Fel arfer mae gan drawsgrifiad gwael un neu ddau achos, ac mae'r camgymeriadau ar y dudalen yn dweud wrthych pa rai. Saith achos cyffredin gwallau trawsgrifio sain, sut olwg sydd ar bob un, pam mae'n digwydd, a'r ateb yn y recordiad ac yn y trawsgrifiad.
Anaml y bydd gwallau trawsgrifio sain yn ddamweiniol. Mae trawsgrifiad sy'n troi "Kubernetes" yn "Cooper Netties", yn rhoi geiriau dau berson o dan un enw, neu'n ysgrifennu "fifty" lle dywedodd y siaradwr "fifteen" yn dangos i chi beth aeth o'i le. Mae pob achos yn gadael ei fath ei hun o gamgymeriad, ac mae gan bob un ei ateb ei hun. Mae rhai atebion yn perthyn i'r recordiad nesaf, rhai i'r trawsgrifiad sydd gennych eisoes.
Mae'r canllaw hwn yn dechrau o'r camgymeriad. Dewch o hyd i'r un sy'n cyfateb i'ch trawsgrifiad yn y rhestr isod, yna ewch i'w adran: sut olwg sydd ar y gwall, pam mae'n digwydd mewn geiriau syml, a beth i'w wneud amdano.
Mae'r rhan fwyaf o broblemau trawsgrifio yn syrthio i saith patrwm. Paru'r symptom â'r achos:
Mae dau achos yn aml yn cronni. Bydd gwestai o bell ar glustffon mewn caffi swnllyd, yn siarad ag acen, yn cynhyrchu tri math o wall ar unwaith. Trwsiwch yr achos sy'n effeithio ar y nifer fwyaf o linellau yn gyntaf: fel arfer y sain, yna'r iaith, yna'r geiriau.
Sut olwg sydd arno. Mewn recordiad a wnaed mewn caffi, mae "Let's move the launch to March" yn dod yn ôl fel "Let's move the lunch to March". Mae gair o dan glep drws yn diflannu. Dros ddistawrwydd hir â chyflyrydd aer yn mwmian, mae llinell yn ymddangos na ddywedodd neb, fel "Thank you for watching."
Pam mae'n digwydd. Mae adnabod lleferydd yn dyfalu'r geiriau mwyaf tebygol ar gyfer y sain a gaiff. Mae sŵn yn gorchuddio rhannau tawel lleferydd yn gyntaf: pennau geiriau a'r geiriau byr rhyngddynt. Gyda llai o'r signal go iawn, mae'r dyfaliad yn pwyso mwy ar yr hyn sy'n dilyn fel arfer, ac mae "lunch" yn air mwy cyffredin na "launch". Dros sŵn cyson heb leferydd o gwbl, mae rhai systemau'n dal i gynhyrchu ymadrodd parod, oherwydd iddynt gael eu hyfforddi i ysgrifennu rhywbeth pryd bynnag y clywant sain.
Trwsiwch ef yn y recordiad. Symudwch y meicroffon yn nes at y siaradwr yn hytrach na'i droi i fyny. Mae dyblu'r pellter yn torri sain uniongyrchol y siaradwr tua 6 dB tra bod sŵn yr ystafell yn aros lle'r oedd, felly mae agosrwydd yn bwysicach nag unrhyw osodiad. Diffoddwch ffaniau a chyflyru aer ar gyfer y recordiad os gallwch, a recordiwch mewn ystafell ag arwynebau meddal yn hytrach na gwydr a theils.
Trwsiwch ef yn y trawsgrifiad. Yn VocalStack, enwch yr iaith lafar ar recordiadau swnllyd yn lle gadael canfod awtomatig ymlaen. Mae nodyn y Dangosfwrdd ei hun yn dweud hynny: mae enwi'r iaith yn gwella cywirdeb ar recordiadau swnllyd ac acenion cryf. Ar gyfer trawsgrifio byw, mae modd oedi Accuracy yn derbyn ychydig mwy o oedi yn gyfnewid am lai o gamgymeriadau ar sain anodd. Mae'r llinellau y mae'r injan leiaf sicr ohonynt (o dan drothwy hyder y trawsgrifiad, 0.60 yn ddiofyn) yn cael eu dangos i wrandawyr fel "Audio unclear" yn lle dyfaliad, ac nid ydynt byth yn cael eu darllen yn uchel. Gellir cuddio llinell sy'n ddyfais lwyr â llaw: mae llinellau cudd yn cael eu gadael allan o'r trawsgrifiad, yr allforion, yr isdeitlau a'r chwaraewr.
