Transkrip yang teruk biasanya mempunyai satu atau dua punca, dan kesilapan pada halaman itu memberitahu puncanya. Tujuh punca biasa ralat transkripsi audio, rupa setiap satu, sebab ia berlaku, dan cara membetulkannya dalam rakaman serta dalam transkrip.
Ralat transkripsi audio jarang berlaku secara rawak. Transkrip yang menukar "Kubernetes" kepada "Cooper Netties", meletakkan kata-kata dua orang di bawah satu nama, atau menulis "fifty" apabila penutur sebenarnya menyebut "fifteen" sedang menunjukkan apa yang tidak kena. Setiap punca meninggalkan jenis kesilapan tersendiri, dan setiap satu mempunyai pembetulan tersendiri. Sebahagian pembetulan terletak pada rakaman seterusnya, sebahagian lagi pada transkrip yang sudah anda miliki.
Panduan ini bermula daripada kesilapan. Cari dalam senarai di bawah yang sepadan dengan transkrip anda, kemudian pergi ke bahagiannya: rupa ralat itu, sebab ia berlaku dalam bahasa mudah, dan apa yang perlu dilakukan.
Kebanyakan masalah transkripsi tergolong dalam tujuh corak. Padankan gejala dengan puncanya:
Dua punca sering bertindih. Tetamu jauh yang memakai fon kepala di kafe yang bising dan bercakap dengan loghat akan menghasilkan tiga jenis ralat sekali gus. Betulkan dahulu punca yang menjejaskan paling banyak baris: biasanya audio, kemudian bahasa, kemudian perkataan.
Rupanya. Dalam rakaman yang dibuat di kafe, "Let's move the launch to March" menjadi "Let's move the lunch to March" (rakaman itu dalam bahasa Inggeris). Satu perkataan di bawah dentuman pintu hilang. Pada senyap yang panjang dengan pendingin hawa berdengung, muncul baris yang tiada siapa sebut, seperti "Thank you for watching."
Mengapa berlaku. Pengecaman pertuturan meneka perkataan yang paling mungkin bagi bunyi yang diterimanya. Bunyi bising menutup bahagian pertuturan yang perlahan dahulu: hujung perkataan dan perkataan pendek di antaranya. Dengan isyarat sebenar yang lebih sedikit, tekaan itu lebih bergantung pada apa yang biasanya mengikuti, dan "lunch" ialah perkataan yang lebih lazim daripada "launch". Pada bunyi bising yang tetap tanpa sebarang pertuturan, sesetengah sistem masih menghasilkan frasa lazim, kerana ia dilatih untuk menulis sesuatu setiap kali ia mendengar bunyi.
Pembetulan dalam rakaman. Dekatkan mikrofon kepada penutur dan jangan sekadar menguatkan volum. Menggandakan jarak mengurangkan bunyi langsung penutur sekitar 6 dB sementara bising bilik kekal sama, jadi kedekatan lebih penting daripada sebarang tetapan. Matikan kipas dan penyaman udara semasa merakam jika boleh, dan rakam di bilik yang mempunyai permukaan lembut dan bukan kaca serta jubin.
Pembetulan dalam transkrip. Dalam VocalStack, nyatakan bahasa yang dituturkan pada rakaman yang bising dan jangan biarkan pengesanan automatik. Nota Papan Pemuka sendiri mengatakannya: menamakan bahasa meningkatkan ketepatan pada rakaman yang bising dan loghat yang pekat. Untuk transkripsi langsung, mod kependaman Accuracy menerima sedikit lebih kelewatan sebagai pertukaran untuk kurang kesilapan pada audio yang sukar. Baris yang paling kurang diyakini enjin (di bawah ambang keyakinan transkripsi, 0.60 secara lalai) ditunjukkan kepada pendengar sebagai "Audio unclear" dan bukannya tekaan, dan tidak pernah dibacakan. Baris yang sepenuhnya rekaan boleh disembunyikan secara manual: baris tersembunyi ditinggalkan daripada transkrip, eksport, sari kata dan pemain.
