Нашар транскрипттің әдетте бір-екі себебі болады, ал беттегі қателер оның қайсысы екенін көрсетеді. Аудио транскрипциясы қателерінің жеті жиі себебі: әрқайсысы қалай көрінеді, неге болады және оны жазбада да, транскриптте де қалай түзетуге болады.
Аудио транскрипциясындағы қателер сирек кездейсоқ болады. «Kubernetes» сөзін «Cooper Netties» деп жазатын, екі адамның сөзін бір атаудың астына қоятын немесе спикер «fifteen» деген жерде «fifty» деп жазатын транскрипт сізге қате неден кеткенін көрсетіп тұр. Әр себеп өз қателігін қалдырады және әрқайсысының өз түзетуі бар. Кейбір түзетулер келесі жазбаға, кейбірі қолыңыздағы транскриптке тиесілі.
Бұл нұсқаулық қателіктен басталады. Төмендегі тізімнен өз транскриптіңізге сәйкес келетінін тауып, оның бөліміне өтіңіз: қате қалай көрінеді, ол неге пайда болады және оған не істеуге болады.
Транскрипциядағы мәселелердің көпшілігі жеті үлгіге бөлінеді. Белгіні себеппен салыстырыңыз:
Екі себеп жиі қабаттасады. Шулы кафеде құлаққап киіп, акцентпен сөйлейтін қашықтағы қонақ бір мезгілде үш түрлі қате тудырады. Ең көп жолдарға әсер ететін себепті алдымен түзетіңіз: әдетте алдымен аудионы, сосын тілді, сосын сөздерді.
Қалай көрінеді. Кафеде жасалған жазбада «Let's move the launch to March» деген сөйлем «Let's move the lunch to March» болып шығады. Есік тарсылдаған кезде бір сөз жоғалады. Ауа баптағыш ызылдап тұрған ұзақ тыныштықта ешкім айтпаған жол пайда болады, мысалы «Thank you for watching.».
Неге болады. Сөйлеуді тану жүйесі өзіне келген дыбысқа ең ықтимал сөздерді болжайды. Шу сөйлеудің ең әлсіз бөліктерін бірінші болып жауып тастайды: сөз соңдарын және арасындағы қысқа сөздерді. Нақты сигнал азайған сайын болжам әдетте келесі келетін нәрсеге көбірек сүйенеді, ал «lunch» сөзі «launch» сөзіне қарағанда жиірек кездеседі. Мүлде сөйлеусіз тұрақты шудың үстінде кейбір жүйелер бәрібір дайын сөз тіркесін шығарады, себебі олар дыбыс естігенде бір нәрсе жазуға үйретілген.
Жазбада түзету. Дыбыс деңгейін көтерудің орнына микрофонды спикерге жақындатыңыз. Қашықтықты екі есе арттыру спикердің тікелей дыбысын шамамен 6 дБ азайтады, ал бөлме шуы өз орнында қалады, сондықтан жақындық кез келген параметрден маңыздырақ. Мүмкін болса, жазу кезінде желдеткіштер мен ауа баптағыштарды өшіріңіз және шыны мен плиткасы бар бөлменің орнына жұмсақ беттері бар бөлмеде жазыңыз.
Транскриптте түзету. VocalStack-те шулы жазбаларда автоматты тіл анықтауды қалдырудың орнына сөйлеу тілін көрсетіңіз. Басқару тақтасының өз ескертпесі де осылай дейді: тілді көрсету шулы жазбалар мен күшті акценттерде дәлдікті жақсартады. Тікелей транскрипцияда Accuracy кідіріс режимі қиын аудиода қате азаюы үшін сәл көбірек кідірісті қабылдайды. Қозғалтқыш ең аз сенімді жолдар (транскрипцияның сенімділік шегінен, әдепкі бойынша 0.60, төмен) тыңдаушыларға болжам емес, «Audio unclear» түрінде көрсетіледі және ешқашан дауыстап оқылмайды. Таза ойдан шығарылған жолды қолмен жасыруға болады: жасырылған жолдар транскриптке, экспортқа, субтитрлерге және плеерге енгізілмейді.
