Detektor bahasa selalu memberi jawaban, bahkan untuk batuk. Biarkan deteksi aktif untuk audio yang jernih atau campuran beberapa bahasa, dan sebutkan bahasanya ketika hanya satu bahasa yang diucapkan di tengah derau atau aksen yang kuat.
Setiap transkripsi dimulai dari satu pertanyaan yang tidak pernah dilihat pembaca: ini bahasa apa? Jika jawabannya keliru, sisa alur kerja akan bekerja keras menghasilkan kalimat yang lancar tetapi tidak masuk akal. Artikel ini menjelaskan apa yang didengarkan detektor bahasa, bagaimana deteksi bekerja untuk audio langsung dan untuk file, dan kapan Anda lebih baik menyebutkan bahasanya sendiri.
Detektor bahasa tidak memahami apa yang diucapkan. Ia melihat suaranya sendiri: inventaris konsonan dan vokal, cara suku kata diberi tekanan, irama frasa, dan kata-kata pendek yang sering muncul yang menjadi tumpuan setiap bahasa. Bahasa Spanyol punya susunan vokal dan iramanya sendiri; bahasa Belanda dan Jerman banyak memiliki kesamaan tetapi berpisah pada beberapa bunyi. Beberapa detik ucapan yang jelas biasanya sudah cukup untuk membedakannya.
Banyak pengenal ucapan melakukan ini sebagai hasil sampingan dari mengenali kata-kata. Mereka menentukan bahasa dari awal audio, sebagai probabilitas untuk setiap bahasa yang mereka kenal. Dua hal mengikuti dari desain ini. Probabilitasnya selalu berjumlah satu, sehingga tidak ada jawaban "tidak ada bahasa": keheningan, batuk, atau suara musik pun mendapat sebuah bahasa, sering kali dengan skor yang yakin. Dan keputusan dibuat dari bagian awal, yang merupakan sampel terburuk yang bisa dipilih. Banyak rekaman dibuka dengan sapaan, nama, dan nama tempat, yang membawa sangat sedikit sinyal bahasa: "Selamat pagi, Maria, selamat datang di Berlin" hampir sama Jermannya dengan Inggrisnya. Yang lain dibuka dengan keheningan atau batuk, dan detektor yang diminta memutuskan dari situ tetap akan memutuskan, dengan yakin, berdasarkan tidak ada apa-apa. Audio sungguhan pun begitu: khotbah berbahasa Rumania yang dibuka dengan derau ruangan dan "Bună dimineața" bisa dengan mudah terdengar sebagai bahasa Italia "Buona domenica", dengan kepastian penuh.
Biaya jawaban yang salah juga lebih buruk daripada kedengarannya. Pengenal yang menguraikan audio dalam bahasa yang salah tidak salah mengeja; ia menulis ulang. "For God so loved the world" yang diuraikan sebagai bahasa Rumania keluar sebagai "Forgot to love the world" (lupa mencintai dunia). Kalimat Rumania "mândria slujește" yang diuraikan sebagai bahasa Inggris keluar sebagai "Pride serves" (kebanggaan melayani), yang merupakan terjemahan yang akurat untuk kalimat yang tidak diminta untuk diterjemahkan oleh siapa pun. Kata-katanya lancar dan transkripnya tidak memberi tanda bahwa ada yang salah, dan itulah yang membuat kesalahan ini mahal.
Lima hal yang paling sering mengecoh detektor:
Mana dari hal-hal ini yang berdampak pada Anda bergantung pada apakah audionya datang secara langsung atau sudah berada dalam sebuah file.
Untuk transkripsi langsung, tidak ada rekaman utuh untuk dilihat. Audio datang seiring diucapkan, dan transkripnya harus datang bersamanya. Maka bahasanya dideteksi selagi pembicara berbicara, dan diikuti jika ia berganti bahasa. Inilah arti catatan di bawah sakelar Spoken language ketika Anda memulai transkripsi langsung di Dasbor: bahasa pembicara dideteksi otomatis, dan ia boleh berganti bahasa kapan saja.
Sebuah pergantian dikonfirmasi sebelum diterapkan, sehingga satu potongan derau tidak menyeret transkrip ke bahasa lain. Titik lemahnya ada di pembukaan: jika kata-kata pertama adalah sapaan yang bising, baris pertama bisa keluar dalam bahasa yang salah. Menyebutkan bahasanya mencegah hal itu.
