Վատ տառադարձությունը սովորաբար ունի մեկ կամ երկու պատճառ, և էջի սխալները ցույց են տալիս, թե որոնք։ Աուդիո տառադարձման սխալների յոթ տարածված պատճառ. ինչպես է երևում յուրաքանչյուրը, ինչու է պատահում և ինչպես ուղղել թե ձայնագրության, թե տառադարձության մեջ։
Աուդիո տառադարձման սխալները հազվադեպ են պատահական։ Տառադարձությունը, որը «Kubernetes»-ը դարձնում է «Cooper Netties», երկու մարդու խոսքը դնում է մեկ անվան տակ կամ գրում է «fifty», երբ խոսողն ասել է «fifteen», ցույց է տալիս, թե ինչն է սխալ գնացել։ Յուրաքանչյուր պատճառ թողնում է իր տեսակի սխալը, և յուրաքանչյուրն ունի իր ուղղումը։ Որոշ ուղղումներ վերաբերում են հաջորդ ձայնագրությանը, որոշները՝ տառադարձությանը, որն արդեն ունեք։
Այս ուղեցույցը սկսվում է սխալից։ Գտեք ստորև ցանկում այն, որ համապատասխանում է ձեր տառադարձությանը, և անցեք դրա բաժնին. ինչպես է երևում սխալը, ինչու է պատահում պարզ բառերով և ինչ անել։
Տառադարձման խնդիրների մեծ մասը ընկնում է յոթ օրինաչափության մեջ։ Համապատասխանեցրեք ախտանիշը պատճառին.
Երկու պատճառ հաճախ գումարվում են։ Հեռավոր հյուրը ականջակալով աղմկոտ սրճարանում և շեշտով միանգամից կտա երեք տեսակի սխալ։ Նախ ուղղեք այն պատճառը, որն ազդում է ամենաշատ տողերի վրա. սովորաբար՝ ձայնը, հետո՝ լեզուն, հետո՝ բառերը։
Ինչպես է երևում։ Սրճարանում արված ձայնագրության մեջ «Let's move the launch to March»-ը դառնում է «Let's move the lunch to March»։ Դռան շրխկոցի տակ մնացած բառը անհետանում է։ Օդորակիչի բզզոցով երկար լռության վրա հայտնվում է տող, որը ոչ ոք չի ասել, օրինակ՝ «Thank you for watching.»։
Ինչու է պատահում։ Խոսքի ճանաչումը կռահում է ստացված ձայնին ամենահավանական բառերը։ Աղմուկը նախ ծածկում է խոսքի հանգիստ մասերը. բառերի վերջավորությունները և դրանց միջև կարճ բառերը։ Իրական ազդանշանի պակասի դեպքում կռահումն ավելի շատ հենվում է նրա վրա, ինչը սովորաբար հաջորդում է, իսկ «lunch»-ը ավելի տարածված բառ է, քան «launch»-ը։ Հավասար աղմուկի վրա առանց խոսքի որոշ համակարգեր, այնուամենայնիվ, գրում են պատրաստի արտահայտություն, քանի որ վարժեցվել են ինչ-որ բան գրել ամեն անգամ, երբ ձայն են լսում։
Ուղղում ձայնագրության մեջ։ Խոսափողը մոտեցրեք խոսողին, ոչ թե բարձրացրեք ձայնը։ Հեռավորությունը կրկնապատկելը խոսողի ուղիղ ձայնը նվազեցնում է մոտ 6 դԲ-ով, մինչդեռ սենյակի աղմուկը մնում է նույնը, այնպես որ մոտիկությունը ավելի կարևոր է, քան ցանկացած կարգավորում։ Ձայնագրության ժամանակ անջատեք օդափոխիչներն ու օդորակիչը, եթե կարող եք, և ձայնագրեք փափուկ մակերեսներով սենյակում, ոչ թե ապակու և սալիկի մեջ։
