Тілді анықтаушы әрқашан жауап береді, тіпті жөтелге де. Таза немесе аралас тілді аудио үшін анықтауды қосулы қалдырыңыз, ал бір тіл шу немесе ауыр акцент үстінде айтылса, тілді өзіңіз атаңыз.
Әр транскрипциялау оқырман ешқашан көрмейтін сұрақтан басталады: бұл қай тіл? Оны дұрыс анықтамасаңыз, қалған өңдеу құбыры жұмыс істейді, бірақ түсінуге жеңіл, жүйелі, мағынасыз мәтін шығарады. Бұл мақалада тілді анықтаушы нені тыңдайтыны, анықтау тікелей эфирдегі аудио мен файлдар үшін қалай жұмыс істейтіні және тілді өзіңіз атаған ең дұрыс болатын жағдайлар түсіндіріледі.
Тілді анықтаушы айтылып жатқан мәнді түсінбейді. Ол дыбыстың өзіне қарайды: дауыссыз мен дауысты дыбыстардың жиынтығына, буын бөлінісіне мен екпінге, сөйлем ырғағына және әр тілге тән қысқа, жиі қолданылатын сөздерге. Испан тілінің өз дауысты дыбыстар жүйесі мен ырғағы бар; голланд және неміс тілдері көп жағынан ұқсас, бірақ бірнеше дыбыста ажырайды. Бірнеше секунд анық сөйлеу оларды ажырату үшін әдетте жеткілікті.
Көптеген тану жүйелері мұны сөздерді тануының жанама өнімі ретінде жасайды. Олар тілді аудионың басынан шешеді, әрбір білетін тіл үшін ықтималдық беріп. Осы құрылымнан екі нәрсе шығады. Ықтималдықтардың қосындысы әрқашан бірге тең, сондықтан «тіл жоқ» деген жауап жоқ: үнсіздік, жөтел немесе музыкалық кесінді де тілге ие болады, көбінесе сенімді ұпаймен бірге. Ал шешім ашылымнан қабылданады, бұл таңдауға болатын ең нашар үлгі. Көптеген жазбалар сәлемдесулер, аттар мен жер атаулары арқылы басталады, ал олар тіл туралы аз ақпарат береді: «Good morning, Maria, welcome to Berlin» ағылшын тіліне қаншалықты жақын болса, неміс тіліне де сонша жақын. Басқалары үнсіздік немесе жөтелмен басталады, және соған шешім қабылдауға тапсырылған анықтаушы ештеңеге қарамай, сенімділікпен шешім шығарады. Нақты аудиода да осылай болады: бөлме шуымен және «Bună dimineața» сөздерімен басталатын румын уағызы толық сенімділікпен итальян тілінің «Buona domenica» деп естілуі мүмкін.
Қате жауаптың құны да айтылғаннан ауыр. Қате тілде декодтаушы қате жазбайды, қайта жазады. «For God so loved the world» румын тілінде декодталғанда «Forgot to love the world» болып шықты. Румын тіліндегі «mândria slujește» ағылшын тілі ретінде декодталғанда «Pride serves» болды, бұл ешкім аударуын сұрамаған сөйлемнің дәл аудармасы. Сөздер сенімді естіледі, ал транскрипт ештеңенің дұрыс емес екенін көрсетпейді, сондықтан қате қымбатқа түседі.
Детекторларды ең жиі алдайтын бес нәрсе:
Қайсысы сізді шатастыратыны аудионың тікелей эфирде келуіне немесе файлда дайын тұруына байланысты.
Тікелей транскрипциялауда тұтас жазба қарайтын ештеңе жоқ. Аудио айтылған кезде келеді, ал транскрипт онымен бірге келуі керек. Сондықтан тіл спикер сөйлеген кезде анықталады және ол ауыстырса, соған ілесіп отырады. Бұл басқару тақтасында тікелей транскрипцияны бастаған кезде Spoken language ауыстырып-қосқышының жанындағы ескертудің мәнін білдіреді: спикердің тілі автоматты түрде анықталады, ал ол кез келген уақытта ауыстыра алады.
Ауысу қолданылмас бұрын расталады, сондықтан бір шулы үзінді транскриптті басқа тілге апармайды. Әлсіз жер — басы: егер алғашқы сөздер шулы сәлемдесу болса, алғашқы жол қате тілде шығуы мүмкін. Тілді өзіңіз атасаңыз, бұл болмайды.
