Halval transkriptil on tavaliselt üks või kaks põhjust ja lehel olevad vead näitavad, millised. Seitse levinud heli transkribeerimise vigade põhjust: milline on igaüks, miks see juhtub ning kuidas seda parandada nii salvestuses kui ka transkriptis.
Heli transkribeerimise vead on harva juhuslikud. Transkript, mis muudab „Kubernetese” sõnaks „Cooper Netties”, paneb kahe inimese sõnad ühe nime alla või kirjutab „fifty”, kus kõneleja ütles „fifteen”, näitab sulle, mis valesti läks. Iga põhjus jätab oma liiki vea ja igaühel on oma parandus. Mõned parandused kuuluvad järgmisesse salvestusse, mõned transkripti, mis sul juba on.
See juhend algab veast. Leia allolevast loendist see, mis sinu transkriptile vastab, ja mine selle jaotisse: milline on viga, miks see juhtub lihtsate sõnadega ja mida teha.
Enamik transkribeerimisprobleeme jaguneb seitsmeks mustriks. Seo sümptom põhjusega:
Kaks põhjust liituvad sageli. Kaugkülaline peakomplektiga lärmakas kohvikus ja aktsendiga tekitab kolme liiki vigu korraga. Paranda esmalt põhjus, mis mõjutab kõige rohkem ridu: tavaliselt heli, siis keel, siis sõnad.
Milline see välja näeb. Kohvikus tehtud salvestuses muutub „Let's move the launch to March” sõnadeks „Let's move the lunch to March”. Sõna ukse paugu all kaob. Pika vaikuse kohal, kus põriseb konditsioneer, ilmub rida, mida keegi ei öelnud, näiteks „Thank you for watching.”
Miks see juhtub. Kõnetuvastus pakub saadud heli jaoks kõige tõenäolisemaid sõnu. Müra katab esmalt kõne vaiksemad osad: sõnalõpud ja nende vahel olevad lühikesed sõnad. Mida vähem on tegelikku signaali, seda rohkem toetub pakkumine sellele, mis tavaliselt järgneb, ja „lunch” on tavalisem sõna kui „launch”. Püsiva müra korral, kus kõnet pole üldse, kirjutavad mõned süsteemid siiski valmisfraasi, sest neid on õpetatud midagi kirjutama iga kord, kui nad heli kuulevad.
Paranda salvestuses. Too mikrofon kõnelejale lähemale, mitte ei keera valjemaks. Kauguse kahekordistamine vähendab kõneleja otseheli umbes 6 dB, samal ajal kui ruumimüra jääb samaks, nii et lähedus loeb rohkem kui ükski seade. Lülita ventilaatorid ja konditsioneer salvestuse ajaks välja, kui saad, ja salvesta ruumis, kus on pehmed pinnad, mitte klaas ja plaat.
Paranda transkriptis. Müraste salvestuste puhul nimeta VocalStackis kõneldav keel, mitte ära jäta automaatset tuvastust. Dashboardi enda märkus ütleb seda: keele nimetamine parandab täpsust mürastel salvestustel ja tugeva aktsendiga kõnes. Otseülekande transkribeerimisel nõustub latentsusrežiim Accuracy veidi suurema viivitusega, et rasket heli vähem valesti kuulda. Read, milles mootor on kõige ebakindlam (alla transkribeerimise usaldusläve, vaikimisi 0.60), näidatakse kuulajatele oletuse asemel kui „Audio unclear” ning neid ei loeta kunagi ette. Puhtalt välja mõeldud rea võib käsitsi peita: peidetud read jäetakse transkriptist, ekspordist, subtiitritest ja mängijast välja.
Milline see välja näeb. „The data shows a thirty percent rise” muutub „The data shows a dirty percent rise”. Vead järgnevad ühele kõnelejale läbi salvestuse, samal ajal kui kõigi teiste read on puhtad.
Miks see juhtub. Tuvastussüsteem õpib, kuidas sõnad kõlavad, kõnest, millel teda treeniti. Kui kõneleja hääldab heli teisiti kui enamik sellest kõnest, näiteks „th” kui „d”, kuuleb süsteem täpselt seda, mis öeldi, ja valib päris sõna, mis sellele helile kõige paremini sobib. Automaatne keeletuvastus võib olukorda halvendada: tugev aktsent võib nihutada vihjed hoopis teise keele poole (vaata kuidas automaatne keeletuvastus töötab).
Paranda salvestuses. Otsekõne jaoks lisa enne algust Reference Script (vaata allpool žargooni jaotist), et sõnad, mida kõneleja tõenäoliselt ütleb, oleksid juba teada. Hea mikrofon aitab iga aktsendi korral, sest mootorini jõuab igast helist rohkem.