Қалай көрінеді. «The data shows a thirty percent rise» сөйлемі «The data shows a dirty percent rise» болып шығады. Қателер бір спикерді жазба бойы ілесіп жүреді, ал басқалардың жолдары таза.
Неге болады. Тану жүйесі сөздердің қалай дыбысталатынын өзі оқытылған сөйлеуден үйренеді. Спикер дыбысты сол сөйлеудің көпшілігінен басқаша айтқанда, мысалы «th» дыбысын «d» деп айтса, жүйе айтылғанды дәл естиді және сол дыбысқа ең сай келетін нақты сөзді таңдайды. Автоматты тіл анықтау жағдайды нашарлатуы мүмкін: күшті акцент белгілерді мүлде басқа тілге қарай ауыстыруы мүмкін (автоматты тіл анықтау қалай жұмыс істейді бөлімін қараңыз).
Жазбада түзету. Тікелей баяндама үшін бастамас бұрын Reference Script қосыңыз (төмендегі терминдер бөлімін қараңыз), сонда спикер айтуы мүмкін сөздер алдын ала белгілі болады. Жақсы микрофон кез келген акцентке көмектеседі, себебі әр дыбыстың көбірек бөлігі қозғалтқышқа жетеді.
Транскриптте түзету. Сол жазба үшін сөйлеу тілін көрсетіңіз. Содан кейін Fix қойындысын пайдаланыңыз: Mark uncertain words қозғалтқыш күмәнданған сөздерді бояп, астын сызады, сонда бәрін қайта оқудың орнына белгісіз бөліктерді бір-бірлеп аралауға болады. Қозғалтқыш басқа сөздерді қарастырған жерде оларды түзету ұсыныстары ретінде көрсетеді, сондықтан «dirty» сөзін «thirty» деп түзету әдетте бір басумен орындалады. Play just this word өзгертпес бұрын құлақпен тексеруге мүмкіндік береді.
Қалай көрінеді. Бір спикер «So we agree on Tuesday?» деп сұрайды, ал екіншісі «No, Thursday works» деп сөзін бөледі. Транскрипт 1-спикер астында бір жолды көрсетеді: «So we agree on Tuesday no Thursday works.» Немесе керісінше: жиналыстың ортасында қызып кеткен бір адам 1-спикер және 3-спикер болып көрінеді.
Неге болады. Астында екі бөлек тапсырма жұмыс істейді. Сөйлеуді тану сөздерді жазады; спикерлерді ажырату (диаризация) әр дауыстың қалай естілетініне қарап, кім қашан сөйлегенін анықтайды. Көптеген жүйелер аудионың әр бөлігіне бір спикер береді, сондықтан екі адам бір мезгілде сөйлегенде біреуі ұтылады. Біреудің дауысындағы өзгеріс (қызған, шаршаған, микрофоннан алысырақ) оны жаңа адам сияқты көрсетуі мүмкін. Спикерлерді ажырату мен сөйлеуді тану екі тапсырманы да егжей-тегжейлі түсіндіреді.
Жазбада түзету. Әр адамға өз микрофонын беріңіз. Бір осы өзгеріс бірнеше спикер үшін кез келген параметрден көбірек нәтиже береді. Панельде немесе залдан сұрақ қойылатын жиналыста модератордан әр сұраққа жауап бермес бұрын оны өз микрофонына қайталауын сұраңыз.
Транскриптте түзету. Спикер белгілері параметрін таңдаңыз: When Needed (әдепкі) екінші дауыс естілген соң жолдарды белгілейді, On әр жолды белгілейді, Off ешқайсысын белгілемейді. Әр спикерге жазба кезінде немесе одан кейін ат беріңіз. Ат сөздердің үстіндегі қабат болғандықтан, мәтінді ешқашан өзгертпейді және транскрипцияның әр жазбасындағы сол адамға қолданылады. Жиі жазатын спикерді сақтап қойыңыз, кейінгі транскрипциялар оны атымен таниды. Екі сөйлемді қосып жіберген жолды екіге бөлуге болады: жаңа жол басталатын аралықты басыңыз.
