Pengesan bahasa sentiasa memberi jawapan, walaupun kepada batuk. Biarkan pengesanan aktif untuk audio yang jelas atau bercampur bahasa, dan namakan bahasa apabila satu bahasa dituturkan di tengah bunyi bising atau loghat yang pekat.
Setiap transkripsi bermula dengan satu soalan yang tidak pernah dilihat pembaca: bahasa apakah ini? Jika jawapannya salah, bahagian lain saluran paip bekerja keras menghasilkan kata-kata yang lancar tetapi tidak masuk akal. Artikel ini menerangkan apa yang didengar oleh pengesan bahasa, bagaimana pengesanan berkelakuan untuk audio langsung dan untuk fail, serta bila anda lebih baik menamakan bahasa itu sendiri.
Pengesan bahasa tidak memahami apa yang dituturkan. Ia melihat bunyi itu sendiri: inventori konsonan dan vokal, cara suku kata ditekankan, irama frasa, serta perkataan pendek dan kerap yang disandarkan oleh setiap bahasa. Bahasa Sepanyol mempunyai set vokal dan irama sendiri; bahasa Belanda dan Jerman berkongsi banyak perkara tetapi berpisah pada beberapa bunyi. Beberapa saat pertuturan yang jelas biasanya cukup untuk membezakannya.
Banyak pengecam melakukan ini sebagai hasil sampingan pengecaman perkataan. Mereka menentukan bahasa daripada permulaan audio, sebagai kebarangkalian bagi setiap bahasa yang mereka kenali. Dua perkara mengikuti reka bentuk ini. Kebarangkalian sentiasa berjumlah satu, jadi tiada jawapan "tiada bahasa": senyap, batuk atau bunyi muzik juga mendapat satu bahasa, selalunya dengan skor yakin. Dan keputusan dibuat daripada permulaan, sampel yang paling teruk untuk dipilih. Banyak rakaman dibuka dengan ucapan salam, nama dan nama tempat, yang membawa sangat sedikit isyarat bahasa: "Selamat pagi, Maria, selamat datang ke Berlin" hampir sama Jerman seperti Inggeris. Yang lain dibuka dengan senyap atau batuk, dan pengesan yang diminta membuat keputusan akan tetap membuat keputusan, dengan yakin, berdasarkan tiada apa-apa. Audio sebenar juga berlaku begini: kebaktian gereja dalam bahasa Romania yang dibuka dengan bunyi bilik dan "Bună dimineața" boleh dengan mudah didengar sebagai bahasa Itali "Buona domenica", dengan kepastian sepenuhnya.
Kos jawapan yang salah juga lebih teruk daripada yang kedengaran. Pengecam yang menyahkod dalam bahasa yang salah bukan sekadar mengeja salah; ia menulis semula. Ayat Inggeris "For God so loved the world", apabila dinyahkod sebagai bahasa Romania, keluar sebagai "Forgot to love the world". Ayat Romania "mândria slujește", apabila dinyahkod sebagai bahasa Inggeris, keluar sebagai "Pride serves", iaitu terjemahan yang tepat bagi ayat yang tiada siapa minta diterjemahkan. Perkataannya lancar dan transkrip tidak memberi sebarang tanda bahawa ada yang tidak kena, dan itulah yang menjadikan ralat ini mahal.
Lima perkara paling kerap menipu pengesan:
Yang mana satu menjejaskan anda bergantung pada sama ada audio tiba secara langsung atau sudah berada dalam fail.
Untuk transkripsi langsung, tiada rakaman penuh untuk diperhatikan. Audio tiba semasa dituturkan, dan transkrip mesti tiba bersamanya. Maka bahasa dikesan semasa penutur bercakap, dan diikuti jika mereka bertukar. Inilah maksud nota di bawah suis Spoken language apabila anda memulakan transkripsi langsung di Papan Pemuka: bahasa penutur dikesan secara automatik, dan mereka boleh bertukar bila-bila masa.
Pertukaran disahkan sebelum ia dilaksanakan, supaya satu tompok bunyi bising tidak menarik transkrip ke bahasa lain. Kelemahannya terletak pada permulaan: jika perkataan pertama ialah ucapan salam yang bising, baris pertama mungkin keluar dalam bahasa yang salah. Menamakan bahasa mengelakkan perkara itu.