Ուղղում տառադարձության մեջ։ Աղմկոտ ձայնագրությունների համար VocalStack-ում նշեք խոսվող լեզուն՝ ավտոմատ հայտնաբերումը թողնելու փոխարեն։ Dashboard-ի իր նշումն էլ այդպես է ասում. լեզվի նշումը բարելավում է ճշգրտությունը աղմկոտ ձայնագրությունների և ուժեղ շեշտերի դեպքում։ Ուղիղ տառադարձման համար ուշացման Accuracy ռեժիմը ընդունում է փոքր ավելի ուշացում՝ դժվար աուդիոյի վրա քիչ սխալների դիմաց։ Այն տողերը, որոնցում շարժիչն ամենաքիչն է վստահ (տառադարձության վստահության շեմից ցածր, լռելյայն 0.60), ունկնդիրներին ցուցադրվում են որպես «Audio unclear»՝ կռահման փոխարեն, և երբեք բարձրաձայն չեն կարդացվում։ Զուտ հորինված տողը կարելի է թաքցնել ձեռքով. թաքցված տողերը բաց են թողնվում տառադարձությունից, արտահանումներից, ենթագրերից և նվագարկիչից։
Ինչպես է երևում։ «The data shows a thirty percent rise»-ը դառնում է «The data shows a dirty percent rise»։ Սխալները հետևում են մեկ խոսողին ամբողջ ձայնագրության ընթացքում, մինչդեռ բոլոր մյուսների տողերը մաքուր են։
Ինչու է պատահում։ Ճանաչման համակարգը սովորում է, թե ինչպես են հնչում բառերը, այն խոսքից, որի վրա վարժեցվել է։ Երբ խոսողը հնչյունն արտասանում է այլ կերպ, քան այդ խոսքի մեծ մասը, օրինակ՝ «th»-ը՝ «d», համակարգը լսում է հենց ասվածը և ընտրում իրական բառը, որն ամենալավն է համապատասխանում այդ հնչյունին։ Լեզվի ավտոմատ հայտնաբերումը կարող է ավելի վատացնել. ուժեղ շեշտը կարող է ազդակները տեղափոխել բոլորովին այլ լեզվի կողմ (տե՛ս ինչպես է աշխատում լեզվի ավտոմատ հայտնաբերումը)։
Ուղղում ձայնագրության մեջ։ Ուղիղ ելույթի համար նախքան սկսելը ավելացրեք Reference Script (տե՛ս ստորև ժարգոնի բաժինը), որպեսզի այն բառերը, որոնք խոսողը հավանաբար կասի, արդեն հայտնի լինեն։ Լավ խոսափողը օգնում է ցանկացած շեշտի դեպքում, քանի որ շարժիչին հասնում է յուրաքանչյուր հնչյունի ավելի մեծ մասը։
Ուղղում տառադարձության մեջ։ Նշեք այդ ձայնագրության խոսվող լեզուն։ Այնուհետև օգտագործեք Fix ներդիրը. Mark uncertain words-ը գունավորում և ընդգծում է այն բառերը, որոնց մասին շարժիչը վստահ չէր, և դուք կարող եք անցնել անորոշ հատվածներով մեկ-մեկ՝ ամբողջը նորից կարդալու փոխարեն։ Որտեղ շարժիչը դիտարկել է այլ բառեր, այն առաջարկում է դրանք որպես առաջարկվող ուղղումներ, այնպես որ «dirty»-ն «thirty»-ով ուղղելը սովորաբար մեկ սեղմում է։ Play just this word-ը թույլ է տալիս ստուգել ականջով՝ նախքան փոխելը։
Ինչպես է երևում։ Մի խոսնակը հարցնում է «So we agree on Tuesday?», մյուսը միջամտում է «No, Thursday works»։ Տառադարձությունը ցույց է տալիս մեկ տող Speaker 1-ի տակ. «So we agree on Tuesday no Thursday works.»։ Կամ հակառակը. մարդ, որ հանդիպման կեսին աշխուժացել է, երևում է որպես Speaker 1 և Speaker 3։
