Huonolla litteraatilla on yleensä yksi tai kaksi syytä, ja sivulla olevat virheet kertovat, mitkä. Seitsemän yleistä äänen litteroinnin virheen syytä: miltä kukin näyttää, miksi se syntyy ja miten sen korjaa tallenteessa ja litteraatissa.
Äänen litteroinnin virheet ovat harvoin satunnaisia. Litteraatti, joka muuttaa sanan "Kubernetes" muotoon "Cooper Netties", panee kahden ihmisen sanat saman nimen alle tai kirjoittaa "fifty", kun puhuja sanoi "fifteen", näyttää, mikä meni pieleen. Jokainen syy jättää oman virhetyyppinsä, ja jokaiseen on oma korjauksensa. Osa korjauksista kuuluu seuraavaan tallenteeseen, osa jo olemassa olevaan litteraattiin.
Tämä opas lähtee virheestä. Etsi alla olevasta luettelosta litteraattiasi vastaava virhe ja siirry sen osioon: miltä virhe näyttää, miksi se syntyy tavallisin sanoin ja mitä sille voi tehdä.
Useimmat litterointiongelmat jakautuvat seitsemään kuvioon. Yhdistä oire syyhyn:
Kaksi syytä voi usein kasaantua. Etävieras kuulokkeet päässä meluisassa kahvilassa ja aksentilla puhuen tuottaa kolmea virhetyyppiä yhtä aikaa. Korjaa ensin syy, joka koskee eniten rivejä: yleensä ääni, sitten kieli, sitten sanat.
Miltä se näyttää. Kahvilassa tehdyllä tallenteella "Let's move the launch to March" tulee muodossa "Let's move the lunch to March". Oven pamauksen alle jäävä sana katoaa. Pitkän hiljaisuuden aikana, kun ilmastointi humisee, ilmestyy rivi, jota kukaan ei sanonut, esimerkiksi "Thank you for watching."
Miksi niin käy. Puheentunnistus arvaa vastaanottamalleen äänelle todennäköisimmät sanat. Melu peittää ensin puheen hiljaiset kohdat: sanojen loput ja niiden väliset lyhyet sanat. Kun oikeaa signaalia on vähemmän, arvaus nojaa enemmän siihen, mikä yleensä seuraa, ja "lunch" on yleisempi sana kuin "launch". Tasaisen melun yli, jossa ei ole lainkaan puhetta, jotkin järjestelmät tuottavat silti vakiolauseen, koska ne on koulutettu kirjoittamaan jotain aina kun ne kuulevat ääntä.
Korjaa tallenteessa. Siirrä mikrofoni lähemmäs puhujaa sen sijaan, että nostaisit sen herkkyyttä. Etäisyyden kaksinkertaistaminen vähentää puhujan suoraa ääntä noin 6 dB, kun taas huoneen melu pysyy ennallaan, joten läheisyys merkitsee enemmän kuin mikään asetus. Sammuta tuulettimet ja ilmastointi tallennuksen ajaksi, jos voit, ja tallenna huoneessa, jossa on pehmeitä pintoja lasin ja laatoituksen sijaan.
Korjaa litteraatissa. Nimeä VocalStackissa puhuttu kieli meluisilla tallenteilla sen sijaan, että jättäisit sen automaattiseen tunnistukseen. Hallintapaneelin oma huomautus sanoo saman: kielen nimeäminen parantaa tarkkuutta meluisilla tallenteilla ja voimakkailla aksenteilla. Suorassa litteroinnissa Accuracy-viivetila hyväksyy hieman enemmän viivettä vastineeksi vähemmistä virheistä vaikealla äänellä. Rivit, joista moottori on epävarmin (litteroinnin luottamusrajan alapuolella, oletuksena 0.60), näytetään kuuntelijoille tekstinä "Audio unclear" arvauksen sijaan, eikä niitä lueta koskaan ääneen. Rivin, joka on pelkkää keksintöä, voi piilottaa käsin: piilotetut rivit jäävät pois litteraatista, viennistä, tekstityksistä ja soittimesta.