Paranda transkriptis. Nimeta selle salvestuse kõneldav keel. Seejärel kasuta vahekaarti Fix: Mark uncertain words värvib ja joonib alla sõnad, milles mootor polnud kindel, ning sa saad ebakindlaid lõike ükshaaval läbi käia, selle asemel et kõike uuesti lugeda. Kui mootor kaalus muid sõnu, pakub ta neid soovitatud parandustena, nii et „dirty” parandamine sõnaks „thirty” on tavaliselt üks klõps. Play just this word laseb enne muutmist kõrva järgi kontrollida.
Milline see välja näeb. Üks kõneleja küsib „So we agree on Tuesday?”, teine segab vahele „No, Thursday works”. Transkriptis on üks rida Speaker 1 all: „So we agree on Tuesday no Thursday works.” Või vastupidi: inimene, kes koosoleku keskel elavnes, ilmub kui Speaker 1 ja Speaker 3.
Miks see juhtub. All töötab kaks eraldi ülesannet. Kõnetuvastus kirjutab sõnad; kõnelejate diarisatsioon otsustab, kes millal rääkis, selle järgi, kuidas iga hääl kõlab. Enamik süsteeme annab igale heliosale ühe kõneleja, nii et kui kaks inimest räägivad korraga, kaotab üks. Hääle muutumine (põnevil, väsinud, mikrofonist kaugemal) võib panna inimese tunduma uuena. Kõnelejate diarisatsioon vs kõnetuvastus selgitab mõlemat ülesannet üksikasjalikult.
Paranda salvestuses. Anna igale inimesele oma mikrofon. See üks muudatus aitab mitme kõneleja korral rohkem kui ükski seade. Paneeldiskussioonil või koosolekul, kus publik esitab küsimusi, palu moderaatoril korrata iga küsimus enne vastamist oma mikrofoni.
Paranda transkriptis. Vali kõnelejasiltide seade: When Needed (vaikimisi) paneb sildid, kui kuuldakse teist häält, On märgistab iga rea, Off ei märgista ühtegi. Nimeta iga kõneleja salvestuse ajal või pärast seda. Nimi on sõnade kohal olev kiht, nii et see ei muuda kunagi teksti ja kehtib selle inimese kohta transkriptsiooni igas salvestuses. Salvesta kõneleja, keda sageli salvestad, ja hilisemad transkriptsioonid tunnevad ta nime järgi ära. Rida, mis ühendab kaks lauset, saab jagada kaheks: puuduta kohta, kus uus rida algab.
Milline see välja näeb. „We deployed it on Kubernetes” muutub „We deployed it on Cooper Netties”. „Ms Nguyen” muutub „Miss Win”. Ravimi nimi muutub kolmeks lühikeseks ingliskeelseks sõnaks. Ülejäänud lause on korras.
Miks see juhtub. Süsteem saab kirjutada ainult sõnu, mida ta tunneb, ja nimi esineb sageli ühe korra, ilma midagi ümber, mille põhjal seda ennustada. Kui ta pole sõna kunagi näinud, valib ta tavalised sõnad, mis kõlavad kõige lähedasemalt. See on tehnilise terminoloogia täpse transkribeerimise raskeim juhtum: lause ei anna mingit vihjet, nii et mingi kontekst seda ei paranda.
Paranda salvestuses. Anna süsteemile sõnad enne, kui kõneleja neid ütleb. VocalStackis on selleks Reference Script: lisa enne alustamist otsekõne stsenaarium või slaidid või nimede ja terminite loend ning selles olevad nimed ja terminid võidavad valesti kuuldud sõnad. Kõne ajal järgib stsenaarium transkripti nagu teleprompter. Iga stsenaariumiga parandatud sõna on parandusloendis märgitud SCRIPT ja selle saab tagasi võtta, kui kõneleja tõesti ütles midagi muud.
Paranda transkriptis. Paranda nimi üks kord ja kontrolli ülejäänut otsinguga. Parandused jõuavad iga kuulajani, kuni transkriptsioon on otse, igas keeles, milles nad loevad, ning iga parandus on loetletud ja tagasivõetav. Ekspordid (SRT, PDF, Excel, JSON) sisaldavad parandusi, nii et subtiitrid ja dokumendid kannavad parandatud kirjapilti.
Milline see välja näeb. Kõne algab hispaaniakeelse tervitusega ja jätkub inglise keeles ning inglise keel tuleb välja hispaania keelt meenutava mõttetusena. Või mõned read inglisekeelse transkripti keskel ilmuvad lähedases keeles. Mõned süsteemid kirjutavad vale keele peale seatuna ütlemata jäänu asemel umbkaudse tõlke.