Ինչու է պատահում։ Ներքևում աշխատում են երկու առանձին խնդիր։ Խոսքի ճանաչումը գրում է բառերը. խոսնակների դիարիզացիան որոշում է, թե ով երբ է խոսել, ըստ այն բանի, թե ինչպես է հնչում յուրաքանչյուր ձայն։ Համակարգերի մեծ մասը աուդիոյի յուրաքանչյուր հատվածին տալիս է մեկ խոսնակ, այնպես որ երբ երկու մարդ խոսում է միաժամանակ, մեկը կորցնում է։ Ձայնի փոփոխությունը (հուզված, հոգնած, խոսափողից ավելի հեռու) կարող է մարդուն նոր թվալ։ Խոսնակների դիարիզացիա և խոսքի ճանաչում հոդվածը մանրամասն բացատրում է երկու խնդիրները։
Ուղղում ձայնագրության մեջ։ Յուրաքանչյուր մարդու տվեք իր խոսափողը։ Այդ մեկ փոփոխությունը բազմաթիվ խոսնակների համար ավելին է անում, քան ցանկացած կարգավորում։ Քննարկման կամ հանդիպման ժամանակ, երբ լսարանից հարցեր են տրվում, խնդրեք վարողին պատասխանից առաջ կրկնել յուրաքանչյուր հարց իր խոսափողի մեջ։
Ուղղում տառադարձության մեջ։ Ընտրեք խոսնակների պիտակների կարգավորումը. When Needed (լռելյայն) պիտակներ է դնում, երբ լսվի երկրորդ ձայն, On-ը պիտակում է յուրաքանչյուր տող, Off-ը՝ ոչ մեկը։ Անվանեք յուրաքանչյուր խոսնակի ձայնագրության ընթացքում կամ հետո։ Անունը բառերի վրայի շերտ է, ուստի երբեք չի փոխում տեքստը և վերաբերում է այդ մարդուն տառադարձության յուրաքանչյուր ձայնագրության մեջ։ Պահեք այն խոսնակին, որին հաճախ եք ձայնագրում, և հետագա տառադարձությունները նրան կճանաչեն անունով։ Երկու նախադասություն իրար կպցնող տողը կարելի է բաժանել երկուսի. հպեք այն տեղին, որտեղ նոր տողը սկսվում է։
Ինչպես է երևում։ «We deployed it on Kubernetes»-ը դառնում է «We deployed it on Cooper Netties»։ «Ms Nguyen»-ը դառնում է «Miss Win»։ Դեղի անունը վերածվում է երեք կարճ անգլերեն բառի։ Նախադասության մնացածը կարգին է։
Ինչու է պատահում։ Համակարգը կարող է գրել միայն այն բառերը, որոնք ճանաչում է, իսկ անունը հաճախ հայտնվում է մեկ անգամ, առանց շուրջը որևէ բանի, որով այն կարելի է կանխատեսել։ Երբ բառը երբեք չի տեսել, ընտրում է ամենամոտ հնչող սովորական բառերը։ Սա տեխնիկական տերմինաբանության ճշգրիտ տառադարձման ամենադժվար դեպքն է. նախադասությունը ոչ մի հուշում չի տալիս, ուստի ոչ մի համատեքստ դա չի ուղղում։
Ուղղում ձայնագրության մեջ։ Համակարգին տվեք բառերը՝ նախքան խոսողն ասի դրանք։ VocalStack-ում դա Reference Script է. նախքան սկսելը ավելացրեք ուղիղ ելույթի սցենարը կամ սլայդները, կամ անունների և տերմինների ցանկ, և դրանից անունները և տերմինները հաղթում են սխալ լսվածին։ Ելույթի ժամանակ սցենարը հետևում է տառադարձությանը՝ ինչպես հուշարար։ Սցենարի ուղղած յուրաքանչյուր բառ ուղղումների մեջ նշված է SCRIPT-ով և կարող է չեղարկվել, եթե խոսողն իսկապես այլ բան է ասել։