Fail berfungsi dengan cara yang berbeza, kerana keseluruhan rakaman sudah sedia ada.
Fail ialah masalah yang lebih baik: tidak perlu mempercayai beberapa saat pertama. Untuk fail, bahasa ditentukan daripada keseluruhan rakaman, jadi ucapan salam yang bising pada permulaan tidak boleh menentukannya.
Bahasa fail masih merupakan andaian kerja, bukan keputusan muktamad. Rakaman yang benar-benar bertukar bahasa di tengah, seperti temu bual yang beralih dari bahasa Inggeris ke bahasa Romania untuk separuh kedua, diikuti dan bukannya dipaksa, dan rakaman yang bertukar-tukar antara bahasa sepanjang masa juga dikendalikan.
Pengesan yang membuat keputusan sekali dan tidak pernah menoleh ke belakang yakin di tempat yang salah.
Tiada pengesan banyak membantu apabila keseluruhan rakaman bising. Pengesanan ialah lalai kerana ia betul kebanyakan masa dan tidak menelan kos. Walau bagaimanapun, untuk sesetengah rakaman, anda patut menamakan bahasa, dan Papan Pemuka memberitahu rakaman yang mana: menamakan bahasa yang dituturkan meningkatkan ketepatan pada rakaman bising dan loghat yang pekat.
Itulah kes di mana pengesanan mempunyai paling sedikit untuk dikerjakan. Bunyi bising menghapuskan isyarat yang bergantung pada pengesan; loghat yang pekat mengalihkannya ke arah bahasa lain; pasangan yang berkait rapat menawarkan sedikit isyarat sejak awal. Penutur bahasa Inggeris dengan loghat Portugis yang kuat dalam dewan bergema sukar dikenal pasti hanya daripada bunyi, dan jika pengesan meletakkannya di tempat yang salah, transkrip akan menukar pertuturan bahasa Inggeris kepada bahasa Portugis selagi kesilapan itu berlanjutan. Menamakan bahasa menghapuskan persoalan itu, jadi semua usaha tertumpu pada perkataan.
Senarai ringkas:
Menamakan bahasa ialah tetapan transkripsi, bukan akaun anda, jadi anda boleh memutuskan bagi setiap rakaman. Semua yang di atas bergantung pada satu pilihan API.
spokenLanguage tiada bermaksud kesan; session.update semasa strimDalam API, spokenLanguage ialah kod bahasa seperti en; jika ia ditinggalkan, bahasa dikesan. Ia muncul dalam settings bagi transkripsi fail atau pautan dan dalam pilihan sesi masa nyata. Pengesanan dan penamaan meliputi 100 bahasa yang sama. Terjemahan ke dalam sehingga 10 daripadanya ialah pilihan berasingan, dan ia tidak bergantung pada bahasa yang dikesan atau dinamakan. Cara terjemahan mengikut kelajuan pertuturan dibincangkan dalam Kelewatan terjemahan langsung, dijelaskan.
{ "name": "Board meeting", "settings": { "spokenLanguage": "en", "speakerLabels": "auto" } }
Sesi masa nyata mengambil pilihan yang sama semasa ia dicipta, dan anda boleh mengubahnya semasa audio sedang mengalir. Bingkai teks session.update dengan spokenLanguage baharu digunakan pada pertuturan dari saat itu; menetapkannya kepada "" atau "auto" mengembalikan sesi kepada pengesanan, dan kod yang tidak disokong diabaikan. Paparan kapsyen dengan butang bahasa boleh membenarkan operator menamakan bahasa sebaik sahaja mereka melihat baris pertama yang salah, tanpa menyambung semula.
{ "type": "session.update", "spokenLanguage": "ro" }
Senarai kod, dengan nama-namanya, terdapat di GET /v1/languages, yang tidak memerlukan kunci. Aliran masa nyata yang lengkap, dari mencipta sesi di pelayan anda hingga membaca draf dan komitmen, terdapat dalam Transkripsi masa nyata melalui WebSocket, dan rujukan interaktif terdapat di {{api}}/docs. Dalam Papan Pemuka, pilihan yang sama ialah suis Spoken language apabila anda mulakan transkripsi baharu, dan kunci API terdapat di bawah Developers.