Rupanya. "The data shows a thirty percent rise" menjadi "The data shows a dirty percent rise". Kesilapan mengikuti seorang penutur sepanjang rakaman, sementara baris orang lain bersih.
Mengapa berlaku. Sistem pengecaman belajar bagaimana perkataan berbunyi daripada pertuturan yang digunakan untuk melatihnya. Apabila seorang penutur menyebut sesuatu bunyi secara berbeza daripada kebanyakan pertuturan itu, seperti "th" disebut sebagai "d", sistem mendengar tepat apa yang dituturkan dan memilih perkataan sebenar yang paling sepadan dengan bunyi itu. Pengesanan bahasa automatik boleh memburukkan lagi keadaan: loghat yang kuat boleh mengalihkan petunjuk ke bahasa lain sama sekali (lihat cara pengesanan bahasa automatik berfungsi).
Pembetulan dalam rakaman. Untuk ceramah langsung, tambah Reference Script sebelum bermula (lihat bahagian jargon di bawah), supaya perkataan yang mungkin disebut oleh penutur sudah diketahui. Mikrofon yang baik membantu setiap loghat, kerana lebih banyak setiap bunyi sampai kepada enjin.
Pembetulan dalam transkrip. Nyatakan bahasa yang dituturkan bagi rakaman itu. Kemudian gunakan tab Fix: Mark uncertain words mewarnakan dan menggaris bawahi perkataan yang tidak pasti bagi enjin, dan anda boleh menelusuri segmen yang tidak pasti satu demi satu dan bukannya membaca semula semuanya. Apabila enjin telah mempertimbangkan perkataan lain, ia menawarkannya sebagai pembetulan yang dicadangkan, jadi membetulkan "dirty" kepada "thirty" biasanya cukup dengan satu klik. Play just this word membolehkan anda menyemak dengan telinga sebelum menukar apa-apa.
Rupanya. Seorang penutur bertanya "So we agree on Tuesday?" manakala seorang lagi mencelah dengan "No, Thursday works". Transkrip menunjukkan satu baris di bawah Speaker 1: "So we agree on Tuesday no Thursday works." Atau sebaliknya: seorang yang menjadi bersemangat separuh jalan mesyuarat muncul sebagai Speaker 1 dan Speaker 3.
Mengapa berlaku. Dua tugas berasingan berjalan di bawah permukaan. Pengecaman pertuturan menulis perkataan; diarisasi penutur memutuskan siapa bercakap pada bila, berdasarkan bunyi setiap suara. Kebanyakan sistem memberikan seorang penutur kepada setiap bahagian audio, jadi apabila dua orang bercakap serentak, seorang daripada mereka kalah. Perubahan pada suara seseorang (teruja, letih, lebih jauh daripada mikrofon) boleh menjadikan mereka kelihatan seperti orang baharu. Diarisasi penutur berbanding pengecaman pertuturan menerangkan kedua-dua tugas itu dengan terperinci.
Pembetulan dalam rakaman. Beri setiap orang mikrofon sendiri. Satu perubahan itu melakukan lebih banyak untuk berbilang penutur berbanding sebarang tetapan. Pada panel atau mesyuarat dengan soalan daripada khalayak, minta pengacara mengulang setiap soalan ke dalam mikrofonnya sendiri sebelum ia dijawab.
Pembetulan dalam transkrip. Pilih tetapan label penutur: When Needed (lalai) melabel baris sebaik sahaja suara kedua didengari, On melabel setiap baris, Off tidak melabel sebarang baris. Namakan setiap penutur semasa atau selepas rakaman. Nama ialah lapisan di atas perkataan, jadi ia tidak pernah mengubah teks, dan ia terpakai kepada orang itu dalam setiap rakaman bagi transkripsi tersebut. Simpan penutur yang sering anda rakam, dan transkripsi kemudian akan mengecamnya mengikut nama. Baris yang menggabungkan dua ayat boleh dipisahkan kepada dua: ketik pada ruang yang menjadi permulaan baris baharu.