Ուղղում տառադարձության մեջ։ Ուղղեք անունը մեկ անգամ և մնացածը ստուգեք որոնմամբ։ Ուղղումները հասնում են յուրաքանչյուր ունկնդրի, քանի դեռ տառադարձումը ուղիղ է, այն լեզվով, որով նրանք կարդում են, և յուրաքանչյուր ուղղում թվարկված է ու կարող է չեղարկվել։ Արտահանումները (SRT, PDF, Excel, JSON) ներառում են ուղղումները, այնպես որ ենթագրերն ու փաստաթղթերը կրում են ուղղված ուղղագրությունը։
Ինչպես է երևում։ Ելույթը սկսվում է իսպաներեն ողջույնով և շարունակվում անգլերենով, և անգլերենը դուրս է գալիս իսպաներենի նման անիմաստ խոսք։ Կամ անգլերեն տառադարձության մեջտեղում մի քանի տող երևում են հարակից լեզվով։ Որոշ համակարգեր, սխալ լեզվի վրա դրված լինելով, գրում են կոպիտ թարգմանություն՝ ասվածի փոխարեն։
Ինչու է պատահում։ Երբ լեզու նշված չէ, համակարգը պետք է այն հայտնաբերի ձայնից, հաճախ առաջին մի քանի վայրկյանից։ Ողջույնը, մեջբերումը կամ ուժեղ շեշտը կարող են այն սխալ ուղղությամբ տանել։ Հենց սխալ լեզու ընտրելուց հետո այդ հատվածի յուրաքանչյուր բառ միաժամանակ սխալ է։
Ուղղում ձայնագրության մեջ։ Եթե ձայնագրությունը մեկ լեզվով է, նշեք այն։ Հայտնաբերումը թողեք միացված, երբ իսկապես խոսվում է երկու կամ ավելի լեզու, որպեսզի յուրաքանչյուր մաս տառադարձվի իր լեզվով. մեկի նշումը մյուսին կստիպեր նրա մեջ մտնել։ Ուղիղ տառադարձման ժամանակ լեզուն կարելի է փոխել աշխատանքի ընթացքում, և փոփոխությունը գործում է անմիջապես։
Ուղղում տառադարձության մեջ։ Սխալ լեզվով լսված տողը չի կարելի ուղղել բառ առ բառ, քանի որ դրանում ոչինչ ճիշտ չէ։ VocalStack-ը կարող է տողը նորից տառադարձել. ընտրեք այն լեզուն, որով այն իսկապես խոսվել է, և տողի աուդիոն նորից կկարդացվի այդ լեզվով։ Արդյունքը փոխարինում է տողը որպես սովորական ուղղում՝ նույն չեղարկմամբ, ինչ ցանկացած այլ։
Ինչպես է երևում։ «The fees went up»-ը դառնում է «The thieves went up»։ «Free» և «three»-ը փոխվում են իրար հետ։ Սխալները տարածվում են ամբողջ ձայնագրության վրա և ամենավատն են զանգի հեռավոր խոսնակի համար։
Ինչու է պատահում։ «f», «s» և «th» տարբերող հնչյունների շատ մասը գտնվում է հաճախականության տիրույթի վերին մասում։ Հեռախոսագիծը չի փոխանցում ոչինչ մոտ 3,4 կՀց-ից վեր, իսկ Bluetooth ականջակալը հաճախ իր խոսափողը փոխում է զանգի ռեժիմի՝ շատ ավելի նեղ տիրույթով։ Տեսազանգերում ցածր բիթրեյթով սեղմումը հեռացնում է ավելին։ Համակարգը ստանում է աուդիո, որտեղ այդ հնչյուններն արդեն չկան, և կռահում է բառերի միջև, որոնք հիմա նույնն են հնչում։