Sut olwg sydd arno. Mae "The data shows a thirty percent rise" yn dod yn "The data shows a dirty percent rise". Mae'r camgymeriadau'n dilyn un siaradwr drwy'r recordiad, tra bod llinellau pawb arall yn lân.
Pam mae'n digwydd. Mae system adnabod yn dysgu sut mae geiriau'n swnio o'r lleferydd y cafodd ei hyfforddi arno. Pan fydd siaradwr yn ynganu sain yn wahanol i'r rhan fwyaf o'r lleferydd hwnnw, fel "th" a ddywedir fel "d", mae'r system yn clywed yn union yr hyn a ddywedwyd ac yn dewis y gair go iawn sy'n cyd-fynd orau â'r sain honno. Gall canfod iaith awtomatig wneud pethau'n waeth: gall acen gref symud yr arwyddion tuag at iaith arall yn gyfan gwbl (gweler sut mae canfod iaith awtomatig yn gweithio).
Trwsiwch ef yn y recordiad. Ar gyfer sgwrs fyw, ychwanegwch Reference Script cyn i chi ddechrau (gweler yr adran ar jargon isod), fel bod y geiriau y mae'r siaradwr yn debygol o'u dweud eisoes yn hysbys. Mae meicroffon da yn helpu pob acen, oherwydd bod mwy o bob sain yn cyrraedd yr injan.
Trwsiwch ef yn y trawsgrifiad. Enwch yr iaith lafar ar gyfer y recordiad hwnnw. Yna defnyddiwch y tab Fix: mae Mark uncertain words yn lliwio ac yn tanlinellu'r geiriau yr oedd yr injan yn ansicr ohonynt, a gallwch gamu drwy'r segmentau ansicr un ar y tro yn lle ailddarllen y cyfan. Lle ystyriodd yr injan eiriau eraill, mae'n eu cynnig fel cywiriadau awgrymedig, felly mae cywiro "dirty" i "thirty" fel arfer yn un clic. Mae Play just this word yn gadael i chi wirio â'r glust cyn newid dim.
Sut olwg sydd arno. Mae un siaradwr yn gofyn "So we agree on Tuesday?" tra bod un arall yn torri ar ei draws â "No, Thursday works". Mae'r trawsgrifiad yn dangos un llinell o dan Speaker 1: "So we agree on Tuesday no Thursday works." Neu'r gwrthwyneb: mae un person a gynhyrfodd hanner ffordd drwy'r cyfarfod yn ymddangos fel Speaker 1 a Speaker 3.
Pam mae'n digwydd. Mae dwy dasg ar wahân yn rhedeg islaw. Mae adnabod lleferydd yn ysgrifennu'r geiriau; mae dideoli siaradwyr yn penderfynu pwy siaradodd pryd, yn ôl sut mae pob llais yn swnio. Mae'r rhan fwyaf o systemau'n rhoi un siaradwr i bob darn o sain, felly pan fydd dau berson yn siarad ar unwaith, mae un ohonynt yn colli. Gall newid yn llais rhywun (wedi cyffroi, wedi blino, ymhellach o'r meicroffon) wneud iddynt edrych fel person newydd. Mae Dideoli siaradwyr yn erbyn adnabod lleferydd yn esbonio'r ddwy dasg yn fanwl.
Trwsiwch ef yn y recordiad. Rhowch ei feicroffon ei hun i bob person. Mae'r un newid hwnnw'n gwneud mwy dros siaradwyr lluosog nag unrhyw osodiad. Mewn panel neu gyfarfod â chwestiynau gan y gynulleidfa, gofynnwch i'r cadeirydd ailadrodd pob cwestiwn i'w feicroffon ei hun cyn iddo gael ei ateb.
Trwsiwch ef yn y trawsgrifiad. Dewiswch y gosodiad labeli siaradwyr: mae When Needed (y rhagosodiad) yn labelu llinellau unwaith y clywir ail lais, mae On yn labelu pob llinell, ac mae Off yn labelu dim. Enwch bob siaradwr yn ystod neu ar ôl y recordiad. Haen dros y geiriau yw'r enw, felly nid yw byth yn newid y testun, ac mae'n berthnasol i'r person hwnnw ym mhob recordiad o'r trawsgrifiad. Cadwch siaradwr rydych yn ei recordio'n aml, ac wedyn bydd trawsgrifiadau'n ei adnabod wrth ei enw. Gellir hollti llinell sy'n rhedeg dwy frawddeg at ei gilydd yn ddwy: tapiwch y bwlch lle mae'r llinell newydd yn dechrau.