Miltä se näyttää. "The data shows a thirty percent rise" muuttuu muotoon "The data shows a dirty percent rise". Virheet seuraavat yhtä puhujaa koko tallenteen läpi, kun kaikkien muiden rivit ovat puhtaita.
Miksi niin käy. Tunnistusjärjestelmä oppii, miltä sanat kuulostavat, siitä puheesta, jolla se on koulutettu. Kun puhuja ääntää äänteen eri tavalla kuin suurin osa tuosta puheesta, esimerkiksi "th":n kuin "d":n, järjestelmä kuulee täsmälleen sen, mitä sanottiin, ja valitsee oikean sanan, joka sopii tuohon ääneen parhaiten. Automaattinen kielentunnistus voi pahentaa asiaa: voimakas aksentti voi siirtää vihjeet kokonaan toiseen kieleen (katso miten automaattinen kielentunnistus toimii).
Korjaa tallenteessa. Suorassa esityksessä lisää viitekäsikirjoitus (Reference Script) ennen aloitusta (katso alla oleva ammattikieltä käsittelevä osio), jotta sanat, joita puhuja todennäköisesti sanoo, tunnetaan jo etukäteen. Hyvä mikrofoni auttaa kaikkia aksentteja, koska jokaisesta äänteestä pääsee moottorille enemmän.
Korjaa litteraatissa. Nimeä kyseisen tallenteen puhuttu kieli. Käytä sitten Fix-välilehteä: Mark uncertain words värjää ja alleviivaa sanat, joista moottori oli epävarma, ja voit käydä epävarmat jaksot läpi yksi kerrallaan sen sijaan, että lukisit kaiken uudelleen. Kun moottori harkitsi muita sanoja, se tarjoaa ne korjausehdotuksina, joten "dirty":n korjaaminen muotoon "thirty" on yleensä yksi napsautus. Play just this word antaa tarkistaa korvakuulolta ennen muutosta.
Miltä se näyttää. Yksi puhuja kysyy "So we agree on Tuesday?", kun toinen keskeyttää: "No, Thursday works". Litteraatissa on yksi rivi Speaker 1:n alla: "So we agree on Tuesday no Thursday works." Tai päinvastoin: yksi ihminen, joka innostui kokouksen puolivälissä, näkyy sekä Speaker 1:nä että Speaker 3:na.
Miksi niin käy. Pinnan alla toimii kaksi erillistä tehtävää. Puheentunnistus kirjoittaa sanat; puhujantunnistus (diarisaatio) päättää, kuka puhui milloin, sen perusteella, miltä kukin ääni kuulostaa. Useimmat järjestelmät antavat jokaiselle äänijaksolle yhden puhujan, joten kun kaksi ihmistä puhuu yhtä aikaa, toinen häviää. Muutos jonkun äänessä (innostunut, väsynyt, kauempana mikrofonista) voi saada hänet näyttämään uudelta henkilöltä. Puhujantunnistus vs puheentunnistus selittää molemmat tehtävät tarkemmin.
Korjaa tallenteessa. Anna jokaiselle oma mikrofoni. Tämä yksi muutos tekee usean puhujan tilanteessa enemmän kuin mikään asetus. Paneelikeskustelussa tai kokouksessa, jossa yleisö esittää kysymyksiä, pyydä puheenjohtajaa toistamaan jokainen kysymys omaan mikrofoniinsa ennen vastaamista.
Korjaa litteraatissa. Valitse puhujatunnisteiden asetus: When Needed (oletus) merkitsee rivit, kun toinen ääni on kuultu, On merkitsee jokaisen rivin, Off ei merkitse yhtään. Nimeä kukin puhuja tallennuksen aikana tai sen jälkeen. Nimi on sanojen päällä oleva kerros, joten se ei koskaan muuta tekstiä, ja se koskee kyseistä henkilöä kaikilla litteroinnin tallenteilla. Tallenna puhuja, jota nauhoitat usein, niin myöhemmät litteroinnit tunnistavat hänet nimellä. Rivin, jossa kaksi virkettä on ajettu yhteen, voi jakaa kahtia: napauta kohtaa, jossa uusi rivi alkaa.
