’n Swak transkripsie het gewoonlik een of twee oorsake, en die foute op die bladsy wys watter. Sewe algemene oorsake van oudiotranskripsiefoute, hoe elkeen lyk, hoekom dit gebeur, en die regstelling in die opname en in die transkripsie.
Oudiotranskripsiefoute is selde lukraak. ’n Transkripsie wat "Kubernetes" in "Cooper Netties" verander, twee mense se woorde onder een naam plaas, of "vyftig" skryf waar die spreker "vyftien" gesê het, wys jou wat verkeerd gegaan het. Elke oorsaak laat sy eie soort fout agter, en elkeen het sy eie regstelling. Sommige regstellings hoort by die volgende opname, ander by die transkripsie wat jy reeds het.
Hierdie gids begin by die fout. Soek in die lys hieronder die een wat by jou transkripsie pas, en gaan dan na sy afdeling: hoe die fout lyk, hoekom dit in gewone woorde gebeur, en wat daaraan te doen is.
Die meeste transkripsieprobleme val in sewe patrone. Pas die simptoom by die oorsaak:
Twee oorsake stapel dikwels op. ’n Gas op afstand met ’n kopstuk in ’n raserige kafee, wat met ’n aksent praat, sal drie soorte foute tegelyk lewer. Maak eers die oorsaak reg wat die meeste reëls raak: gewoonlik die klank, dan die taal, dan die woorde.
Hoe dit lyk. In ’n opname by ’n kafee kom "Kom ons skuif die bekendstelling na Maart" terug as "Kom ons skuif die middagete na Maart". ’n Woord onder ’n deurklap verdwyn. Oor ’n lang stilte met ’n lugversorger wat dreun, verskyn daar ’n reël wat niemand gesê het nie, soos "Dankie dat julle gekyk het."
Hoekom dit gebeur. Spraakherkenning raai die waarskynlikste woorde vir die klank wat dit ontvang. Geraas bedek eerste die sagte dele van spraak: die eindes van woorde en die kort woorde tussenin. Met minder van die regte sein leun die raaiskoot swaarder op wat gewoonlik volg, en "middagete" is ’n gewoner woord as "bekendstelling". Oor bestendige geraas sonder enige spraak skryf sommige stelsels steeds ’n vaste frase, omdat hulle opgelei is om iets te skryf wanneer hulle klank hoor.
Maak dit reg in die opname. Skuif die mikrofoon nader aan die spreker in plaas daarvan om dit harder te stel. Om die afstand te verdubbel, sny ongeveer 6 dB van die spreker se direkte klank af terwyl die kamergeraas bly waar dit was, so nabyheid tel meer as enige instelling. Skakel waaiers en lugversorging af vir die opname as jy kan, en neem op in ’n kamer met sagte oppervlaktes eerder as glas en teëls.
Maak dit reg in die transkripsie. Noem in VocalStack die gesproke taal by raserige opnames in plaas daarvan om outomatiese taalbespeuring te laat staan. Die Dashboard se eie nota sê dit: om die taal te noem verbeter die akkuraatheid by raserige opnames en swaar aksente. By ’n regstreekse transkripsie aanvaar die latensiemodus Accuracy ’n bietjie meer vertraging in ruil vir minder foute by moeilike klank. Reëls waarvan die enjin die minste seker is (onder die transkripsie se vertrouensdrempel, standaard 0.60) word vir luisteraars as "Audio unclear" gewys in plaas van ’n raaiskoot, en word nooit hardop gelees nie. ’n Reël wat pure vonds is, kan met die hand versteek word: versteekte reëls word uit die transkripsie, uitvoere, onderskrifte en die speler weggelaat.
Hoe dit lyk. "Die data wys ’n styging van dertig persent" word "Die data wys ’n styging van dirty persent". Die foute volg een spreker deur die opname, terwyl almal anders se reëls skoon is.
Hoekom dit gebeur. ’n Herkenningstelsel leer hoe woorde klink uit die spraak waarop dit opgelei is. Wanneer ’n spreker ’n klank anders uitspreek as die meeste van daardie spraak, soos "th" as "d", hoor die stelsel presies wat gesê is en kies die regte woord wat die beste by daardie klank pas. Outomatiese taalbespeuring kan dit erger maak: ’n sterk aksent kan die leidrade na ’n heel ander taal skuif (sien hoe outomatiese taalbespeuring werk).
Maak dit reg in die opname. Voeg by ’n regstreekse praatjie ’n Reference Script by voor jy begin (sien die afdeling oor vakterme hieronder), sodat die woorde wat die spreker waarskynlik sal sê reeds bekend is. ’n Goeie mikrofoon help by elke aksent, omdat meer van elke klank die enjin bereik.