Sut olwg sydd arno. Mae "We deployed it on Kubernetes" yn dod yn "We deployed it on Cooper Netties". Mae "Ms Nguyen" yn dod yn "Miss Win". Mae enw cyffur yn troi'n dri gair Saesneg byr. Mae gweddill y frawddeg yn iawn.
Pam mae'n digwydd. Dim ond geiriau y mae'n eu hadnabod y gall system eu hysgrifennu, ac mae enw'n aml yn ymddangos unwaith, heb ddim o'i gwmpas i'w ragweld. Pan nad yw erioed wedi gweld y gair, mae'n dewis y geiriau cyffredin sy'n swnio agosaf. Dyma'r achos anoddaf ar gyfer trawsgrifio cywir o derminoleg dechnegol: nid yw'r frawddeg yn rhoi unrhyw gliw, felly ni all unrhyw faint o gyd-destun ei drwsio.
Trwsiwch ef yn y recordiad. Rhowch y geiriau i'r system cyn i'r siaradwr eu dweud. Yn VocalStack mae hynny'n Reference Script: ychwanegwch sgript neu sleidiau sgwrs fyw, neu restr o enwau a thermau, cyn i chi ddechrau, ac mae'r enwau a'r termau ohoni'n trechu'r hyn a glywyd yn anghywir. Yn ystod y sgwrs mae'r sgript yn dilyn y trawsgrifiad fel teleprompter. Mae pob gair a gywirwyd gan y sgript wedi'i farcio SCRIPT ymhlith y cywiriadau a gellir ei ddadwneud os dywedodd y siaradwr rywbeth arall mewn gwirionedd.
Trwsiwch ef yn y trawsgrifiad. Cywirwch yr enw unwaith a gwiriwch weddill y lleoedd gyda chwilio. Mae cywiriadau'n cyrraedd pob gwrandäwr tra bo'r trawsgrifio'n fyw, ym mhob iaith y maent yn ei darllen, ac mae pob cywiriad wedi'i restru a gellir ei ddadwneud. Mae allforion (SRT, PDF, Excel, JSON) yn cynnwys y cywiriadau, felly mae isdeitlau a dogfennau'n cario'r sillafiad cywir.
Sut olwg sydd arno. Mae sgwrs yn agor â chyfarchiad yn Sbaeneg ac yn parhau yn Saesneg, ac mae'r Saesneg yn dod allan fel lol sy'n edrych yn Sbaeneg. Neu mae ychydig o linellau yng nghanol trawsgrifiad Saesneg yn ymddangos mewn iaith gysylltiedig. Mae rhai systemau, a osodwyd i'r iaith anghywir, yn ysgrifennu cyfieithiad bras yn lle'r hyn a ddywedwyd.
Pam mae'n digwydd. Pan na enwir iaith, rhaid i'r system ei chanfod o'r sain, yn aml o'r ychydig eiliadau cyntaf. Gall cyfarchiad, dyfyniad neu acen gref ei hanfon i'r cyfeiriad anghywir. Unwaith y mae wedi dewis yr iaith anghywir, mae pob gair yn y darn hwnnw'n anghywir gyda'i gilydd.
Trwsiwch ef yn y recordiad. Os yw'r recordiad mewn un iaith, enwch hi. Gadewch ganfod ymlaen pan siaredir dwy iaith neu fwy mewn gwirionedd, fel bod pob rhan yn cael ei thrawsgrifio yn ei hiaith ei hun; byddai enwi un yn gorfodi'r llall i mewn iddi. Mewn trawsgrifio byw gellir newid yr iaith tra bo'n rhedeg, ac mae'r newid yn berthnasol ar unwaith.
Trwsiwch ef yn y trawsgrifiad. Ni ellir trwsio llinell a glywyd yn yr iaith anghywir fesul gair, oherwydd nid oes dim ynddi'n iawn. Gall VocalStack drawsgrifio'r llinell eto: dewiswch yr iaith y'i llefarwyd ynddi mewn gwirionedd, a darllenir sain y llinell eto yn yr iaith honno. Mae'r canlyniad yn disodli'r llinell fel cywiriad cyffredin, gyda'r un dadwneud ag unrhyw un arall.
Sut olwg sydd arno. Mae "The fees went up" yn dod yn "The thieves went up". Mae "Free" a "three" yn cyfnewid. Mae'r gwallau'n lledaenu ar draws y recordiad cyfan, a nhw sydd waethaf i'r siaradwr o bell ar alwad.
