स्पर्श स्क्रीन फोन में दो भाषाओं में छोटे संदेशों के लिए भाषण और कीबोर्ड टेक्स्ट प्रविष्टि की तुलना करना

मोबाइल टचस्क्रीन उपकरणों जैसे स्मार्टफोन्स की उपस्थिति के साथ, दो व्यापक रूप से उपयोग की जाने वाली टेक्स्ट प्रविष्टि विधियाँ उभर चुकी हैं: छोटे टच-आधारित कीबोर्ड और भाषण पहचान। हालांकि भाषण पहचान वर्षों से डेस्कटॉप कंप्यूटर पर उपलब्ध है, यह तेजी से सुधार कर रही है, और यह वर्तमान में ज्ञात नहीं है कि आज के आधुनिक भाषण पहचानकर्ताओं की तुलना आधुनिक मोबाइल टच कीबोर्ड से कैसे की जाती है, जो अपनी उत्पत्ति के बाद से काफी सुधारित हो गए हैं। दोनों विधियों के 'ऊपरी सीमा प्रदर्शन' की खोज करने के लिए, हमने एक प्रयोगशाला सेटिंग में Apple iPhone 6 Plus पर अंग्रेजी और मंदारिन चीनी में उनका मूल्यांकन किया। हमारा प्रयोग Baidu के Deep Speech 2, एक गहरी शिक्षण-आधारित भाषण पहचान प्रणाली, और अंतर्निर्मित Qwerty (अंग्रेजी) या Pinyin (मंदारिन) Apple iOS कीबोर्ड का उपयोग करके किया गया। हमने पाया कि भाषण पहचान के साथ, अंग्रेजी इनपुट दर कीबोर्ड की तुलना में 2.93 गुना तेज थी (153 बनाम 52 WPM), और मंदारिन चीनी इनपुट दर 2.87 गुना तेज थी (123 बनाम 43 WPM) दोनों विधियों के लिए प्रयोगशाला स्थितियों में छोटे संदेश ट्रांसक्रिप्शन के लिए। इसके अलावा, हालांकि भाषण प्रवेश के दौरान कम त्रुटियाँ करता है (5.30% बनाम 11.22% सुधारित त्रुटि दर), इसने अंतिम ट्रांसक्राइबेड टेक्स्ट में थोड़ी अधिक त्रुटियाँ छोड़ी (1.30% बनाम 0.79% असुधारित त्रुटि दर)। हमारे परिणाम दिखाते हैं कि तुलनात्मक रूप से, दोनों विधियों के लिए आदर्श परिस्थितियों के तहत, ऊपरी सीमा भाषण पहचान प्रदर्शन पिछले प्रणालियों की तुलना में बहुत सुधारित हो गया है, और भविष्य में अधिक व्यापक रूप से अपनाने के लिए देखा जा सकता है, हालाँकि गैर-प्रयोगशाला सेटिंग्स में प्रदर्शन को मापने के लिए आगे अध्ययन की आवश्यकता है।