Maak dit reg in die transkripsie. Noem die gesproke taal vir daardie opname. Gebruik dan die Fix-oortjie: Mark uncertain words kleur en onderstreep die woorde waaroor die enjin onseker was, en jy kan die onsekere gedeeltes een vir een deurloop in plaas daarvan om alles weer te lees. Waar die enjin ander woorde oorweeg het, bied dit hulle as voorgestelde regstellings aan, so om "dirty" na "dertig" reg te maak is gewoonlik een klik. Met Play just this word kan jy op gehoor nagaan voor jy iets verander.
Hoe dit lyk. Een spreker vra "So ons stem saam oor Dinsdag?" terwyl ’n ander inbreek met "Nee, Donderdag werk beter". Die transkripsie wys ’n enkele reël onder Spreker 1: "So ons stem saam oor Dinsdag nee Donderdag werk beter." Of andersom: een persoon wat halfpad deur die vergadering geanimeerd geraak het, verskyn as Spreker 1 en Spreker 3.
Hoekom dit gebeur. Twee afsonderlike take loop daaronder. Spraakherkenning skryf die woorde; sprekerdiarisering besluit wie wanneer gepraat het, uit hoe elke stem klink. Die meeste stelsels gee elke stuk klank een spreker, so wanneer twee mense gelyk praat, verloor een van hulle. ’n Verandering in iemand se stem (opgewonde, moeg, verder van die mikrofoon) kan hulle soos ’n nuwe persoon laat lyk. Sprekerdiarisering teenoor spraakherkenning verduidelik albei take in besonderhede.
Maak dit reg in die opname. Gee elke persoon sy eie mikrofoon. Daardie een verandering doen meer vir verskeie sprekers as enige instelling. Vra by ’n paneel of ’n vergadering met vrae uit die gehoor dat die voorsitter elke vraag in sy eie mikrofoon herhaal voor dit beantwoord word.
Maak dit reg in die transkripsie. Kies die sprekeretiket-instelling: When Needed (die standaard) merk reëls sodra ’n tweede stem gehoor word, On merk elke reël, Off merk geen. Noem elke spreker tydens of na die opname. Die naam is ’n laag oor die woorde, so dit verander nooit die teks nie, en dit geld vir daardie persoon in elke opname van die transkripsie. Stoor ’n spreker wat jy gereeld opneem, en latere transkripsies herken hulle by die naam. ’n Reël wat twee sinne aanmekaar laat loop, kan in twee gesplit word: tik op die gaping waar die nuwe reël begin.
Hoe dit lyk. "Ons het dit op Kubernetes ontplooi" word "Ons het dit op Cooper Netties ontplooi". "Me. Nguyen" word "Me. Win". ’n Medisyne se naam word drie kort gewone woorde. Die res van die sin is reg.
Hoekom dit gebeur. ’n Stelsel kan net woorde skryf wat dit ken, en ’n naam kom dikwels net een keer voor, met niks rondom wat dit kan voorspel nie. Wanneer dit die woord nog nooit gesien het nie, kies dit die gewone woorde wat die naaste klink. Dit is die moeilikste geval vir akkurate transkripsie van tegniese terminologie: die sin gee geen leidraad nie, so geen hoeveelheid konteks los dit op nie.
Maak dit reg in die opname. Gee die stelsel die woorde voor die spreker hulle sê. In VocalStack is dit ’n Reference Script: voeg die manuskrip of skyfies van ’n regstreekse praatjie, of ’n lys name en terme, by voor jy begin, en name en terme daaruit wen oor wat verkeerd gehoor is. Tydens die praatjie volg die manuskrip die transkripsie soos ’n teleprompter. Elke woord wat die manuskrip reggemaak het, is by die regstellings met SCRIPT gemerk en kan ongedaan gemaak word as die spreker werklik iets anders gesê het.
Maak dit reg in die transkripsie. Maak die naam een keer reg en kontroleer die res met soek. Regstellings bereik elke luisteraar terwyl die transkripsie regstreeks is, in elke taal wat hulle lees, en elke regstelling word gelys en kan ongedaan gemaak word. Uitvoere (SRT, PDF, Excel, JSON) bevat die regstellings, so onderskrifte en dokumente dra die reggemaakte spelling.
Hoe dit lyk. ’n Praatjie open met ’n groet in Spaans en gaan voort in Engels, en die Engels kom uit as Spaans-lykende nonsens. Of ’n paar reëls in die middel van ’n Engelse transkripsie verskyn in ’n verwante taal. Sommige stelsels, op die verkeerde taal gestel, skryf ’n growwe vertaling in plaas van wat gesê is.
Hoekom dit gebeur. Wanneer geen taal genoem is nie, moet die stelsel dit uit die klank bespeur, dikwels uit die eerste paar sekondes. ’n Groet, ’n aanhaling of ’n sterk aksent kan dit die verkeerde kant toe wys. Sodra dit die verkeerde taal gekies het, is elke woord in daardie gedeelte saam verkeerd.