Rupanya. "We deployed it on Kubernetes" menjadi "We deployed it on Cooper Netties". "Ms Nguyen" menjadi "Miss Win". Nama ubat bertukar menjadi tiga perkataan Inggeris pendek. Selebihnya ayat itu baik.
Mengapa berlaku. Sistem hanya boleh menulis perkataan yang dikenalinya, dan sesuatu nama sering muncul sekali sahaja, tanpa apa-apa di sekelilingnya yang boleh meramalkannya. Apabila ia tidak pernah melihat perkataan itu, ia memilih perkataan biasa yang bunyinya paling hampir. Ini kes paling sukar bagi transkripsi istilah teknikal yang tepat: ayat itu tidak memberi petunjuk, jadi tiada konteks yang dapat membetulkannya.
Pembetulan dalam rakaman. Beri sistem perkataan itu sebelum penutur menyebutnya. Dalam VocalStack itulah Reference Script: tambah skrip atau slaid ceramah langsung, atau senarai nama dan istilah, sebelum anda bermula, dan nama serta istilah daripadanya mengatasi apa yang tersalah dengar. Semasa ceramah, skrip itu mengikuti transkrip seperti teleprompter. Setiap perkataan yang dibetulkan oleh skrip ditanda SCRIPT di kalangan pembetulan dan boleh dibatalkan jika penutur sebenarnya menyebut perkara lain.
Pembetulan dalam transkrip. Betulkan nama itu sekali dan semak selebihnya dengan carian. Pembetulan sampai kepada setiap pendengar semasa transkripsi masih langsung, dalam setiap bahasa yang mereka baca, dan setiap pembetulan disenaraikan dan boleh dibatalkan. Eksport (SRT, PDF, Excel, JSON) mengandungi pembetulan, jadi sari kata dan dokumen membawa ejaan yang telah dibetulkan.
Rupanya. Satu ceramah dibuka dengan ucapan salam dalam bahasa Sepanyol dan diteruskan dalam bahasa Inggeris, dan bahasa Inggeris itu keluar sebagai karutan yang kelihatan seperti bahasa Sepanyol. Atau beberapa baris di tengah transkrip bahasa Inggeris muncul dalam bahasa yang berkaitan. Sesetengah sistem, apabila ditetapkan pada bahasa yang salah, menulis terjemahan kasar dan bukannya apa yang dituturkan.
Mengapa berlaku. Apabila tiada bahasa dinamakan, sistem perlu mengesannya daripada bunyi, selalunya daripada beberapa saat pertama. Ucapan salam, petikan atau loghat yang kuat boleh menghalakannya ke arah yang salah. Sebaik sahaja ia memilih bahasa yang salah, setiap perkataan pada bahagian itu salah serentak.
Pembetulan dalam rakaman. Jika rakaman dalam satu bahasa, namakan bahasa itu. Biarkan pengesanan hidup apabila dua bahasa atau lebih benar-benar dituturkan, supaya setiap bahagian ditranskripsi dalam bahasanya sendiri; menamakan satu sahaja akan memaksa yang lain masuk ke dalamnya. Dalam transkripsi langsung, bahasa boleh ditukar semasa ia berjalan, dan perubahan itu terpakai serta-merta.
Pembetulan dalam transkrip. Baris yang didengar dalam bahasa yang salah tidak boleh dibetulkan perkataan demi perkataan, kerana tiada apa pun di dalamnya yang betul. VocalStack boleh mentranskripsi semula baris itu: pilih bahasa yang sebenarnya dituturkan, dan audio baris itu dibaca semula dalam bahasa tersebut. Hasilnya menggantikan baris itu sebagai pembetulan biasa, dengan batal yang sama seperti mana-mana pembetulan lain.
Rupanya. "The fees went up" menjadi "The thieves went up". "Free" dan "three" bertukar ganti. Kesilapan merebak ke seluruh rakaman, dan paling teruk bagi penutur jauh dalam panggilan.