Қалай көрінеді. «We deployed it on Kubernetes» сөйлемі «We deployed it on Cooper Netties» болады. «Ms Nguyen» «Miss Win» болады. Дәрінің атауы үш қысқа ағылшын сөзіне айналады. Сөйлемнің қалған бөлігі дұрыс.
Неге болады. Жүйе тек өзі білетін сөздерді жаза алады, ал есім көбіне бір-ақ рет кездеседі, оны болжауға болатын ештеңе айналасында болмайды. Жүйе сөзді ешқашан көрмеген болса, дыбысы ең жақын қарапайым сөздерді таңдайды. Бұл техникалық терминологияны дәл транскрипциялаудағы ең қиын жағдай: сөйлем ешқандай меңзеу бермейді, сондықтан ешқандай контекст көмектеспейді.
Жазбада түзету. Спикер айтпас бұрын жүйеге сөздерді беріңіз. VocalStack-те бұл Reference Script: бастамас бұрын тікелей баяндаманың мәтінін немесе слайдтарын, не есімдер мен терминдер тізімін қосыңыз, сонда олардағы есімдер мен терминдер қате естілгеннен басым түседі. Баяндама кезінде скрипт транскриптті телесуфлер сияқты ілесіп жүреді. Скрипт түзеткен әр сөз түзетулер арасында SCRIPT деп белгіленеді және спикер шынымен басқа нәрсе айтқан болса, оны болдырмауға болады.
Транскриптте түзету. Атауды бір рет түзетіп, қалғанын іздеу арқылы тексеріңіз. Транскрипция тікелей болып тұрғанда түзетулер әр тыңдаушыға, олар оқитын әр тілде жетеді, ал әр түзету тізімде көрсетіледі және оны болдырмауға болады. Экспорттар (SRT, PDF, Excel, JSON) түзетулерді қамтиды, сондықтан субтитрлер мен құжаттарда түзетілген жазылым болады.
Қалай көрінеді. Баяндама испан тіліндегі сәлемдесумен басталып, ағылшынша жалғасады, ал ағылшын мәтіні испанға ұқсайтын мағынасыз мәтін болып шығады. Немесе ағылшын транскриптінің ортасындағы бірнеше жол туыс тілде жазылады. Кейбір жүйелер қате тілге қойылса, айтылғанның орнына дөрекі аударма жазады.
Неге болады. Тіл көрсетілмегенде жүйе тілді дыбыстан анықтауы керек, көбіне алғашқы бірнеше секундтан. Сәлемдесу, дәйексөз немесе күшті акцент оны қате бағытқа бұруы мүмкін. Қате тілді таңдаған соң, сол бөліктегі әр сөз бірге қате болады.
Жазбада түзету. Жазба бір тілде болса, оны көрсетіңіз. Шынымен екі не одан көп тіл сөйленгенде анықтауды қосулы қалдырыңыз, сонда әр бөлік өз тілінде транскрипцияланады; біреуін көрсету екіншісін соған күштеп кіргізер еді. Тікелей транскрипцияда тілді ол жұмыс істеп тұрғанда өзгертуге болады және өзгеріс бірден қолданылады.
Транскриптте түзету. Қате тілде естілген жолды сөзбе-сөз түзетуге болмайды, себебі онда ештеңе дұрыс емес. VocalStack жолды қайта транскрипциялай алады: ол шын мәнінде сөйленген тілді таңдаңыз, жолдың аудиосы сол тілде қайта оқылады. Нәтиже жолды кәдімгі түзету ретінде алмастырады және болдырмау басқа түзетулердегідей жұмыс істейді.
Қалай көрінеді. Ағылшынша жазбада «The fees went up» сөйлемі «The thieves went up» болады, ал «free» мен «three» орындарын ауыстырады. Қателер бүкіл жазбаға таралады және қоңырауда қашықтағы спикерде ең нашар болады.