Maak dit reg in die opname. As die opname in een taal is, noem dit. Laat bespeuring aan wanneer twee of meer tale werklik gepraat word, sodat elke deel in sy eie taal getranskribeer word; om een te noem, sou die ander daarin dwing. By ’n regstreekse transkripsie kan die taal verander word terwyl dit loop, en die verandering geld dadelik.
Maak dit reg in die transkripsie. ’n Reël wat in die verkeerde taal gehoor is, kan nie woord vir woord reggemaak word nie, omdat niks daarin reg is nie. VocalStack kan die reël weer transkribeer: kies die taal waarin dit werklik gepraat is, en die reël se klank word weer in daardie taal gelees. Die resultaat vervang die reël as ’n gewone regstelling, met dieselfde ongedaanmaak as enige ander.
Hoe dit lyk. In ’n Engelse opname word "The fees went up" "The thieves went up", en "free" en "three" ruil plekke. Die foute versprei oor die hele opname, en dit is die ergste vir die spreker op afstand in ’n oproep.
Hoekom dit gebeur. Baie van die klanke wat "f", "s" en "th" van mekaar onderskei, lê hoog in die frekwensiereeks. ’n Telefoonlyn dra niks bo ongeveer 3,4 kHz nie, en ’n bluetooth-kopstuk skakel sy mikrofoon dikwels na ’n oproepmodus met ’n baie nouer reeks. Saampersing teen lae bistempo in video-oproepe verwyder meer. Die stelsel ontvang klank waarin daardie klanke reeds weg is, en raai tussen woorde wat nou dieselfde klink.
Maak dit reg in die opname. Gebruik ’n bedrade mikrofoon, of ’n kopstuk waarvan die mikrofoon in sy volkwaliteit-modus bly. Neem elke spreker op afstand aan hulle kant op as jy kan, eerder as om die oproep op te neem. Neem by ’n geleentheid die sein van die klankmenger eerder as van ’n skootrekenaar- of foonmikrofoon in die saal: VocalStack se regstreekse opstelling neem een kabel van die menger, en ’n foon se ingeboude mikrofoon vang meer van die kamer op.
Maak dit reg in die transkripsie. Klank wat nooit vasgelê is nie, kan nie herwin word nie, deur geen masjien of mens nie. Gebruik die merke vir onsekere woorde om die beskadigde gedeeltes te vind, speel die reël om na te gaan, en maak reg wat jy kan hoor. Waar niemand kan sê wat gesê is nie, is dit eerliker om die reël te versteek as om ’n raaiskoot te laat staan.
Hoe dit lyk. "Vyftien" word "vyftig". "Een twintig" word "120" wanneer die spreker een dollar twintig bedoel het. "Die derde van die vierde" kom uit as ’n datum in die verkeerde volgorde. Elke fout is een woord, en elke ander woord in die sin is reg.
Hoekom dit gebeur. "Vyftien" en "vyftig" verskil hoofsaaklik in watter lettergreep beklemtoon word, en daardie verskil is die eerste ding wat deur geraas of ’n vinnige spreker verlore gaan. Gesproke getalle laat ook weg wat geskrewe getalle nodig het: eenhede, desimale tekens, die volgorde van dag en maand. Die stelsel moet die formaat raai, en sy raaiskoot is die algemeenste een, nie joune nie.
Maak dit reg in die opname. Vra sprekers om syfers voluit te sê, met die eenheid: "een dollar twintig", "die vyftiende Maart". Sit by ’n voorbereide praatjie die syfers in die manuskrip.
Maak dit reg in die transkripsie. Gaan elke syfer wat saak maak op gehoor na voor die transkripsie aangehaal, gestuur of gepubliseer word. ’n Verkeerde getal lees soos ’n regte, so niks op die bladsy waarsku jou nie. Wat woordfoutkoers meet, en wat dit mis verduidelik hoekom een verkeerde syfer meer kos as sy aandeel van die foutkoers.
Wanneer ’n transkripsie baie probleme het, maak hulle in hierdie volgorde reg, sodat geen regstelling deur die volgende ongedaan gemaak word nie:
Maak dan die volgende opname makliker: ’n mikrofoon per spreker, die taal genoem, en ’n manuskrip met die name daarin. Die meeste oudiotranskripsiefoute word besluit voor iemand op opneem druk.
Laat by ’n verhoor, ’n mediese konsultasie of enigiets waar een verkeerde woord gevolge het, ’n mens die transkripsie nagaan voor dit gebruik word, watter stelsel dit ook al gemaak het. Om te sien watter van hierdie foute jou eie oudio lewer, probeer ’n opname in die Dashboard.