Miks see juhtub. Kui keelt pole nimetatud, peab süsteem selle heli järgi tuvastama, sageli esimestest sekunditest. Tervitus, tsitaat või tugev aktsent võivad ta valele teele viia. Kui ta on vale keele valinud, on selles lõigus iga sõna korraga vale.
Paranda salvestuses. Kui salvestus on ühes keeles, nimeta see. Jäta tuvastus sisse, kui tõepoolest räägitakse kahes või enamas keeles, et iga osa transkribeeritaks oma keeles; ühe nimetamine suruks teise sellesse. Otseülekande transkriptsioonis saab keelt muuta selle töötamise ajal ja muudatus jõustub kohe.
Paranda transkriptis. Vales keeles kuuldud rida ei saa sõna haaval parandada, sest selles pole midagi õiget. VocalStack saab rea uuesti transkribeerida: vali keel, milles seda tegelikult räägiti, ja rea heli loetakse selles keeles uuesti. Tulemus asendab rea tavalise paranduse kujul, sama tagasivõtmisega kui iga teine.
Milline see välja näeb. „The fees went up” muutub „The thieves went up”. „Free” ja „three” vahetavad kohad. Vead levivad üle kogu salvestuse ja on kõige hullemad kõnes osalevale kaugkõnelejale.
Miks see juhtub. Paljud helid, mis eristavad „f”, „s” ja „th”, asuvad sagedusvahemiku ülaosas. Telefoniliin ei kanna midagi üle umbes 3,4 kHz ja Bluetooth-peakomplekt lülitab oma mikrofoni sageli kõnerežiimi, mille vahemik on palju kitsam. Videokõnede madala bitikiirusega pakkimine eemaldab veel rohkem. Süsteem saab heli, kus need helid on juba kadunud, ja pakub sõnade vahel, mis nüüd kõlavad identselt.
Paranda salvestuses. Kasuta juhtmega mikrofoni või peakomplekti, mille mikrofon jääb täiskvaliteedirežiimi. Salvesta iga kaugkõneleja tema enda poolel, kui saad, selle asemel et salvestada kõnet. Ürituse puhul võta signaal helimikserist, mitte ruumis oleva sülearvuti või telefoni mikrofonist: VocalStacki otseülekande seadistus võtab ühe kaabli mikserist, aga telefoni sisseehitatud mikrofon korjab ruumi rohkem.
Paranda transkriptis. Heli, mida kunagi ei salvestatud, ei saa taastada ei masin ega inimene. Kasuta ebakindlate sõnade märgendeid kahjustatud lõikude leidmiseks, mängi rida kontrollimiseks ja paranda see, mida kuuled. Kui keegi ei saa öelda, mida öeldi, on rea peitmine ausam kui oletus.
Milline see välja näeb. „Fifteen” muutub „fifty”. „One twenty” muutub „120”, kui kõneleja mõtles ühte dollarit ja kahtkümmend senti. „The third of the fourth” tuleb välja kuupäevana vales järjekorras. Iga viga on üks sõna ja kõik teised lause sõnad on õiged.
Miks see juhtub. „Fifteen” ja „fifty” erinevad peamiselt rõhulise silbi poolest ning see erinevus on esimene, mis müra või kiire kõneleja tõttu kaob. Öeldud numbritest jääb välja ka see, mida kirjutatud numbrid vajavad: ühikud, kümnendkohad, päeva ja kuu järjekord. Süsteem peab vormingut oletama ja tema oletus on kõige tavalisem, mitte sinu oma.
Paranda salvestuses. Palu kõnelejatel öelda arvud täielikult, koos ühikuga: „one dollar twenty”, „the fifteenth of March”. Ettevalmistatud kõne puhul pane arvud stsenaariumisse.
Paranda transkriptis. Kontrolli kõrva järgi iga olulist arvu enne, kui transkripti tsiteeritakse, saadetakse või avaldatakse. Vale number loeb nagu õige, nii et lehel ei hoiata miski. Mida sõnavea määr mõõdab ja mida ta jätab märkamata selgitab, miks üks vale arv maksab rohkem kui tema osa veamääras.
Kui transkriptil on palju probleeme, paranda need selles järjekorras, et ükski parandus ei läheks järgmisega tühjaks:
Seejärel tee järgmine salvestus lihtsamaks: mikrofon igale kõnelejale, nimetatud keel ja stsenaarium, milles on nimed. Enamik heli transkribeerimise vigu otsustatakse enne, kui keegi salvestamise nuppu vajutab.
Kohtuistungi, arstikonsultatsiooni või millegi puhul, kus ühel valel sõnal on tagajärjed, lase inimesel transkript enne kasutamist üle vaadata, olenemata sellest, milline süsteem selle tegi. Et näha, milliseid vigu sinu enda heli tekitab, proovi salvestust Dashboardis.