Pam mae'n digwydd. Mae llawer o'r synau sy'n gwahaniaethu "f", "s" a "th" yn eistedd yn uchel yn yr ystod amledd. Nid yw llinell ffôn yn cario dim uwchlaw tua 3.4 kHz, ac mae clustffon Bluetooth yn aml yn newid ei feicroffon i fodd galwad ag ystod llawer culach. Mae cywasgu cyfradd did isel mewn galwadau fideo yn tynnu mwy. Mae'r system yn derbyn sain lle mae'r synau hynny eisoes wedi diflannu, ac mae'n dyfalu rhwng geiriau sydd bellach yn swnio'n union yr un fath.
Trwsiwch ef yn y recordiad. Defnyddiwch feicroffon â gwifren, neu glustffon y mae ei feicroffon yn aros yn ei fodd ansawdd llawn. Recordiwch bob siaradwr o bell ar eu hochr nhw os gallwch, yn hytrach na recordio'r alwad. Ar gyfer digwyddiad, cymerwch y porthiant o'r cymysgydd sain yn lle meicroffon gliniadur neu ffôn yn yr ystafell: mae gosodiad byw VocalStack yn cymryd un cebl o'r cymysgydd, ac mae meicroffon adeiledig ffôn yn codi mwy o'r ystafell.
Trwsiwch ef yn y trawsgrifiad. Ni ellir adfer sain na chafodd ei dal erioed, gan beiriant na chan berson. Defnyddiwch y marciau geiriau ansicr i ddod o hyd i'r darnau sydd wedi'u difrodi, chwaraewch y llinell i wirio, a chywirwch yr hyn y gallwch ei glywed. Lle na all neb ddweud beth a ddywedwyd, mae cuddio'r llinell yn fwy gonest na gadael dyfaliad.
Sut olwg sydd arno. Mae "Fifteen" yn dod yn "fifty". Mae "One twenty" yn dod yn "120" pan oedd y siaradwr yn golygu un doler ugain. Mae "The third of the fourth" yn dod allan fel dyddiad yn y drefn anghywir. Gair sengl yw pob camgymeriad, ac mae pob gair arall yn y frawddeg yn iawn.
Pam mae'n digwydd. Mae "Fifteen" a "fifty" yn wahanol yn bennaf yn y sillaf a bwysleisir, a'r gwahaniaeth hwnnw yw'r peth cyntaf a gollir i sŵn neu siaradwr cyflym. Mae rhifau llafar hefyd yn hepgor yr hyn sydd ei angen ar rai ysgrifenedig: unedau, pwyntiau degol, trefn dydd a mis. Rhaid i'r system ddyfalu'r fformat, ac mae ei dyfaliad yn un mwyaf cyffredin, nid yr un sydd gennych chi mewn golwg.
Trwsiwch ef yn y recordiad. Gofynnwch i siaradwyr ddweud ffigurau'n llawn, gyda'r uned: "one dollar twenty", "the fifteenth of March". Ar gyfer sgwrs wedi'i pharatoi, rhowch y ffigurau yn y sgript.
Trwsiwch ef yn y trawsgrifiad. Gwiriwch bob ffigur sy'n bwysig â'r glust cyn i'r trawsgrifiad gael ei ddyfynnu, ei anfon neu ei gyhoeddi. Mae rhif anghywir yn darllen fel un cywir, felly nid oes dim ar y dudalen yn eich rhybuddio. Mae Beth mae cyfradd gwallau geiriau yn ei fesur, a beth mae'n ei golli yn esbonio pam mae un ffigur anghywir yn costio mwy na'i gyfran o'r gyfradd gwallau.
Pan fo gan drawsgrifiad lawer o broblemau, trwsiwch hwy yn y drefn hon, fel na fydd un atgyweiriad yn cael ei ddadwneud gan y nesaf:
Yna gwnewch y recordiad nesaf yn haws: meicroffon i bob siaradwr, yr iaith wedi'i henwi, a sgript â'r enwau ynddi. Mae'r rhan fwyaf o wallau trawsgrifio sain yn cael eu penderfynu cyn i neb wasgu recordio.
Ar gyfer gwrandawiad, ymgynghoriad meddygol neu unrhyw beth lle mae canlyniadau i un gair anghywir, gofynnwch i berson wirio'r trawsgrifiad cyn ei ddefnyddio, pa system bynnag a'i gwnaeth. I weld pa rai o'r gwallau hyn y mae eich sain eich hun yn eu cynhyrchu, rhowch gynnig ar recordiad yn y Dangosfwrdd.