Una trascrizione sbagliata ha di solito una o due cause, e gli errori sulla pagina dicono quali. Sette cause comuni degli errori di trascrizione audio, che aspetto ha ciascuna, perché succede e come rimediare, sia nella registrazione sia nella trascrizione.
Gli errori di trascrizione audio sono raramente casuali. Una trascrizione che trasforma «Kubernetes» in «Cooper Netties», mette le parole di due persone sotto un solo nome o scrive «fifty» dove chi parlava ha detto «fifteen» ti sta mostrando che cosa è andato storto. Ogni causa lascia un suo tipo di errore, e ognuna ha il suo rimedio. Alcuni rimedi riguardano la prossima registrazione, altri la trascrizione che hai già.
Questa guida parte dall'errore. Trova nell'elenco qui sotto quello che corrisponde alla tua trascrizione, poi vai alla sua sezione: che aspetto ha l'errore, perché succede in parole semplici e che cosa fare.
La maggior parte dei problemi di trascrizione rientra in sette schemi. Abbina il sintomo alla causa:
Due cause spesso si sommano. Un ospite da remoto con le cuffie, in un bar rumoroso e con un accento, produrrà tre tipi di errore insieme. Correggi prima la causa che interessa più righe: di solito l'audio, poi la lingua, poi le parole.
Che aspetto ha. In una registrazione fatta in un bar, «Let's move the launch to March» diventa «Let's move the lunch to March» (la registrazione è in inglese). Una parola coperta dal colpo di una porta sparisce. Su un lungo silenzio con il condizionatore che ronza compare una riga che nessuno ha detto, come «Thank you for watching.»
Perché succede. Il riconoscimento vocale indovina le parole più probabili per il suono che riceve. Il rumore copre per prime le parti più deboli del parlato: la fine delle parole e le parole brevi tra l'una e l'altra. Con meno segnale reale, l'ipotesi si appoggia di più su ciò che di solito segue, e «lunch» è una parola più comune di «launch». Su un rumore costante senza alcun parlato, alcuni sistemi producono comunque una frase fatta, perché sono stati addestrati a scrivere qualcosa ogni volta che sentono un suono.
Rimedio nella registrazione. Avvicina il microfono a chi parla invece di alzare il volume. Raddoppiare la distanza riduce di circa 6 dB il suono diretto di chi parla mentre il rumore della stanza resta dov'era, quindi la vicinanza conta più di qualsiasi impostazione. Spegni ventilatori e condizionatori durante la registrazione se puoi, e registra in una stanza con superfici morbide piuttosto che tra vetro e piastrelle.
Rimedio nella trascrizione. In VocalStack, per le registrazioni rumorose indica la lingua parlata invece di lasciare il rilevamento automatico. Lo dice la stessa nota della Dashboard: indicare la lingua migliora la precisione sulle registrazioni rumorose e con accenti marcati. Per una trascrizione in diretta, la modalità di latenza Accuracy accetta un po' più di ritardo in cambio di meno errori sull'audio difficile. Le righe di cui il motore è meno sicuro (sotto la soglia di confidenza della trascrizione, 0.60 per impostazione predefinita) vengono mostrate agli ascoltatori come «Audio unclear» invece di un'ipotesi, e non vengono mai lette ad alta voce. Una riga del tutto inventata si può nascondere a mano: le righe nascoste restano fuori dalla trascrizione, dalle esportazioni, dai sottotitoli e dal player.
Che aspetto ha. «The data shows a thirty percent rise» diventa «The data shows a dirty percent rise». Gli errori seguono una sola persona per tutta la registrazione, mentre le righe di tutti gli altri sono pulite.
Perché succede. Un sistema di riconoscimento impara come suonano le parole dal parlato su cui è stato addestrato. Quando chi parla pronuncia un suono in modo diverso dalla maggior parte di quel parlato, per esempio «th» detto come «d», il sistema sente esattamente ciò che è stato detto e sceglie la parola vera che corrisponde meglio a quel suono. Il rilevamento automatico della lingua può peggiorare le cose: un accento forte può spostare gli indizi verso tutt'altra lingua (vedi come funziona il rilevamento automatico della lingua).
Rimedio nella registrazione. Per un intervento in diretta, aggiungi un Reference Script prima di iniziare (vedi la sezione sul gergo più sotto), in modo che le parole che chi parla probabilmente dirà siano già note. Un buon microfono aiuta ogni accento, perché al motore arriva una parte maggiore di ogni suono.
