Egy rossz átiratnak általában egy-két oka van, és az oldalon látható hibák elárulják, melyik. Hét gyakori oka a hangfelvétel-átírási hibáknak: hogyan néznek ki, miért keletkeznek, és mi a megoldás a felvételben és az átiratban.
A hangfelvétel-átírási hibák ritkán véletlenszerűek. Az az átirat, amelyben a „Kubernetes” „Cooper Netties” lesz, két ember szavai egy név alá kerülnek, vagy az „ötven” áll ott, ahol a beszélő „tizenötöt” mondott, megmutatja, mi ment félre. Minden ok a saját fajta hibáját hagyja maga után, és mindegyiknek megvan a saját megoldása. Egyes javítások a következő felvételbe tartoznak, mások a már meglévő átiratba.
Ez az útmutató a hibából indul ki. Keresd meg az alábbi listában azt, amelyik az átiratodra illik, és ugorj a hozzá tartozó részhez: hogyan néz ki a hiba, miért keletkezik egyszerű szavakkal, és mit lehet tenni ellene.
Az átírási problémák többsége hét mintába sorolható. Párosítsd a tünetet az okkal:
Két ok gyakran összeadódik. Egy távoli vendég, aki fejhallgatóval, zajos kávézóban, akcentussal beszél, egyszerre háromféle hibát produkál. Először azt az okot javítsd, amelyik a legtöbb sort érinti: általában a hangot, aztán a nyelvet, végül a szavakat.
Hogyan néz ki. Egy kávézóban készült felvételen a „Tegyük át a bejelentést márciusra” így jön vissza: „Tegyük át a bejegyzést márciusra”. Egy ajtócsapódás alatt egy szó eltűnik. Hosszú csend alatt, zümmögő légkondicionáló mellett olyan sor jelenik meg, amit senki sem mondott, például „Köszönjük, hogy megnézte”.
Miért történik. A beszédfelismerés a kapott hang alapján a legvalószínűbb szavakat találgatja. A zaj először a beszéd halk részeit fedi el: a szavak végét és a köztük lévő rövid szavakat. Kevesebb valódi jel mellett a tipp jobban támaszkodik arra, mi szokott következni, és a „bejegyzés” gyakoribb szó, mint a „bejelentés”. Állandó, beszéd nélküli zaj fölött egyes rendszerek így is előállítanak egy sablonmondatot, mert arra tanították őket, hogy bármilyen hangra írjanak valamit.
Javítás a felvételben. A mikrofont vidd közelebb a beszélőhöz, ahelyett hogy feljebb tekernéd a hangerőt. A távolság megduplázása nagyjából 6 dB-lel csökkenti a beszélő közvetlen hangját, miközben a terem zaja változatlan marad, így a közelség többet számít bármilyen beállításnál. Ha tudod, kapcsold ki a ventilátorokat és a légkondicionálót a felvétel idejére, és puha felületű teremben vegyél fel üveg és csempe helyett.
Javítás az átiratban. A VocalStackben zajos felvételeknél add meg a beszélt nyelvet, ahelyett hogy az automatikus felismerésre hagynád. A Dashboard saját megjegyzése is ezt mondja: a nyelv megadása javítja a pontosságot zajos felvételeken és erős akcentusnál. Élő átírásnál az Accuracy késleltetési mód egy kicsivel nagyobb késést fogad el a nehéz hangon elkövetett kevesebb hiba fejében. Azokat a sorokat, amelyekben a motor a legkevésbé biztos (az átírás megbízhatósági küszöbe alatt, alapértelmezés szerint 0,60), a hallgatók találgatás helyett „Audio unclear” felirattal látják, és hangosan soha nem olvassák fel. Az a sor, amely puszta kitaláció, kézzel elrejthető: az elrejtett sorok kimaradnak az átiratból, az exportokból, a feliratokból és a lejátszóból.
Hogyan néz ki. „Az adatok hatvan százalékos emelkedést mutatnak” helyett „Az adatok hetven százalékos emelkedést mutatnak” lesz. A hibák egy beszélőt követnek a felvételen, miközben mindenki más sora tiszta.
Miért történik. A felismerő rendszer abból a beszédből tanulja meg, hogyan hangzanak a szavak, amellyel betanították. Ha egy beszélő egy hangot másként ejt, mint a beszéd többsége, a rendszer pontosan azt hallja, ami elhangzott, és azt a valódi szót választja, amely a legjobban illik ehhez a hanghoz. Az automatikus nyelvfelismerés ronthat a helyzeten: egy erős akcentus egészen másik nyelv felé tolhatja a jeleket (lásd: hogyan működik az automatikus nyelvfelismerés).
Javítás a felvételben. Élő előadáshoz kezdés előtt adj hozzá egy Reference Scriptet (lásd lent a szakzsargonról szóló részt), hogy a beszélő által várhatóan használt szavak már ismertek legyenek. Egy jó mikrofon minden akcentuson segít, mert minden hangból több jut el a motorhoz.
