Prepis írskej reči do textu. Najpresnejšia v GASTON
Náš vlastný model na prepis írčiny, natrénovaný na približne 1 890 hodinách írskej reči. Rozhlas, podcasty, parlamentné rokovania aj rozhovory premení na prehľadávateľný text s časovou značkou pri každom slove.
Chybovosť slov (WER) počíta slová, ktoré sa líšia od starostlivého ľudského prepisu. Nižšia hodnota je lepšia.
O 50 % lepší ako ElevenLabs Scribe v2
Na rovnakých štyroch verejných testovacích sadách sme spustili ElevenLabs Scribe v2 nastavený na írčinu aj BuzzASR, verejný írsky model založený na Whisper, a všetky sme hodnotili rovnako. V priemere zo štyroch sád má náš model nesprávne 24,3 % slov, Scribe v2 46,2 %.
Rozdiel je najväčší pri parlamentnej reči a nárečových nahrávkach. Pôvodný OpenAI Whisper írčinu ako jazyk vôbec neponúka: keď ho prinútime írčinu prepisovať, jeho chybovosť presahuje 100 %.
Testované v novembri 2026 na 4 680 klipoch (približne 14 hodín), celých verejných testovacích sadách. Scribe v2 bežal cez ElevenLabs API s jazykom nastaveným na írčinu. 95 % intervaly spoľahlivosti nášho náskoku pred Scribe v2: 21 až 22 bodov (Oireachtas), 29 až 34 (Canúint), 10 až 12 (FLEURS), 22 až 25 (Common Voice). Komerčné modely sa časom menia.
* BuzzASR na Common Voice nehodnotíme: jeho trénovacie dáta obsahujú vety z tejto testovacej sady.
Presnosť podľa typu nahrávky
Okrem štyroch verejných testovacích sád meriame aj dve ťažšie, neverejné: írske videá z YouTube a spontánnu konverzáciu nahratú v Mayo. Tie zostávajú u nás, preto na nich hodnotíme len náš vlastný model.
Hodnotené voči čiastočne skráteným titulkom, takže toto číslo je nadhodnotené.
Najťažší typ írskych nahrávok, ktorý testujeme.
Chybovosť slov v percentách, na normalizovanom texte, dekódované lúčovým vyhľadávaním (beam search) 5.
Najlepšie výsledky pri zreteľnej reči, ktorá je prevažne v írčine
Použiteľný prepis. Zhruba 1 slovo z 5 až 8 je nesprávne a často len v pravopise alebo koncovke, napríklad bhí namiesto bhíomar.
Oveľa hrubšie: nesprávne môže byť až 1 slovo z 2. Berte takéto prepisy ako orientačný koncept.
Z čoho vznikol
Vychádzali sme z modelu OpenAI Whisper large-v3 a celý sme ho doladili na írskej reči: parlamentné výbory, nárečové nahrávky, čítané vety, podcasty, rozhlas a YouTube.
Zvuk z testovacích sád sa nedostal do žiadnej verzie trénovania.
Trénovacie klipy sa takto náhodne upravujú, aby si model poradil so skutočnými nahrávkami, nielen so štúdiovým zvukom.
Čo získate
Model beží priamo v prepisovacej službe Gaston, takže z každej írskej nahrávky vznikne prepis, ktorý môžete prehľadávať, prekladať, označovať záložkami a exportovať.
- •Spontánna konverzácia a výrazné nárečie
- •Staré archívne nahrávky
- •Anglické pasáže v írskej nahrávke
- •Koncovky slov a počiatočné mutácie
Ako sme merali
- Dekódované rovnako, ako to robí produkčná služba, lúčovým vyhľadávaním (beam search) 5, a hodnotené na normalizovanom texte.
- Šesť testovacích sád sme zmrazili v októbri 2026 a nedostali sa do žiadnej verzie trénovania.
- Verejná trénovacia časť Common Voice obsahuje vety z jeho vlastnej testovacej časti. Z trénovania sme ich odstránili 5 373, aby výsledok nebol nadhodnotený.
| Testovacia sada | Typ nahrávok |
|---|---|
Common Voice ga-IE Mozilla · CC0 |
Krátke čítané vety |
FLEURS ga_ie Google · CC-BY-4.0 |
Čítané vety z Wikipédie, veľa hovoriacich |
Oireachtas Houses of the Oireachtas (írsky parlament) |
Parlamentné výbory, overené podľa oficiálneho záznamu |
Canúint canuint.ie |
Nárečový archív, staršie nahrávky |
abairt.com abairt.com |
Spontánna konverzácia, nárečie z Mayo |
YouTube Gaston |
Vlogy, rozhovory, videá s viacerými hovoriacimi, hodnotené voči čiastočne skráteným titulkom |
Poďakovanie
Tento model stojí na otvorene zdieľaných írskych rečových dátach a nástrojoch. Ďakujeme všetkým, ktorí ich vytvorili a zdieľali.
- Založené na OpenAI Whisper large-v3 (MIT)
- Houses of the Oireachtas (oficiálny záznam rokovaní)
- Google FLEURS, CC-BY-4.0
- Mozilla Common Voice, CC0
- jimregan/wav2vec2-large-xlsr-irish-basic (časové značky slov)
- MUSAN corpus (hluk v pozadí)
Vyskúšajte ho na vlastných írskych nahrávkach
Nahrajte súbor alebo vložte odkaz na YouTube a o zvyšok sa postará Gaston.
Vytvoriť účet