Mengapa berlaku. Banyak bunyi yang membezakan "f", "s" dan "th" terletak pada julat frekuensi tinggi. Talian telefon tidak membawa apa-apa di atas kira-kira 3.4 kHz, dan fon kepala Bluetooth sering menukar mikrofonnya kepada mod panggilan dengan julat yang jauh lebih sempit. Pemampatan kadar bit rendah dalam panggilan video membuang lebih banyak lagi. Sistem menerima audio yang bunyi-bunyi itu sudah hilang, lalu meneka antara perkataan yang kini berbunyi sama.
Pembetulan dalam rakaman. Gunakan mikrofon berwayar, atau fon kepala yang mikrofonnya kekal dalam mod kualiti penuh. Rakam setiap penutur jauh di pihak mereka jika boleh, dan bukannya merakam panggilan. Untuk acara, ambil suapan daripada pengadun audio dan bukannya mikrofon komputer riba atau telefon di dalam bilik: persediaan langsung VocalStack mengambil satu kabel daripada pengadun, manakala mikrofon terbina dalam telefon menangkap lebih banyak bunyi bilik.
Pembetulan dalam transkrip. Audio yang tidak pernah ditangkap tidak boleh dipulihkan, sama ada oleh mesin atau manusia. Gunakan tanda perkataan tidak pasti untuk mencari bahagian yang rosak, mainkan baris itu untuk menyemak, dan betulkan apa yang anda dengar. Apabila tiada siapa dapat memastikan apa yang dituturkan, menyembunyikan baris itu lebih jujur daripada membiarkan tekaan.
Rupanya. "Fifteen" menjadi "fifty". "One twenty" menjadi "120" apabila penutur maksudkan satu dolar dua puluh sen. "The third of the fourth" keluar sebagai tarikh dalam susunan yang salah. Setiap kesilapan hanya satu perkataan, dan setiap perkataan lain dalam ayat itu betul.
Mengapa berlaku. "Fifteen" dan "fifty" berbeza terutamanya pada suku kata yang ditekankan, dan perbezaan itulah yang pertama hilang akibat bunyi bising atau penutur yang laju. Nombor yang dituturkan juga meninggalkan apa yang diperlukan oleh nombor bertulis: unit, titik perpuluhan, susunan hari dan bulan. Sistem terpaksa meneka format, dan tekaannya ialah yang paling lazim, bukan yang anda maksudkan.
Pembetulan dalam rakaman. Minta penutur menyebut angka secara penuh, dengan unit: "one dollar twenty", "the fifteenth of March". Untuk ceramah yang disediakan, letakkan angka dalam skrip.
Pembetulan dalam transkrip. Semak setiap angka yang penting dengan telinga sebelum transkrip dipetik, dihantar atau diterbitkan. Nombor yang salah dibaca seperti yang betul, jadi tiada apa pada halaman yang memberi amaran kepada anda. Apa yang diukur oleh kadar ralat perkataan, dan apa yang terlepas menerangkan mengapa satu angka yang salah menelan kos lebih besar daripada bahagiannya dalam kadar ralat.
Apabila transkrip mempunyai banyak masalah, betulkan mengikut urutan ini, supaya tiada pembetulan dibatalkan oleh yang seterusnya:
Kemudian permudahkan rakaman seterusnya: satu mikrofon bagi setiap penutur, bahasa dinamakan, dan skrip yang mengandungi nama-nama itu. Kebanyakan ralat transkripsi audio diputuskan sebelum sesiapa menekan rakam.
Untuk perbicaraan, konsultasi perubatan atau apa-apa keadaan yang satu perkataan salah membawa akibat, minta seseorang menyemak transkrip sebelum ia digunakan, tidak kira sistem mana yang menghasilkannya. Untuk melihat ralat mana antara ini yang dihasilkan oleh audio anda sendiri, cuba satu rakaman dalam Papan Pemuka.