Rimedio nella trascrizione. Indica la lingua parlata per quella registrazione. Poi usa la scheda Fix: Mark uncertain words colora e sottolinea le parole di cui il motore era incerto, e puoi scorrere i passaggi incerti uno alla volta invece di rileggere tutto. Dove il motore aveva considerato altre parole, le offre come correzioni suggerite, quindi correggere «dirty» in «thirty» di solito richiede un clic. Play just this word ti permette di controllare a orecchio prima di cambiare qualcosa.
Che aspetto ha. Un parlante chiede «So we agree on Tuesday?» mentre un altro lo interrompe con «No, Thursday works». La trascrizione mostra una sola riga sotto Speaker 1: «So we agree on Tuesday no Thursday works.» Oppure il contrario: una persona che si è animata a metà riunione compare come Speaker 1 e Speaker 3.
Perché succede. Sotto girano due compiti distinti. Il riconoscimento vocale scrive le parole; la diarizzazione dei parlanti decide chi ha parlato e quando, in base a come suona ogni voce. La maggior parte dei sistemi assegna a ogni tratto di audio un solo parlante, quindi quando due persone parlano insieme una delle due perde. Un cambio nella voce di qualcuno (eccitazione, stanchezza, maggiore distanza dal microfono) può farlo sembrare una persona nuova. Diarizzazione dei parlanti e riconoscimento vocale spiega in dettaglio entrambi i compiti.
Rimedio nella registrazione. Dai a ciascuno il proprio microfono. Questo solo cambiamento fa più per più parlanti di qualsiasi impostazione. A un dibattito o a una riunione con domande dal pubblico, chiedi al moderatore di ripetere ogni domanda nel proprio microfono prima che qualcuno risponda.
Rimedio nella trascrizione. Scegli l'impostazione delle etichette dei parlanti: When Needed (predefinita) etichetta le righe quando si sente una seconda voce, On etichetta ogni riga, Off nessuna. Dai un nome a ogni parlante durante o dopo la registrazione. Il nome è uno strato sopra le parole, quindi non cambia mai il testo, e vale per quella persona in ogni registrazione della trascrizione. Salva un parlante che registri spesso, e le trascrizioni successive lo riconosceranno per nome. Una riga che unisce due frasi può essere divisa in due: tocca lo spazio da cui deve iniziare la nuova riga.
Che aspetto ha. «We deployed it on Kubernetes» diventa «We deployed it on Cooper Netties». «Ms Nguyen» diventa «Miss Win». Il nome di un farmaco si trasforma in tre brevi parole inglesi. Il resto della frase è a posto.
Perché succede. Un sistema può scrivere solo parole che conosce, e un nome spesso compare una volta sola, senza nulla intorno che lo renda prevedibile. Quando non ha mai visto la parola, sceglie le parole comuni che suonano più vicine. È il caso più difficile per una trascrizione accurata della terminologia tecnica: la frase non dà indizi, quindi nessun contesto risolve il problema.
Rimedio nella registrazione. Dai al sistema le parole prima che chi parla le dica. In VocalStack si fa con un Reference Script: prima di iniziare, aggiungi il copione o le slide di un intervento in diretta, o un elenco di nomi e termini, e i nomi e i termini che contiene hanno la meglio su ciò che è stato sentito male. Durante l'intervento lo script segue la trascrizione come un gobbo. Ogni parola corretta dallo script è segnata SCRIPT tra le correzioni e può essere annullata se chi parlava ha davvero detto altro.
Rimedio nella trascrizione. Correggi il nome una volta e controlla il resto con la ricerca. Le correzioni raggiungono tutti gli ascoltatori mentre la trascrizione è in diretta, in ogni lingua in cui leggono, e ogni correzione è elencata e può essere annullata. Le esportazioni (SRT, PDF, Excel, JSON) includono le correzioni, quindi sottotitoli e documenti riportano l'ortografia corretta.
Che aspetto ha. Un intervento si apre con un saluto in spagnolo e prosegue in inglese, e l'inglese esce come un guazzabuglio dall'aria spagnola. Oppure alcune righe nel mezzo di una trascrizione inglese compaiono in una lingua affine. Alcuni sistemi, impostati sulla lingua sbagliata, scrivono una traduzione approssimativa invece di ciò che è stato detto.