Miltä se näyttää. "We deployed it on Kubernetes" muuttuu muotoon "We deployed it on Cooper Netties". "Ms Nguyen" muuttuu muotoon "Miss Win". Lääkkeen nimestä tulee kolme lyhyttä englannin sanaa. Muu lause on kunnossa.
Miksi niin käy. Järjestelmä voi kirjoittaa vain sanoja, jotka se tuntee, ja nimi esiintyy usein vain kerran, ilman ympärillä olevaa tekstiä, josta sen voisi päätellä. Kun järjestelmä ei ole koskaan nähnyt sanaa, se valitsee tavalliset sanat, jotka kuulostavat lähimmältä. Tämä on vaikein tapaus tarkalle teknisen sanaston litteroinnille: lause ei anna vihjettä, joten mikään määrä asiayhteyttä ei korjaa sitä.
Korjaa tallenteessa. Anna järjestelmälle sanat ennen kuin puhuja sanoo ne. VocalStackissa tämä on viitekäsikirjoitus (Reference Script): lisää suoran esityksen käsikirjoitus tai diat, tai luettelo nimistä ja termeistä, ennen aloitusta, niin sen nimet ja termit voittavat sen, mitä kuultiin väärin. Esityksen aikana käsikirjoitus seuraa litteraattia kuin teleprompteri. Jokainen sana, jonka käsikirjoitus korjasi, on merkitty korjausten joukossa merkinnällä SCRIPT, ja sen voi kumota, jos puhuja todella sanoi jotain muuta.
Korjaa litteraatissa. Korjaa nimi kerran ja tarkista muut kohdat haulla. Korjaukset tavoittavat kaikki kuuntelijat litteroinnin ollessa suorana, kaikilla kielillä, joilla he lukevat, ja jokainen korjaus on luettelossa ja kumottavissa. Viennit (SRT, PDF, Excel, JSON) sisältävät korjaukset, joten tekstitykset ja asiakirjat kantavat korjatun kirjoitusasun.
Miltä se näyttää. Puhe alkaa espanjankielisellä tervehdyksellä ja jatkuu englanniksi, ja englanti tulee ulos espanjalta näyttävänä sekasotkuna. Tai muutama rivi englanninkielisen litteraatin keskellä ilmestyy sukulaiskielellä. Jotkin järjestelmät kirjoittavat väärälle kielelle asetettuina karkean käännöksen sen sijaan, mitä sanottiin.
Miksi niin käy. Kun kieltä ei ole nimetty, järjestelmän on tunnistettava se äänestä, usein ensimmäisten sekuntien perusteella. Tervehdys, lainaus tai voimakas aksentti voi ohjata sen väärään suuntaan. Kun järjestelmä on valinnut väärän kielen, jokainen sana tuolla jaksolla on väärin yhdessä.
Korjaa tallenteessa. Jos tallenne on yhdellä kielellä, nimeä se. Jätä tunnistus päälle, kun puhutaan oikeasti kahta tai useampaa kieltä, jolloin kukin osa litteroidaan omalla kielellään; yhden nimeäminen pakottaisi toisen siihen. Suorassa litteroinnissa kieltä voi vaihtaa sen ollessa käynnissä, ja muutos tulee voimaan heti.
Korjaa litteraatissa. Väärällä kielellä kuultua riviä ei voi korjata sana sanalta, koska siinä ei ole mitään oikein. VocalStack voi litteroida rivin uudelleen: valitse kieli, jolla se todella puhuttiin, ja rivin ääni luetaan uudelleen tuolla kielellä. Tulos korvaa rivin tavallisena korjauksena, jossa on sama kumoaminen kuin missä tahansa muussa.
Miltä se näyttää. "The fees went up" muuttuu muotoon "The thieves went up". "Free" ja "three" vaihtavat paikkaa. Virheet leviävät koko tallenteelle, ja ne ovat pahimpia puhelun etäpuhujalla.