File bekerja dengan cara yang berbeda, karena seluruh rekamannya sudah tersedia.
File adalah masalah yang lebih baik: tidak perlu mempercayai beberapa detik pertama. Untuk file, bahasanya diputuskan dari rekaman secara keseluruhan, sehingga sapaan yang bising di awal tidak bisa menentukan hasilnya.
Bahasa file tetap merupakan asumsi kerja, bukan vonis. Rekaman yang benar-benar berganti bahasa di tengah jalan, seperti wawancara yang beralih dari bahasa Inggris ke bahasa Rumania di paruh keduanya, akan diikuti dan tidak dipaksakan ke satu bahasa, dan rekaman yang bolak-balik antarbahasa sepanjang waktu juga ditangani.
Detektor yang memutuskan sekali dan tidak pernah menoleh lagi yakin justru di tempat yang salah.
Tidak ada detektor yang banyak membantu ketika seluruh rekaman bising. Deteksi adalah pilihan standar karena benar sebagian besar waktu dan tidak merugikan Anda. Namun untuk beberapa rekaman, Anda sebaiknya menyebutkan bahasanya, dan Dasbor menunjukkan rekaman mana itu: menyebutkan bahasa yang diucapkan meningkatkan akurasi pada rekaman yang bising dan aksen yang kuat.
Itulah kasus ketika deteksi punya paling sedikit bahan untuk dikerjakan. Derau menghapus petunjuk yang diandalkan detektor; aksen yang kuat menggesernya ke bahasa lain; pasangan yang berkerabat dekat memang menawarkan sedikit petunjuk sejak awal. Seorang penutur bahasa Inggris dengan aksen Portugis yang kental di aula bergema sulit ditebak hanya dari suaranya, dan jika detektor salah menebak, transkrip akan mengubah ucapan bahasa Inggris menjadi bahasa Portugis selama kesalahan itu berlangsung. Menyebutkan bahasanya menghilangkan pertanyaan itu, sehingga seluruh usaha tercurah pada kata-katanya.
Daftar periksa singkat:
Menyebutkan bahasa adalah pengaturan pada transkripsi, bukan pada akun Anda, sehingga Anda bisa memutuskannya per rekaman. Semua yang di atas bermuara pada satu opsi API.
spokenLanguage yang tidak ada berarti deteksi; session.update di tengah aliranDi API, spokenLanguage adalah kode bahasa seperti en; jika dihilangkan, bahasanya dideteksi. Opsi ini muncul di settings untuk transkripsi file atau tautan, dan di opsi sesi realtime. Deteksi dan penyebutan mencakup 100 bahasa yang sama. Terjemahan ke hingga 10 bahasa tersebut adalah pilihan terpisah, dan tidak bergantung pada bahasa yang terdeteksi atau yang disebutkan. Cara terjemahan mengikuti ucapan dibahas dalam Latensi terjemahan langsung, dijelaskan.
{ "name": "Board meeting", "settings": { "spokenLanguage": "en", "speakerLabels": "auto" } }
Sesi realtime menerima opsi yang sama saat dibuat, dan Anda bisa mengubahnya selagi audio mengalir. Sebuah frame teks session.update dengan spokenLanguage baru berlaku untuk ucapan dari titik itu; mengirim "" atau "auto" mengembalikan sesi ke deteksi, dan kode yang tidak didukung akan diabaikan. Tampilan keterangan dengan tombol bahasa bisa membuat operator menyebutkan bahasa begitu ia melihat baris pertama yang keliru, tanpa menyambung ulang.
{ "type": "session.update", "spokenLanguage": "ro" }
Daftar kode beserta namanya ada di GET /v1/languages, yang tidak memerlukan kunci. Alur realtime lengkap, dari membuat sesi di server Anda sampai membaca draf dan commit, ada di Transkripsi real-time lewat WebSocket, dan referensi interaktifnya ada di {{api}}/docs. Di Dasbor, pilihan yang sama tersedia sebagai sakelar Spoken language saat Anda memulai transkripsi baru, dan kunci API untuk API berada di bawah Pengembang.