看影片（在新分頁開啟原站）連到 YouTube・Trelis Research
摘要
介紹 Trelis 研發的醫療領域語音識別（ASR）模型，並展示 Google、Scribe 與 Whisper 等模型在醫療資料上的表現。透過建立專屬的醫療實體錯誤率指標，分析模型在印度口音等特定資料上的泛化能力與弱點。
This video benchmarks ASR models for medical transcription, comparing performance on custom datasets and specific accents.
這筆內容還沒有取得字幕或內文，這段摘要只根據標題與說明欄產生，可能不夠準確；實際內容請以原站為準。
提到的工具與公司
- Google ASR
- Scribe
- Whisper
- Gemini 2.5 Pro
- Gemini Pro
- Speechmatics
- MultiMed
- Claude Code
適合誰看
醫療科技開發者、語音識別模型評估人員或相關領域研究者。
摘要依據
- 依據
- 標題與說明欄（還沒有取得字幕或內文）
為什麼排在這裡
- 人氣
- 0.17
- 新鮮
- 0.49
在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算
相關內容
- Whisper Hinglish - SotA Open Weights Model with Code-switching Capabilities影片 ・ Trelis Research ・ 4 分鐘
- Train Voxtral Transcription (ASR) Models影片 ・ Trelis Research ・ 17 分鐘
- Measuring benchmark optimization in speech recognition文章 ・ Hugging Face Blog
- A Developer’s Guide to Gemini 3.5 Transcribe影片 ・ Google Cloud Tech ・ 5 分鐘
- Introducing Falcon ASR文章 ・ Hugging Face Blog
- 微軟推出首款自研即時串流語音轉錄模型，並更新MAI語音模型文章 ・ iThome
摘要由 AI 根據標題與說明欄產生（還沒有取得原文），可能有誤；完整內容請看原站。看影片（在新分頁開啟原站）