Miksi niin käy. Monet äänteet, jotka erottavat "f":n, "s":n ja "th":n toisistaan, sijaitsevat taajuusalueen yläosassa. Puhelinlinja ei välitä mitään noin 3.4 kHz:n yläpuolelta, ja Bluetooth-kuulokkeet vaihtavat usein mikrofoninsa puhelutilaan, jonka alue on paljon kapeampi. Videopuheluiden matalan bittinopeuden pakkaus poistaa lisää. Järjestelmä saa ääntä, josta nämä äänteet ovat jo kadonneet, ja arvaa sanojen välillä, jotka kuulostavat nyt samalta.
Korjaa tallenteessa. Käytä langallista mikrofonia tai kuulokkeita, joiden mikrofoni pysyy täyslaatuisessa tilassa. Tallenna jokainen etäpuhuja hänen omalla puolellaan, jos voit, puhelun tallentamisen sijaan. Tapahtumassa ota syöte äänipöydältä salissa olevan kannettavan tai puhelimen mikrofonin sijaan: VocalStackin suora asennus ottaa yhden kaapelin äänipöydältä, ja puhelimen sisäänrakennettu mikrofoni poimii enemmän huonetta.
Korjaa litteraatissa. Ääntä, jota ei koskaan tallennettu, ei voi palauttaa, ei koneella eikä ihmisellä. Etsi vaurioituneet jaksot epävarmojen sanojen merkintöjen avulla, toista rivi tarkistaaksesi ja korjaa se, minkä kuulet. Kun kukaan ei pysty sanomaan, mitä sanottiin, rivin piilottaminen on rehellisempää kuin arvauksen jättäminen.
Miltä se näyttää. "Fifteen" muuttuu muotoon "fifty". "One twenty" muuttuu muotoon "120", kun puhuja tarkoitti yhtä dollaria ja kahtakymmentä senttiä. "The third of the fourth" tulee ulos päivämääränä väärässä järjestyksessä. Jokainen virhe on yksi sana, ja kaikki muut lauseen sanat ovat oikein.
Miksi niin käy. "Fifteen" ja "fifty" eroavat pääasiassa siinä, mikä tavu on painollinen, ja tämä ero on ensimmäinen, joka katoaa melussa tai nopealla puhujalla. Puhutuista numeroista puuttuu myös se, mitä kirjoitetut tarvitsevat: yksiköt, desimaalipilkut, päivän ja kuukauden järjestys. Järjestelmän on arvattava muoto, ja sen arvaus on yleisin, ei sinun.
Korjaa tallenteessa. Pyydä puhujia sanomaan luvut kokonaan yksikön kanssa: "one dollar twenty", "the fifteenth of March". Valmistellussa esityksessä laita luvut käsikirjoitukseen.
Korjaa litteraatissa. Tarkista jokainen tärkeä luku korvakuulolta ennen kuin litteraattia lainataan, lähetetään tai julkaistaan. Väärä numero näyttää samalta kuin oikea, joten sivulla mikään ei varoita sinua. Mitä sanavirhesuhde mittaa ja mitä se jättää huomiotta selittää, miksi yksi väärä luku maksaa enemmän kuin sen osuus virhesuhteesta.
Kun litteraatissa on paljon ongelmia, korjaa ne tässä järjestyksessä, jotta mikään korjaus ei kumoudu seuraavalla:
Tee sitten seuraavasta tallenteesta helpompi: mikrofoni jokaiselle puhujalle, kieli nimettynä ja käsikirjoitus, jossa nimet ovat mukana. Useimmat äänen litteroinnin virheet ratkeavat ennen kuin kukaan painaa tallennusta.
Kuulemistilaisuudessa, lääkärin vastaanotolla tai missä tahansa tilanteessa, jossa yhdellä väärällä sanalla on seurauksia, anna ihmisen tarkistaa litteraatti ennen sen käyttöä, riippumatta siitä, mikä järjestelmä sen teki. Nähdäksesi, mitä näistä virheistä oma äänesi tuottaa, kokeile tallennetta hallintapaneelissa.