Ուղղում ձայնագրության մեջ։ Օգտագործեք լարային խոսափող, կամ ականջակալ, որի խոսափողը մնում է լրիվ որակի ռեժիմում։ Եթե կարող եք, ձայնագրեք յուրաքանչյուր հեռավոր խոսնակին իր կողմում՝ զանգը ձայնագրելու փոխարեն։ Միջոցառման համար ազդանշանը վերցրեք աուդիո խառնիչից, ոչ թե դահլիճում գտնվող նոթբուքի կամ հեռախոսի խոսափողից. VocalStack-ի ուղիղ կարգավորումը վերցնում է մեկ մալուխ խառնիչից, իսկ հեռախոսի ներկառուցված խոսափողը վերցնում է սենյակից ավելին։
Ուղղում տառադարձության մեջ։ Աուդիոն, որը երբեք չի գրանցվել, հնարավոր չէ վերականգնել ո՛չ մեքենայով, ո՛չ մարդով։ Օգտագործեք անորոշ բառերի նշումները՝ վնասված հատվածները գտնելու համար, նվագարկեք տողը ստուգելու համար և ուղղեք այն, ինչ լսում եք։ Որտեղ ոչ ոք չի կարող ասել, թե ինչ է ասվել, տողը թաքցնելը ավելի ազնիվ է, քան կռահումը։
Ինչպես է երևում։ «Fifteen»-ը դառնում է «fifty»։ «One twenty»-ը դառնում է «120», երբ խոսողը նկատի է ունեցել մեկ դոլար քսան ցենտ։ «The third of the fourth»-ը դուրս է գալիս սխալ հերթականությամբ ամսաթվի տեսքով։ Յուրաքանչյուր սխալ մեկ բառ է, և նախադասության մյուս բոլոր բառերը ճիշտ են։
Ինչու է պատահում։ «Fifteen»-ը և «fifty»-ը տարբերվում են հիմնականում շեշտված վանկով, և այդ տարբերությունը առաջինն է կորչում աղմուկից կամ արագ խոսողից։ Արտասանված թվերը բաց են թողնում նաև այն, ինչ գրվածներին պետք է. միավորներ, տասնորդական նշաններ, օրվա և ամսվա հերթականություն։ Համակարգը պետք է կռահի ձևաչափը, և նրա կռահումը ամենատարածվածն է, ոչ թե ձերը։
Ուղղում ձայնագրության մեջ։ Խնդրեք խոսողներին թվերն ասել ամբողջությամբ, միավորով. «one dollar twenty», «the fifteenth of March»։ Պատրաստված ելույթի համար թվերը դրեք սցենարի մեջ։
Ուղղում տառադարձության մեջ։ Ականջով ստուգեք յուրաքանչյուր կարևոր թիվ՝ նախքան տառադարձությունը մեջբերելը, ուղարկելը կամ հրապարակելը։ Սխալ թիվը կարդացվում է որպես ճիշտ, ուստի էջում ոչինչ ձեզ չի զգուշացնում։ Ինչ է չափում բառերի սխալի մակարդակը և ինչ է բաց թողնում հոդվածը բացատրում է, թե ինչու է մեկ սխալ թիվն ավելի թանկ նստում, քան սխալի մակարդակում նրա բաժինը։
Երբ տառադարձությունն ունի շատ խնդիրներ, ուղղեք դրանք այս հերթականությամբ, որպեսզի ոչ մի ուղղում չչեղարկվի հաջորդով.
Հետո հեշտացրեք հաջորդ ձայնագրությունը. խոսափող՝ յուրաքանչյուր խոսնակի համար, նշված լեզու և սցենար՝ անուններով։ Աուդիո տառադարձման սխալների մեծ մասը որոշվում է նախքան որևէ մեկը ձայնագրման կոճակը սեղմելը։
Դատական նիստի, բժշկական խորհրդատվության կամ այն ամենի համար, որտեղ մեկ սխալ բառ հետևանքներ ունի, թող մարդը ստուգի տառադարձությունը՝ նախքան օգտագործելը, ինչ համակարգ էլ այն արտադրած լինի։ Տեսնելու համար, թե ինչ սխալներ է տալիս ձեր սեփական աուդիոն, փորձեք ձայնագրություն Dashboard-ում։