Файлдар басқаша жұмыс істейді, себебі тұтас жазба қолда бар.
Файл — жақсырақ мәселе: алғашқы секундтарға сенудің қажеті жоқ. Файл үшін тіл бүкіл жазбадан шешіледі, сондықтан басындағы шулы сәлемдесу оны шеше алмайды.
Файлдың тілі әлі де жұмыс болжамы, үкім емес. Тілі жазба ортасында нақты өзгеретін жазба — мысалы, екінші жартысы ағылшын тілінен румын тіліне көшетін сұхбат — мәжбүрлеп емес, ілесіп отыру арқылы өңделеді. Бүкіл жазба бойынша тілдер ауысып отыратын жазба да өңделеді.
Бір рет шешіп, бұрылып қарамайтын анықтаушы қате жерде сенімді болады.
Бүкіл жазба шулы болса, ешқандай анықтаушы айтарлықтай көмектеспейді. Анықтау әдепкі болып табылады, себебі ол көбінесе дұрыс және ешқандай шығынсыз жұмыс істейді. Кейбір жазбалар үшін бірақ тілді атау керек, ал оны басқару тақтасы нақты айтады: айтылатын тілді атау шулы жазбаларда және ауыр акцент кезінде дәлдікті жақсартады.
Міне, анықтаушыда ең аз мүмкіндік бар жағдайлар. Шу анықтаушы сүйенетін белгілерді жояды; ауыр акцент оларды басқа тілге қарай ығыстырады; жақын туыс жұп бастапқыда аз белгі береді. Ағылшын тілінде сөйлейтін, күшті португал акценті бар және жаңғырығы көп залдағы спикерді дыбыстан ғана анықтау қиын, ал анықтаушы оны дұрыс емес тілмен анықтаса, транскрипт қате ұзақ уақыт бойы ағылшын сөзін португал мәтініне айналдырады. Тілді атау сұрақты жояды, сондықтан бар күш сөздерге жұмсалады.
Қысқа тексеру тізімі:
Тілді атау — аккаунттың параметрі емес, транскрипцияның параметрі, сондықтан әр жазбаға бөлек шешуге болады. Жоғарыдағының бәрі бір API опциясына келеді.
spokenLanguage жоқ болса — анықтау; ағын барысында session.updateAPI-де spokenLanguage — en сияқты тіл коды; оны алып тастасаңыз, тіл анықталады. Ол файл немесе сілтеме транскрипциясының settings бөлімінде және нақты уақыттағы сессияның опцияларында кездеседі. Анықтау мен атау бірдей 100 тілді қамтиды. 10-ға дейінгі тілге аудару — бөлек таңдау, ол анықталған немесе аталған тілге тәуелді емес. Аударманың сөйлеумен қалай қадам ұстайтыны Тікелей аударманың кідірісі туралы түсіндірмеде талқыланады.
{ "name": "Board meeting", "settings": { "spokenLanguage": "en", "speakerLabels": "auto" } }
Нақты уақыттағы сессия оны жасау кезінде бірдей опцияны қабылдайды, ал аудио ағып жатқанда оны өзгертуге болады. Жаңа spokenLanguage бар session.update мәтіндік фреймі сол сәттен бастап айтылатын сөзге қолданылады; оны "" немесе "auto" етіп орнату сессияны анықтауға қайтарады, ал қолдау көрсетілмеген код елеусіз қалдырылады. Тілі бар түймесі бар субтитр көрінісі оператордың бірінші жолдың қате екенін көрген сәтте тілді атауына мүмкіндік береді, қайта қосылудың қажеті жоқ.
{ "type": "session.update", "spokenLanguage": "ro" }
Тілдер тізімі, атауларымен бірге, GET /v1/languages мекенжайында орналасқан, оған кілт қажет емес. Серверіңізде сессия жасаудан бастап черновиктер мен бекітулерді оқуға дейінгі толық нақты уақыт ағыны WebSocket арқылы нақты уақыттағы транскрипциялау мақаласында, ал интерактивті анықтама {{api}}/docs мекенжайында. Басқару тақтасында дәл осы таңдау жаңа транскрипция бастаған кезде Spoken language ауыстырып-қосқышы болып табылады, ал API кілттері Әзірлеушілер бөлімінде орналасқан.