Javítás az átiratban. Add meg az adott felvétel beszélt nyelvét. Aztán használd a Fix fület: a Mark uncertain words színezi és aláhúzza azokat a szavakat, amelyekben a motor bizonytalan volt, és a bizonytalan szakaszokon egyesével végig léphetsz, ahelyett hogy mindent újraolvasnál. Ahol a motor más szavakat is mérlegelt, javaslatként felkínálja őket, így a „hetven” „hatvanra” javítása általában egy kattintás. A Play just this word lehetővé teszi, hogy füllel ellenőrizd, mielőtt bármit megváltoztatnál.
Hogyan néz ki. Az egyik beszélő megkérdezi: „Tehát megállapodtunk keddben?”, miközben a másik közbevág: „Nem, a csütörtök jó”. Az átirat egyetlen sort mutat a Speaker 1 alatt: „Tehát megállapodtunk keddben? Nem, a csütörtök jó.” Vagy fordítva: egy ember, aki a megbeszélés közepén felélénkült, Speaker 1-ként és Speaker 3-ként is megjelenik.
Miért történik. Két külön feladat fut a háttérben. A beszédfelismerés leírja a szavakat; a beszélő-diarizáció azt dönti el, ki mikor beszélt, abból, hogyan szól az egyes hangok. A legtöbb rendszer minden hangszakaszhoz egyetlen beszélőt rendel, így ha két ember egyszerre beszél, az egyik veszít. Egy hang megváltozása (izgatott, fáradt, távolabb a mikrofontól) új személynek tüntetheti fel a beszélőt. A beszélő-diarizáció és a beszédfelismerés részletesen elmagyarázza a két feladatot.
Javítás a felvételben. Adj mindenkinek saját mikrofont. Ez az egyetlen változtatás többet tesz több beszélő esetén bármilyen beállításnál. Panelbeszélgetésen vagy közönségkérdéses megbeszélésen kérd meg a moderátort, hogy minden kérdést ismételjen el a saját mikrofonjába, mielőtt válaszolnak rá.
Javítás az átiratban. Válaszd ki a beszélőcímkék beállítását: a When Needed (az alapértelmezés) akkor címkéz, amikor egy második hang is hallható, az On minden sort címkéz, az Off egyet sem. Nevezd meg az egyes beszélőket a felvétel alatt vagy után. A név a szavak fölötti réteg, ezért sosem változtatja meg a szöveget, és az átírás minden felvételén érvényes arra a személyre. Mentsd el a gyakran felvett beszélőt, és a későbbi átírások név szerint felismerik. Az a sor, amely két mondatot vont össze, kettéosztható: koppints arra a pontra, ahol az új sor kezdődik.
Hogyan néz ki. A „Kubernetesre telepítettük” „Cooper Nettiesre telepítettük” lesz. „Nguyen asszony” „Win asszony” lesz. Egy gyógyszer neve három rövid angol szóvá válik. A mondat többi része rendben van.
Miért történik. A rendszer csak olyan szavakat tud leírni, amelyeket ismer, és egy név gyakran egyszer fordul elő, körülötte semmivel, amiből megjósolható lenne. Ha sosem látta a szót, a leghasonlóbban hangzó hétköznapi szavakat választja. Ez a legnehezebb eset a szakkifejezések pontos átírásánál: a mondat semmi támpontot nem ad, ezért semennyi környezet nem segít.
Javítás a felvételben. Add át a rendszernek a szavakat, mielőtt a beszélő kimondja őket. A VocalStackben ez a Reference Script: egy élő előadás szövegét vagy diáit, illetve a nevek és kifejezések listáját add hozzá kezdés előtt, és a belőle származó nevek és kifejezések felülírják a rosszul hallottakat. Az előadás alatt a szöveg az átirat nyomán halad, mint egy teleprompter. Minden szót, amelyet a szöveg kijavított, SCRIPT jelöli a javítások között, és visszavonható, ha a beszélő valóban mást mondott.
Javítás az átiratban. Javítsd ki a nevet egyszer, a többit pedig ellenőrizd a kereséssel. A javítások eljutnak minden hallgatóhoz, amíg az átírás élő, mindegyik nyelven, amelyen olvassák, és minden javítás listázva van és visszavonható. Az exportok (SRT, PDF, Excel, JSON) tartalmazzák a javításokat, így a feliratok és a dokumentumok a javított írásmódot hordozzák.
Hogyan néz ki. Egy előadás spanyol köszöntéssel nyit és angolul folytatódik, az angol pedig spanyolnak látszó értelmetlenségként jön vissza. Vagy egy angol átirat közepén néhány sor egy rokon nyelven jelenik meg. Egyes rendszerek, ha rossz nyelvre vannak állítva, az elhangzottak helyett egy hozzávetőleges fordítást írnak.
