У дрэннай транскрыпцыі звычайна адна-дзве прычыны, і памылкі на старонцы паказваюць, якія менавіта. Сем частых прычын памылак транскрыбавання гуку: як выглядае кожная, чаму ўзнікае і як яе выправіць у запісе і ў транскрыпцыі.
Памылкі транскрыбавання гуку рэдка бываюць выпадковымі. Транскрыпцыя, у якой «Kubernetes» ператвараецца ў «Cooper Netties», словы двух чалавек апынаюцца пад адным імем, а там, дзе спікер сказаў «пятнаццаць», напісана «пяцьдзесят», паказвае, што пайшло не так. Кожная прычына пакідае свой тып памылак, і ў кожнай ёсць свой спосаб выпраўлення. Адны выпраўленні датычацца наступнага запісу, іншыя — транскрыпцыі, якая ў вас ужо ёсць.
Гэты дапаможнік пачынаецца з памылкі. Знайдзіце ў спісе ніжэй тую, што адпавядае вашай транскрыпцыі, і перайдзіце да яе раздзела: як выглядае памылка, чаму яна ўзнікае простымі словамі і што з ёй рабіць.
Большасць праблем транскрыбавання ўкладваецца ў сем мадэляў. Суаднясіце сімптом з прычынай:
Дзве прычыны часта накладваюцца. Аддалены госць у навушніках у шумным кафэ, які гаворыць з акцэнтам, дасць тры тыпы памылак адразу. Спачатку выпраўляйце тую прычыну, што закранае больш за ўсё радкоў: звычайна гэта гук, потым мова, потым словы.
Як выглядае. У запісе, зробленым у кафэ, «Перанясём старт на сакавік» вяртаецца як «Перанясём стол на сакавік». Слова пад грукат дзвярэй знікае. Падчас доўгай цішыні, калі гудзіць кандыцыянер, з’яўляецца радок, якога ніхто не казаў, напрыклад «Дзякуй за прагляд».
Чаму так адбываецца. Распазнаванне маўлення здагадваецца пра найбольш верагодныя словы паводле гуку, які атрымлівае. Шум перш за ўсё перакрывае цішэйшыя часткі маўлення: канцы слоў і кароткія словы паміж імі. Калі рэальнага сігналу менш, здагадка больш абапіраецца на тое, што звычайна ідзе далей, а «стол» — больш частае слова, чым «старт». Над пастаянным шумам без якога-небудзь маўлення некаторыя сістэмы ўсё роўна выдаюць гатовую фразу, бо іх навучылі пісаць нешта кожны раз, калі яны чуюць гук.
Выпраўленне ў запісе. Падсуньце мікрафон бліжэй да спікера, а не павялічвайце гучнасць. Падваенне адлегласці зніжае прамы гук спікера прыкладна на 6 дБ, а шум памяшкання застаецца ранейшым, таму блізкасць важнейшая за любую наладу. Калі можаце, выключайце на час запісу вентылятары і кандыцыянеры, а запісвайце ў памяшканні з мяккімі паверхнямі, а не са шклом і пліткай.
Выпраўленне ў транскрыпцыі. У VocalStack на шумных запісах указвайце мову маўлення замест аўтаматычнага вызначэння. Пра гэта кажа і ўласная заўвага панэлі кіравання: указанне мовы паляпшае дакладнасць на шумных запісах і пры моцных акцэнтах. Для жывой транскрыпцыі рэжым затрымкі Accuracy згаджаецца на крыху большую затрымку ўзамен меншай колькасці памылак на цяжкім гуку. Радкі, у якіх рухавік найменш упэўнены (ніжэй за парог упэўненасці транскрыпцыі, па змаўчанні 0,60), слухачы бачаць як «Audio unclear» замест здагадкі, і яны ніколі не чытаюцца ўслых. Радок, які цалкам выдуманы, можна схаваць уручную: схаваныя радкі не трапляюць у транскрыпцыю, экспарты, субцітры і прайгравальнік.
Як выглядае. «Дадзеныя паказваюць рост на шэсцьдзесят працэнтаў» ператвараецца ў «Дадзеныя паказваюць рост на семдзесят працэнтаў». Памылкі ідуць за адным спікерам праз увесь запіс, а радкі ўсіх астатніх чыстыя.
Чаму так адбываецца. Сістэма распазнавання даведваецца, як гучаць словы, з маўлення, на якім яе навучылі. Калі спікер вымаўляе гук інакш, чым большасць гэтага маўлення, сістэма чуе менавіта тое, што было сказана, і выбірае сапраўднае слова, якое лепш за ўсё адпавядае гэтаму гуку. Аўтаматычнае вызначэнне мовы можа ўсё пагоршыць: моцны акцэнт можа зрушыць прыкметы ў бок зусім іншай мовы (гл. як працуе аўтаматычнае вызначэнне мовы).
Выпраўленне ў запісе. Для жывога выступу дадайце Reference Script да пачатку (гл. раздзел пра жаргон ніжэй), каб словы, якія спікер, верагодна, скажа, былі ўжо вядомыя. Добры мікрафон дапамагае пры любым акцэнце, бо да рухавіка даходзіць больш кожнага гуку.
