อได้เปรียบในทางปฏิบัติของ Whisper (ไม่ต้องฝึก รับมือสำเนียง ได้ดีกว่า พัฒนาต่อเนื่อง ต้นทุนต่ำกว่ามาก) เหนือกว่า ข้อได้เปรียบที่เหลืออยู่ของ Dragon ในเรื่องคำศัพท์เฉพาะทาง

CaringDictate สร้างบน Whisper Large v3 Turbo เพราะเราเชื่อว่า นี่คือเอนจินที่เหมาะสำหรับกลุ่มผู้ใช้ของเรา การคืนเงินภายใน 30 วันหมายความว่า คุณสามารถเปรียบเทียบด้วยตัวเองได้โดยไม่มีความเสี่ยง

จะไปต่อจากตรงนี้ที่ไหน

อ่านฉบับเต็ม การเปรียบเทียบ CaringDictate กับ Dragon สำหรับความแตกต่างระดับผลิตภัณฑ์ (ราคา UX อัปเดต การคืนเงิน) และ คู่มือความเป็นส่วนตัว หากการประมวลผลแบบในเครื่องเทียบกับบนคลาวด์มีความสำคัญต่อสถานการณ์ของคุณ