Miért történik. Ha nincs megadva nyelv, a rendszernek a hangból kell felismernie, gyakran az első néhány másodpercből. Egy köszöntés, egy idézet vagy egy erős akcentus rossz irányba terelheti. Miután rossz nyelvet választott, az adott szakasz minden szava együtt lesz hibás.
Javítás a felvételben. Ha a felvétel egy nyelvű, add meg. Hagyd bekapcsolva a felismerést, ha valóban két vagy több nyelven beszélnek, hogy minden rész a saját nyelvén legyen átírva; az egyik megadása a másikat is abba kényszerítené. Élő átírásnál a nyelv futás közben is módosítható, és a változás azonnal érvényes.
Javítás az átiratban. Egy rossz nyelven hallott sort nem lehet szavanként javítani, mert semmi sincs benne helyesen. A VocalStack újra át tudja írni a sort: válaszd ki a nyelvet, amelyen valójában elhangzott, és a sor hangját újra felolvassa azon a nyelven. Az eredmény közönséges javításként váltja le a sort, ugyanazzal a visszavonással, mint bármelyik másik.
Hogyan néz ki. „A fizetés emelkedett” „A vizetés emelkedett” lesz. A „fél” és a „vél” felcserélődik. A hibák az egész felvételen szétszóródnak, és a hívás távoli beszélőjénél a legrosszabbak.
Miért történik. Az „f”, az „s” és a „sz” megkülönböztetéséhez szükséges hangok közül sok a frekvenciatartomány magas végén van. Egy telefonvonal nagyjából 3,4 kHz fölött semmit sem visz át, a Bluetooth-fejhallgatók pedig gyakran hívásmódra kapcsolják a mikrofonjukat, jóval szűkebb tartománnyal. A videóhívások alacsony bitrátájú tömörítése még többet eltávolít. A rendszer olyan hangot kap, amelyből ezek a hangok már hiányoznak, és olyan szavak között találgat, amelyek mostantól azonosnak hangzanak.
Javítás a felvételben. Használj vezetékes mikrofont, vagy olyan fejhallgatót, amelynek a mikrofonja a teljes minőségű módban marad. Ha tudod, a távoli beszélőket a saját oldalukon vedd fel, ahelyett hogy a hívást rögzítenéd. Rendezvényen a jelet a keverőpultról vedd, ne a teremben álló laptop vagy telefon mikrofonjáról: a VocalStack élő beállítása egy kábelt vesz a keverőpultról, a telefon beépített mikrofonja pedig többet fog fel a teremből.
Javítás az átiratban. Amit sosem rögzítettek, az nem hozható vissza, sem géppel, sem emberrel. A bizonytalan szavak jelöléseivel keresd meg a sérült szakaszokat, hallgasd meg a sort, és javítsd, amit hallasz. Ahol senki sem tudja megmondani, mi hangzott el, a sor elrejtése őszintébb, mint egy tipp otthagyása.
Hogyan néz ki. A „tizenöt” „ötven” lesz. Az „egy dollár húsz” „120” lesz. A „harmadika” rossz sorrendű dátumként jelenik meg. Minden hiba egyetlen szó, és a mondat minden más szava helyes.
Miért történik. A „tizenöt” és az „ötven” között főleg a hangsúly és a szótagszám különbsége van, és ez a különbség vész el először zajban vagy gyors beszélőnél: marad az „öt”. A kimondott számok azt is kihagyják, amire az írottaknak szükségük van: mértékegységek, tizedesjelek, a nap és a hónap sorrendje. A rendszernek tippelnie kell a formátumra, és a tippje a leggyakoribb, nem a tied.
Javítás a felvételben. Kérd meg a beszélőket, hogy a számokat teljesen mondják ki, mértékegységgel: „egy dollár húsz”, „március tizenötödike”. Előkészített előadásnál tedd a számokat a szövegbe.
Javítás az átiratban. Minden fontos számot ellenőrizz füllel, mielőtt az átiratot idéznék, elküldenék vagy közzétennék. A rossz szám ugyanúgy néz ki, mint a jó, ezért semmi sem figyelmeztet az oldalon. Mit mér a szóhibaarány, és mit nem elmagyarázza, miért kerül egyetlen rossz szám többe, mint amennyit a hibaarányban kitesz.
Ha egy átiratban sok a probléma, ebben a sorrendben javítsd őket, hogy egyik javítást se vonja vissza a következő:
Aztán tedd könnyebbé a következő felvételt: egy mikrofon beszélőnként, megadott nyelv és egy szöveg a nevekkel. A legtöbb hangfelvétel-átírási hiba azelőtt eldől, hogy valaki megnyomja a felvétel gombot.
Tárgyalásnál, orvosi konzultációnál vagy bármikor, amikor egy rossz szónak következménye van, használat előtt nézesd át az átiratot egy emberrel, bármelyik rendszer készítette. Hogy lásd, a saját hangod milyen hibákat produkál, próbálj ki egy felvételt a Dashboardon.