Perché succede. Quando non si indica nessuna lingua, il sistema deve rilevarla dal suono, spesso dai primi secondi. Un saluto, una citazione o un accento forte possono indirizzarlo nel verso sbagliato. Una volta scelta la lingua sbagliata, ogni parola di quel tratto è sbagliata insieme.
Rimedio nella registrazione. Se la registrazione è in una sola lingua, indicala. Lascia attivo il rilevamento quando si parlano davvero due o più lingue, in modo che ogni parte venga trascritta nella sua lingua; indicarne una sola costringerebbe l'altra dentro di essa. In una trascrizione in diretta la lingua può essere cambiata mentre è in corso, e il cambio vale subito.
Rimedio nella trascrizione. Una riga sentita nella lingua sbagliata non si può correggere parola per parola, perché non c'è nulla di giusto. VocalStack può trascrivere di nuovo la riga: scegli la lingua in cui è stata davvero pronunciata, e l'audio della riga viene riletto in quella lingua. Il risultato sostituisce la riga come una normale correzione, con lo stesso annullamento di qualsiasi altra.
Che aspetto ha. «The fees went up» diventa «The thieves went up». «Free» e «three» si scambiano. Gli errori si diffondono su tutta la registrazione, e sono peggiori per chi parla da remoto in una chiamata.
Perché succede. Molti dei suoni che distinguono «f», «s» e «th» stanno nelle frequenze alte. Una linea telefonica non porta nulla sopra circa 3,4 kHz, e un auricolare Bluetooth spesso fa passare il suo microfono a una modalità di chiamata con una gamma molto più stretta. La compressione a basso bitrate delle videochiamate ne toglie ancora di più. Il sistema riceve un audio in cui quei suoni sono già spariti, e sceglie a caso tra parole che ora suonano identiche.
Rimedio nella registrazione. Usa un microfono cablato, o un auricolare il cui microfono resti nella modalità a qualità piena. Registra ogni parlante da remoto dal suo lato se puoi, invece di registrare la chiamata. Per un evento, prendi il segnale dal mixer audio invece che dal microfono di un portatile o di un telefono in sala: la configurazione in diretta di VocalStack usa un cavo dal mixer, mentre il microfono integrato di un telefono raccoglie più suono della stanza.
Rimedio nella trascrizione. L'audio che non è mai stato catturato non si può recuperare, né da una macchina né da una persona. Usa i segni delle parole incerte per trovare i tratti danneggiati, ascolta la riga per verificare e correggi ciò che senti. Dove nessuno può dire che cosa è stato detto, nascondere la riga è più onesto che lasciare un'ipotesi.
Che aspetto ha. «Fifteen» diventa «fifty». «One twenty» diventa «120» quando chi parlava intendeva un dollaro e venti. «The third of the fourth» esce come una data nell'ordine sbagliato. Ogni errore è una parola sola, e tutte le altre parole della frase sono giuste.
Perché succede. «Fifteen» e «fifty» differiscono soprattutto per la sillaba accentata, ed è la prima cosa che si perde con il rumore o con un parlato veloce. I numeri detti a voce omettono anche ciò di cui i numeri scritti hanno bisogno: unità, separatori decimali, ordine di giorno e mese. Il sistema deve indovinare il formato, e la sua ipotesi è la più comune, non la tua.
Rimedio nella registrazione. Chiedi a chi parla di dire le cifre per esteso, con l'unità: «one dollar twenty», «the fifteenth of March». Per un intervento preparato, metti le cifre nello script.
Rimedio nella trascrizione. Controlla a orecchio ogni cifra che conta prima che la trascrizione venga citata, inviata o pubblicata. Un numero sbagliato si legge come uno giusto, quindi nulla sulla pagina ti avverte. Cosa misura il word error rate, e cosa non vede spiega perché una sola cifra sbagliata costa più della sua quota nel tasso di errore.
Quando una trascrizione ha molti problemi, correggili in quest'ordine, così nessuna correzione viene annullata dalla successiva:
Poi rendi più facile la registrazione successiva: un microfono per parlante, la lingua indicata e uno script con i nomi. La maggior parte degli errori di trascrizione audio si decide prima che qualcuno prema registra.
Per un'udienza, una visita medica o qualsiasi caso in cui una parola sbagliata ha conseguenze, fai controllare la trascrizione a una persona prima di usarla, qualunque sistema l'abbia prodotta. Per vedere quali di questi errori produce il tuo audio, prova una registrazione nella Dashboard.