Evalvacija in primerjava sodobnih razpoznavalnikov govoraNEMANIČ, VALENTIN (Avtor) Dobrišek, Simon (Mentor) Fajfar, Iztok (Komentor) razpoznavanje govoraslovenščinaGoogle Cloud Speech-toTextMicrosoft Azure SpeechOpenAI WhisperWERLevenshteinArtur 1.0primerjalna analizaV diplomski nalogi primerjam tri razširjene sisteme za avtomatsko razpoznavanje govora (angl. Speech-to-text (STT)) v slovenščini: Google Cloud Speech-to-Text, Microsoft Azure Speech Service in odprtokodni OpenAI Whisper. Za objektivno oceno sem oblikoval uravnotežen testni nabor govornih posnetkov iz korpusa Ar- tur 1.0, s poudarkom na prostih monoloških govorih (Artur-N) ter branih in studijskih posnetkih (Artur-B). Izbor vključuje približno eno uro govora 15–20 govorcev z raznolikimi demografskimi lastnostmi. Sisteme sem ocenjeval po na- tančnosti (angl. Word Error Rate – WER), časovni učinkovitosti (čas transkrip- cije) in praktičnih vidikih (enostavnost uporabe). Whisper sem poganjal lokalno na prenosnem računalniku s navadnim centralnim procesorjem (angl. CPU) z vnaprej prednaloženim modelom, storitvi Google in Azure sem uporabljal prek uradnih programskih vmesnikov (angl. API-jev). Celoten potek priprave govor- nih podatkov ter merjenja in izvoza preizkusnih rezultatov je bil avtomatiziran v programskih skriptah, kar omogoča ponovljivost in razširljivost pridobljenih ocen natančnosti teh sistemov.20252025-09-12 11:30:25Diplomsko delo/naloga173062sl