Выпраўленне ў транскрыпцыі. Укажыце мову маўлення для гэтага запісу. Потым скарыстайцеся ўкладкай Fix: Mark uncertain words афарбоўвае і падкрэслівае словы, у якіх рухавік сумняваўся, і вы можаце праходзіць няпэўныя сегменты па адным замест таго, каб перачытваць усё. Калі рухавік разглядаў іншыя словы, ён прапануе іх як выпраўленні, таму замяніць «семдзесят» на «шэсцьдзесят» звычайна можна адным клікам. Play just this word дазваляе праверыць на слых, перш чым нешта мяняць.
Як выглядае. Адзін спікер пытаецца «Дык мы дамовіліся на аўторак?», а другі перабівае: «Не, чацвер падыходзіць». У транскрыпцыі адзін радок пад Speaker 1: «Дык мы дамовіліся на аўторак? Не, чацвер падыходзіць». Ці наадварот: чалавек, які ажывіўся сярод нарады, з’яўляецца як Speaker 1 і Speaker 3.
Чаму так адбываецца. Пад паверхняй працуюць дзве розныя задачы. Распазнаванне маўлення запісвае словы; дыярызацыя спікераў вырашае, хто калі гаварыў, па тым, як гучыць кожны голас. Большасць сістэм прызначаюць кожнаму адрэзку гуку аднаго спікера, таму, калі двое гавораць адначасова, адзін прайграе. Змена голасу (узрушаны, стомлены, далей ад мікрафона) можа зрабіць чалавека падобным на новага. Дыярызацыя спікераў супраць распазнавання маўлення падрабязна тлумачыць абедзве задачы.
Выпраўленне ў запісе. Дайце кожнаму чалавеку свой мікрафон. Гэтая адна змена робіць для некалькіх спікераў больш, чым любая налада. На панэлі або нарадзе з пытаннямі гледачоў папрасіце мадэратара паўтараць кожнае пытанне ў свой мікрафон, перш чым на яго адкажуць.
Выпраўленне ў транскрыпцыі. Выберыце налады пазнак спікераў: When Needed (па змаўчанні) пазначае радкі, калі чуваць другі голас, On пазначае кожны радок, Off не пазначае ніводнага. Назавіце кожнага спікера падчас або пасля запісу. Імя — гэта пласт над словамі, таму яно ніколі не змяняе тэкст і датычыцца гэтага чалавека ва ўсіх запісах транскрыпцыі. Захавайце спікера, якога вы запісваеце часта, і наступныя транскрыпцыі пазнаюць яго па імені. Радок, што аб’яднаў два сказы, можна падзяліць надвое: націсніце на прамежак, дзе пачынаецца новы радок.
Як выглядае. «Мы разгарнулі гэта на Kubernetes» ператвараецца ў «Мы разгарнулі гэта на Cooper Netties». «Спадарыня Нгуен» становіцца «спадарыняй Він». Назва лекаў робіцца трыма кароткімі словамі. Астатняя частка сказа правільная.
Чаму так адбываецца. Сістэма можа напісаць толькі тыя словы, якія ведае, а імя часта з’яўляецца адзін раз, без нічога побач, што дазволіла б яго прадказаць. Калі слова яна ніколі не бачыла, яна выбірае звычайныя словы, што гучаць найбольш блізка. Гэта найцяжэйшы выпадак для дакладнага транскрыбавання тэхнічнай тэрміналогіі: сказ не дае ніякай падказкі, таму ніякі кантэкст не дапамагае.
Выпраўленне ў запісе. Дайце сістэме словы, перш чым спікер іх скажа. У VocalStack гэта Reference Script: дадайце перад пачаткам сцэнарый або слайды жывога выступу, альбо спіс імёнаў і тэрмінаў, і імёны і тэрміны з яго возьмуць верх над тым, што пачулася няправільна. Падчас выступу сцэнарый ідзе за транскрыпцыяй, як тэлесуфлёр. Кожнае слова, якое выправіў сцэнарый, пазначана SCRIPT сярод выпраўленняў і можа быць адменена, калі спікер сапраўды сказаў іншае.
Выпраўленне ў транскрыпцыі. Выпраўце імя адзін раз і праверце астатняе пошукам. Выпраўленні даходзяць да ўсіх слухачоў, пакуль транскрыпцыя жывая, на кожнай мове, на якой яны чытаюць, і кожнае выпраўленне занесена ў спіс і можа быць адменена. Экспарты (SRT, PDF, Excel, JSON) уключаюць выпраўленні, таму субцітры і дакументы маюць выпраўленае напісанне.
Як выглядае. Выступ пачынаецца з прывітання па-іспанску і працягваецца па-ангельску, а англійская выходзіць як бязглуздзіца, падобная на іспанскую. Або некалькі радкоў у сярэдзіне ангельскай транскрыпцыі з’яўляюцца на роднаснай мове. Некаторыя сістэмы, настроеныя на няправільную мову, пішуць прыблізны пераклад замест таго, што было сказана.
Чаму так адбываецца. Калі мова не названа, сістэма павінна вызначыць яе па гуку, часта па першых некалькіх секундах. Прывітанне, цытата або моцны акцэнт могуць накіраваць яе не туды. Калі яна абрала няправільную мову, усе словы гэтага адрэзка памылковыя разам.
Выпраўленне ў запісе. Калі запіс на адной мове, назавіце яе. Пакіньце вызначэнне ўключаным, калі сапраўды гавораць на дзвюх або больш мовах, каб кожная частка транскрыбавалася на сваёй мове; назва адной прымусіла б іншую ўціснуцца ў яе. У жывой транскрыпцыі мову можна змяніць падчас працы, і змена ўступае ў сілу адразу.
Выпраўленне ў транскрыпцыі. Радок, пачуты на няправільнай мове, нельга выправіць слова за словам, бо ў ім няма нічога правільнага. VocalStack можа транскрыбаваць радок нанова: выберыце мову, на якой ён быў сказаны на самай справе, і гук радка чытаецца зноў на гэтай мове. Вынік замяняе радок як звычайнае выпраўленне, з такой жа адменай, як і любое іншае.
Як выглядае. «Фонд вырас» ператвараецца ў «Сонд вырас». «Фон» і «сон» мяняюцца месцамі. Памылкі разыходзяцца па ўсім запісе і горшыя ў аддаленага спікера на званку.
Чаму так адбываецца. Многія гукі, што адрозніваюць «ф», «с» і «ш», ляжаць у высокай частцы дыяпазону частот. Тэлефонная лінія не перадае нічога вышэй за прыкладна 3,4 кГц, а Bluetooth-навушнікі часта пераключаюць мікрафон у рэжым званка з значна больш вузкім дыяпазонам. Сціск з нізкай бітрэйтай у відэазванках выдаляе яшчэ больш. Сістэма атрымлівае гук, у якім гэтых гукаў ужо няма, і выбірае паміж словамі, якія цяпер гучаць аднолькава.
Выпраўленне ў запісе. Скарыстайцеся правадным мікрафонам або навушнікамі, у якіх мікрафон застаецца ў рэжыме поўнай якасці. Запісвайце кожнага аддаленага спікера на яго баку, калі можаце, а не запісвайце сам званок. Для мерапрыемства бярыце сігнал з гукавога пульта, а не з мікрафона ноўтбука або тэлефона ў зале: жывая наладка VocalStack бярэ адзін кабель з пульта, а ўбудаваны мікрафон тэлефона ловіць больш гуку залы.
Выпраўленне ў транскрыпцыі. Гук, які ніколі не быў запісаны, не можа аднавіць ні машына, ні чалавек. Выкарыстайце пазнакі няпэўных слоў, каб знайсці пашкоджаныя ўчасткі, праслухайце радок, каб праверыць, і выпраўце тое, што чуваць. Там, дзе ніхто не можа сказаць, што было сказана, схаваць радок сумленней, чым пакінуць здагадку.
Як выглядае. «Пятнаццаць» становіцца «пяцьдзесят». «Адзін долар дваццаць» становіцца «120». «Трэцяе чацвёртага» выходзіць як дата ў няправільным парадку. Кожная памылка — адно слова, а ўсе астатнія словы ў сказе правільныя.
Чаму так адбываецца. «Пятнаццаць» і «пяцьдзесят» адрозніваюцца пераважна канчаткам і націскам, і гэта адрозненне губляецца першым пры шуме або хуткай мове. Вымаўленыя лічбы таксама пакідаюць тое, што патрэбна напісаным: адзінкі вымярэння, дзесятковыя знакі, парадак дня і месяца. Сістэма павінна здагадацца пра фармат, і яе здагадка — самы распаўсюджаны, а не ваш.
Выпраўленне ў запісе. Папрасіце спікераў казаць лічбы поўнасцю, з адзінкай: «адзін долар дваццаць», «пятнаццатае сакавіка». Для падрыхтаванага выступу змясціце лічбы ў сцэнарый.
Выпраўленне ў транскрыпцыі. Правярайце на слых кожную важную лічбу, перш чым транскрыпцыю цытуюць, адпраўляюць або публікуюць. Няправільны лік чытаецца як правільны, таму нішто на старонцы не папярэджвае. Што вымярае ўзровень памылак у словах і што ён прапускае тлумачыць, чаму адна няправільная лічба каштуе больш, чым яе доля ва ўзроўні памылак.
Калі ў транскрыпцыі шмат праблем, выпраўляйце іх у такім парадку, каб ніводнае выпраўленне не скасавалася наступным:
Затым аблегчыце наступны запіс: па мікрафоне на спікера, названая мова і сцэнарый з імёнамі. Большасць памылак транскрыбавання гуку вырашаецца да таго, як хтосьці націсне запіс.
Для судовага паседжання, медыцынскай кансультацыі або чаго заўгодна, дзе адно няправільнае слова мае наступствы, давайце чалавеку праверыць транскрыпцыю, перш чым яе выкарыстоўваць, якая б сістэма яе ні стварыла. Каб убачыць, якія з гэтых памылак ствараюць ваш уласны гук, паспрабуйце запіс у панэлі кіравання.