Неге болады. «F», «s» және «th» дыбыстарын ажырататын дыбыстардың көбі жиілік диапазонының жоғарғы жағында орналасқан. Телефон желісі шамамен 3,4 кГц-тен жоғарыны өткізбейді, ал Bluetooth құлаққап микрофонын көбіне әлдеқайда тар диапазонды қоңырау режиміне ауыстырады. Бейне қоңырауларда төмен битрейтпен сығу одан да көп нәрсені жояды. Жүйе ол дыбыстар әлдеқашан жоқ аудионы алады және енді бірдей естілетін сөздер арасынан болжайды.
Жазбада түзету. Сымды микрофонды немесе микрофоны толық сапа режимінде қалатын құлаққапты пайдаланыңыз. Мүмкін болса, қоңырауды жазудың орнына әр қашықтағы спикерді өз жағында жазыңыз. Іс-шара үшін залдағы ноутбук не телефон микрофонының орнына аудио микшерден сигнал алыңыз: VocalStack-тің тікелей эфир орнатуы микшерден бір кабель алады, ал телефонның кіріктірілген микрофоны бөлмені көбірек қабылдайды.
Транскриптте түзету. Ешқашан жазылмаған аудионы машина да, адам да қалпына келтіре алмайды. Зақымдалған бөліктерді табу үшін белгісіз сөздер белгілерін пайдаланыңыз, тексеру үшін жолды ойнатыңыз және естігеніңізді түзетіңіз. Не айтылғанын ешкім анықтай алмайтын жерде жолды жасыру болжамды қалдырудан гөрі адалырақ.
Қалай көрінеді. «Fifteen» «fifty» болады. «One twenty» спикер бір доллар жиырма цент деп айтқанда «120» болады. «The third of the fourth» күні қате ретпен шығады. Әр қате бір сөзден тұрады, ал сөйлемдегі басқа сөздердің бәрі дұрыс.
Неге болады. «Fifteen» мен «fifty» негізінен қай буынға екпін түсетінімен ерекшеленеді және бұл айырмашылық шуда немесе жылдам сөйлейтін спикерде ең алдымен жоғалады. Айтылған сандар жазылған сандарға қажет нәрсені де қалдырып кетеді: өлшем бірліктерін, ондық белгілерін, күн мен айдың ретін. Жүйе пішімді болжауы керек, ал оның болжамы ең жиі кездесетіні, сіздікі емес.
Жазбада түзету. Спикерлерден сандарды бірлігімен толық айтуын сұраңыз: «one dollar twenty», «the fifteenth of March». Дайындалған баяндамада сандарды скриптке енгізіңіз.
Транскриптте түзету. Транскрипт дәйексөз ретінде келтірілместен, жіберілместен немесе жарияланбастан бұрын маңызды әр санды құлақпен тексеріңіз. Қате сан дұрыс сан сияқты оқылады, сондықтан беттегі ештеңе сізді ескертпейді. Сөз қатесінің деңгейі нені өлшейді және нені байқамайды бір қате санның қате деңгейіндегі үлесінен неге көбірек шығын әкелетінін түсіндіреді.
Транскриптте мәселе көп болғанда, оларды осы ретпен түзетіңіз, сонда бірде-бір түзетуді келесісі жоққа шығармайды:
Содан кейін келесі жазбаны жеңілдетіңіз: әр спикерге бір микрофон, тіл көрсетілген және есімдері бар скрипт. Аудио транскрипциясы қателерінің көпшілігі ешкім жазуды басқанға дейін-ақ анықталады.
Сот отырысы, медициналық кеңес немесе бір қате сөздің салдары болатын кез келген жағдай үшін транскриптті қай жүйе жасағанына қарамастан, пайдаланбас бұрын адам тексеруі керек. Өз аудиоңыз осы қателердің қайсысын тудыратынын көру үшін басқару тақтасында жазбаны байқап көріңіз.