Kötü bir transkriptin genellikle bir ya da iki nedeni vardır ve sayfadaki hatalar hangisi olduğunu söyler. Ses transkripsiyon hatalarının yedi yaygın nedeni, her birinin neye benzediği, neden olduğu ve hem kayıtta hem transkriptte nasıl düzeltileceği.
Ses transkripsiyon hataları nadiren rastgeledir. “Kubernetes”in “Cooper Netties”e dönüştüğü, iki kişinin sözlerinin tek bir ismin altına yazıldığı ya da konuşmacının “fifteen” dediği yerde “fifty” yazan bir transkript, neyin ters gittiğini size gösterir. Her neden kendine özgü bir hata türü bırakır ve her birinin kendi çaresi vardır. Bazı çareler bir sonraki kayda, bazıları elinizdeki transkripte aittir.
Bu rehber hatadan yola çıkar. Aşağıdaki listede transkriptinize uyanı bulun, sonra onun bölümüne geçin: hata neye benziyor, neden oluyor (sade sözlerle) ve ne yapmalı.
Çoğu transkripsiyon sorunu yedi örüntüden birine girer. Belirtiyi nedenle eşleştirin:
İki neden sıkça üst üste biner. Gürültülü bir kafede kulaklıkla bağlanan, aksanlı konuşan uzaktaki bir konuk aynı anda üç tür hata üretir. Önce en çok satırı etkileyen nedeni düzeltin: genellikle önce ses, sonra dil, sonra kelimeler.
Neye benziyor. Bir kafede alınan kayıtta “Let's move the launch to March”, “Let's move the lunch to March” olarak gelir. Kapı çarpmasının altındaki bir kelime kaybolur. Klimanın uğultusuyla dolu uzun bir sessizlik boyunca, kimsenin söylemediği “Thank you for watching.” gibi bir satır belirir.
Neden oluyor. Konuşma tanıma, aldığı ses için en olası kelimeleri tahmin eder. Gürültü önce konuşmanın sessiz kısımlarını örter: kelimelerin sonlarını ve aralarındaki kısa kelimeleri. Gerçek sinyal azaldıkça tahmin, genellikle sonra gelene daha çok dayanır ve “lunch”, “launch”tan daha yaygın bir kelimedir. Hiç konuşma içermeyen sabit bir gürültünün üstünde bile bazı sistemler kalıp bir cümle üretir, çünkü ses duyduklarında bir şey yazmak üzere eğitilmişlerdir.
Kayıtta düzeltin. Mikrofonu sesini açmak yerine konuşmacıya yaklaştırın. Mesafeyi ikiye katlamak konuşmacının doğrudan sesini yaklaşık 6 dB azaltırken oda gürültüsü aynı kalır; yani yakınlık her ayardan önemlidir. Mümkünse kayıt sırasında vantilatörleri ve klimayı kapatın ve cam ile karo yerine yumuşak yüzeyleri olan bir odada kayıt yapın.
Transkriptte düzeltin. VocalStack'te gürültülü kayıtlarda otomatik algılamaya bırakmak yerine konuşulan dili belirtin. Panelin kendi notu da bunu söyler: dili belirtmek, gürültülü kayıtlarda ve yoğun aksanlarda doğruluğu artırır. Canlı bir transkripsiyonda Accuracy gecikme modu, zor seslerde daha az hata karşılığında biraz daha fazla gecikmeyi kabul eder. Motorun en az emin olduğu satırlar (transkripsiyonun güven eşiğinin altında; varsayılan 0.60) dinleyicilere tahmin yerine “Audio unclear” olarak gösterilir ve asla sesli okunmaz. Tamamen uydurma bir satır elle gizlenebilir: gizlenen satırlar transkriptten, dışa aktarımlardan, altyazılardan ve oynatıcıdan çıkarılır.
Neye benziyor. “The data shows a thirty percent rise”, “The data shows a dirty percent rise” olur. Hatalar kayıt boyunca tek bir konuşmacıyı izler, diğer herkesin satırları temizdir.
Neden oluyor. Bir tanıma sistemi kelimelerin nasıl ses çıkardığını eğitildiği konuşmadan öğrenir. Bir konuşmacı bir sesi, o konuşmaların çoğundan farklı telaffuz ettiğinde, örneğin “th”yi “d” gibi söylediğinde, sistem tam olarak söyleneni duyar ve o sese en iyi uyan gerçek kelimeyi seçer. Otomatik dil algılama durumu daha da kötüleştirebilir: güçlü bir aksan, ipuçlarını tamamen başka bir dile kaydırabilir (otomatik dil algılama nasıl çalışır yazısına bakın).
Kayıtta düzeltin. Canlı bir konuşma için başlamadan önce bir Reference Script ekleyin (aşağıdaki terminoloji bölümüne bakın); böylece konuşmacının söylemesi muhtemel kelimeler baştan bilinir. İyi bir mikrofon her aksana yardımcı olur, çünkü motora her sesin daha fazlası ulaşır.
Transkriptte düzeltin. O kayıt için konuşulan dili belirtin. Sonra Fix sekmesini kullanın: Mark uncertain words, motorun emin olmadığı kelimeleri renklendirir ve altını çizer; her şeyi baştan okumak yerine belirsiz bölümlerde tek tek ilerleyebilirsiniz. Motorun başka kelimeleri de düşündüğü yerlerde bunları önerilen düzeltmeler olarak sunar; böylece “dirty”yi “thirty” yapmak çoğunlukla tek tıktır. Play just this word, bir şeyi değiştirmeden önce kulakla kontrol etmenizi sağlar.
Neye benziyor. Bir konuşmacı “So we agree on Tuesday?” diye sorarken bir diğeri “No, Thursday works” diye araya girer. Transkript Speaker 1 altında tek bir satır gösterir: “So we agree on Tuesday no Thursday works.” Ya da tersi: toplantının ortasında heyecanlanan tek bir kişi Speaker 1 ve Speaker 3 olarak görünür.
Neden oluyor. Altta iki ayrı iş çalışır. