Špatný přepis má obvykle jednu nebo dvě příčiny a chyby na stránce prozradí které. Sedm častých příčin chyb v přepisu zvuku, jak každá vypadá, proč vzniká a jak ji napravit v nahrávce i v přepisu.
Chyby v přepisu zvuku málokdy vznikají náhodou. Přepis, který z „Kubernetes“ udělá „Cooper Netties“, dá slova dvou lidí pod jedno jméno nebo napíše „fifty“, když mluvčí řekl „fifteen“, vám ukazuje, co se pokazilo. Každá příčina zanechává vlastní druh chyb a každá má svou opravu. Některé opravy patří do příští nahrávky, jiné do přepisu, který už máte.
Tento průvodce vychází z chyby. Najděte v seznamu níže tu, která odpovídá vašemu přepisu, a přejděte k její části: jak chyba vypadá, proč vzniká jednoduše řečeno a co s ní dělat.
Většina problémů s přepisem spadá do sedmi vzorců. Přiřaďte příznak k příčině:
Dvě příčiny se často sčítají. Vzdálený host se sluchátky v hlučné kavárně a s přízvukem způsobí tři druhy chyb najednou. Nejdřív opravte příčinu, která postihuje nejvíc řádků: obvykle zvuk, pak jazyk, pak slova.
Jak to vypadá. V nahrávce z kavárny se z „Let's move the launch to March“ stane „Let's move the lunch to March“ (nahrávka je anglicky). Slovo pod bouchnutím dveří zmizí. Nad dlouhým tichem s hučící klimatizací se objeví řádek, který nikdo neřekl, například „Thank you for watching.“
Proč to vzniká. Rozpoznávání řeči hádá nejpravděpodobnější slova podle zvuku, který dostane. Hluk zakrývá nejdřív tiché části řeči: konce slov a krátká slova mezi nimi. Když je skutečného signálu méně, odhad se víc opírá o to, co obvykle následuje, a „lunch“ je běžnější slovo než „launch“. Při stálém hluku bez jakékoli řeči některé systémy přesto vyprodukují ustálenou frázi, protože byly naučené psát cokoli, kdykoli slyší zvuk.
Oprava v nahrávce. Přibližte mikrofon k mluvčímu, místo abyste ho zesilovali. Dvojnásobná vzdálenost sníží přímý zvuk mluvčího asi o 6 dB, zatímco hluk místnosti zůstane stejný, takže blízkost znamená víc než jakékoli nastavení. Pokud můžete, na dobu nahrávání vypněte ventilátory a klimatizaci a nahrávejte v místnosti s měkkými povrchy, ne se sklem a dlaždicemi.
Oprava v přepisu. Ve VocalStacku u hlučných nahrávek jazyk zadejte, místo abyste nechali automatické rozpoznání. Říká to i vlastní poznámka v Dashboardu: zadání jazyka zlepšuje přesnost u hlučných nahrávek a silných přízvuků. U živého přepisu režim latence Accuracy přijme o něco větší zpoždění výměnou za méně chyb u náročného zvuku. Řádky, u nichž si engine není jistý (pod prahem spolehlivosti přepisu, ve výchozím nastavení 0.60), se posluchačům ukážou jako „Audio unclear“ místo odhadu a nikdy se nečtou nahlas. Řádek, který je čistý výmysl, můžete skrýt ručně: skryté řádky se vynechají z přepisu, exportů, titulků i přehrávače.
Jak to vypadá. „The data shows a thirty percent rise“ se změní na „The data shows a dirty percent rise“. Chyby sledují jednoho mluvčího celou nahrávkou, zatímco řádky všech ostatních jsou čisté.
Proč to vzniká. Systém pro rozpoznávání se učí, jak slova znějí, z řeči, na které byl natrénován. Když mluvčí vyslovuje hlásku jinak než většina té řeči, třeba „th“ jako „d“, systém slyší přesně to, co zaznělo, a vybere skutečné slovo, které té hlásce nejlépe odpovídá. Automatické rozpoznání jazyka to může zhoršit: silný přízvuk může posunout vodítka k úplně jinému jazyku (viz jak funguje automatické rozpoznání jazyka).
Oprava v nahrávce. U živé přednášky přidejte před začátkem Reference Script (viz část o odborných výrazech níže), aby slova, která mluvčí pravděpodobně řekne, byla předem známá. Dobrý mikrofon pomáhá každému přízvuku, protože k enginu se dostane víc z každé hlásky.
Oprava v přepisu. Zadejte mluvený jazyk pro danou nahrávku. Pak použijte záložku Fix: Mark uncertain words barevně označí a podtrhne slova, u kterých si engine nebyl jistý, a nejistými úseky můžete procházet jeden po druhém, místo abyste četli všechno znovu. Tam, kde engine zvažoval jiná slova, nabídne je jako navrhované opravy, takže přepsání „dirty“ na „thirty“ je obvykle jedno kliknutí. Play just this word vám dovolí ověřit si to poslechem, než něco změníte.
Jak to vypadá. Jeden mluvčí se ptá „So we agree on Tuesday?“ a druhý mu skočí do řeči: „No, Thursday works“. Přepis ukazuje jediný řádek pod Speaker 1: „So we agree on Tuesday no Thursday works.“ Nebo naopak: člověk, který se v půlce schůzky rozhovořil, se objeví jako Speaker 1 i Speaker 3.
Proč to vzniká. Pod povrchem běží dvě oddělené úlohy. Rozpoznávání řeči píše slova; diarizace mluvčích rozhoduje, kdo kdy mluvil, podle zvuku jednotlivých hlasů. Většina systémů přiřadí každému úseku zvuku jednoho mluvčího, takže když mluví dva lidé naráz, jeden prohraje. Změna hlasu (rozčilení, únava, větší vzdálenost od mikrofonu) může z člověka udělat někoho nového. Diarizace mluvčích vs. rozpoznávání řeči obě úlohy vysvětluje podrobně.
Oprava v nahrávce. Dejte každému vlastní mikrofon. Tato jediná změna udělá pro více mluvčích víc než jakékoli nastavení. Na panelové diskusi nebo schůzi s dotazy z publika požádejte moderátora, aby každý dotaz zopakoval do svého mikrofonu, než na něj někdo odpoví.
Oprava v přepisu. Zvolte nastavení popisků mluvčích: When Needed (výchozí) označí řádky, jakmile je slyšet druhý hlas, On označí každý řádek, Off žádný. Mluvčí pojmenujte během nahrávání nebo po něm. Jméno je vrstva nad slovy, takže nikdy nemění text, a platí pro tu osobu ve všech nahrávkách v rámci přepisu. Mluvčího, kterého nahráváte často, uložte, a další přepisy ho pak poznají podle jména. Řádek, který spojuje dvě věty, lze rozdělit: klepněte na mezeru, kde má začít nový řádek.
Jak to vypadá. „We deployed it on Kubernetes“ se změní na „We deployed it on Cooper Netties“. „Ms Nguyen“ se stane „Miss Win“. Název léku se rozpadne na tři krátká anglická slova. Zbytek věty je v pořádku.
Proč to vzniká. Systém umí napsat jen slova, která zná, a jméno se často objeví jednou a nic kolem něj ho nepředpovídá. Když slovo nikdy neviděl, vybere běžná slova, která znějí nejblíž. To je nejtěžší případ pro přesný přepis odborné terminologie: věta nedává žádné vodítko, takže žádný kontext nepomůže.
Oprava v nahrávce. Dejte systému slova dřív, než je mluvčí řekne. Ve VocalStacku slouží k tomu Reference Script: před začátkem přidejte scénář nebo slajdy živé přednášky, případně seznam jmen a výrazů, a jména a výrazy z něj mají přednost před tím, co bylo špatně slyšet. Během přednášky skript sleduje přepis jako teleprompter. Každé slovo, které skript opravil, je mezi opravami označeno SCRIPT a lze ho vrátit zpět, pokud mluvčí opravdu řekl něco jiného.
Oprava v přepisu. Opravte jméno jednou a zbytek zkontrolujte vyhledáváním. Opravy se dostanou ke všem posluchačům, dokud je přepis živý, v každém jazyce, v němž čtou, a každá oprava je vypsána a lze ji vrátit zpět. Exporty (SRT, PDF, Excel, JSON) opravy obsahují, takže titulky a dokumenty nesou opravený pravopis.
Jak to vypadá. Přednáška začne pozdravem ve španělštině a pokračuje anglicky a angličtina vyjde jako nesmysl podobný španělštině. Nebo se pár řádků uprostřed anglického přepisu objeví v příbuzném jazyce. Některé systémy při špatně nastaveném jazyce napíšou hrubý překlad místo toho, co zaznělo.
Proč to vzniká. Když není jazyk zadán, systém ho musí poznat ze zvuku, často z prvních několika sekund. Pozdrav, citát nebo silný přízvuk ho mohou navést špatným směrem. Jakmile zvolí špatný jazyk, je celý úsek špatně najednou.
Oprava v nahrávce. Je-li nahrávka v jednom jazyce, zadejte ho. Rozpoznávání nechte zapnuté, když se skutečně mluví dvěma nebo více jazyky, aby se každá část přepsala ve svém jazyce; zadání jednoho by druhý do něj vtlačilo. U živého přepisu lze jazyk změnit za běhu a změna platí okamžitě.
Oprava v přepisu. Řádek slyšený ve špatném jazyce nelze opravit slovo po slově, protože na něm není nic správně. VocalStack umí řádek přepsat znovu: vyberte jazyk, v němž byl skutečně vysloven, a zvuk řádku se přečte znovu v tomto jazyce. Výsledek nahradí řádek jako běžná oprava, se stejným návratem zpět jako každá jiná.
Jak to vypadá. „The fees went up“ se změní na „The thieves went up“. „Free“ a „three“ se zaměňují. Chyby jsou rozprostřené po celé nahrávce a nejhorší jsou u vzdáleného mluvčího na hovoru.
Proč to vzniká. Mnoho hlásek, které odlišují „f“, „s“ a „th“, leží ve vysokých frekvencích. Telefonní linka nepřenáší nic nad zhruba 3,4 kHz a bluetooth sluchátka často přepnou mikrofon do hovorového režimu s mnohem užším rozsahem. Komprese s nízkým datovým tokem ve videohovorech odstraní ještě víc. Systém dostane zvuk, v němž už tyto hlásky chybí, a hádá mezi slovy, která teď znějí stejně.
Oprava v nahrávce. Použijte kabelový mikrofon nebo sluchátka, jejichž mikrofon zůstává v plné kvalitě. Pokud můžete, nahrávejte každého vzdáleného mluvčího na jeho straně, místo abyste nahrávali hovor. U akce vezměte signál z audio mixu, ne z mikrofonu notebooku nebo telefonu v sále: živé nastavení VocalStacku vezme jeden kabel z mixu a vestavěný mikrofon telefonu zachytí víc zvuku místnosti.
Oprava v přepisu. Zvuk, který nebyl zachycen, nelze obnovit, ani strojem, ani člověkem. Podle značek nejistých slov najděte poškozené úseky, řádek si přehrajte a opravte, co slyšíte. Kde nikdo nepozná, co zaznělo, je poctivější řádek skrýt, než nechat odhad.
Jak to vypadá. „Fifteen“ se změní na „fifty“. „One twenty“ se stane „120“, přestože mluvčí myslel jeden dolar dvacet. „The third of the fourth“ vyjde jako datum v opačném pořadí. Každá chyba je jedno slovo a všechna ostatní slova ve větě jsou správně.
Proč to vzniká. „Fifteen“ a „fifty“ se liší hlavně tím, která slabika je přízvučná, a právě tento rozdíl se ztratí jako první kvůli hluku nebo rychlé řeči. Mluvená čísla také vynechávají to, co psaná potřebují: jednotky, desetinné znaky, pořadí dne a měsíce. Systém musí formát odhadnout a jeho odhad je ten nejběžnější, ne váš.
Oprava v nahrávce. Požádejte mluvčí, aby čísla říkali celá a s jednotkou: „one dollar twenty“, „the fifteenth of March“. U připravené přednášky dejte čísla do skriptu.
Oprava v přepisu. Než přepis někdo cituje, odešle nebo zveřejní, ověřte poslechem každé číslo, na kterém záleží. Špatné číslo vypadá jako správné, takže vás na stránce nic nevaruje. Co měří míra chybovosti slov a co přehlíží vysvětluje, proč jedno špatné číslo stojí víc, než kolik činí jeho podíl na chybovosti.
Když má přepis mnoho problémů, opravujte je v tomto pořadí, aby žádná oprava nebyla zrušena další:
Pak usnadněte další nahrávku: mikrofon pro každého mluvčího, zadaný jazyk a skript se jmény. Většina chyb v přepisu zvuku se rozhodne dřív, než někdo stiskne nahrávání.
U jednání soudu, lékařské konzultace nebo čehokoli, kde má jedno špatné slovo následky, nechte přepis před použitím zkontrolovat člověkem, ať ho vytvořil jakýkoli systém. Abyste viděli, jaké z těchto chyb vzniknou u vašeho zvuku, vyzkoušejte nahrávku v Dashboardu.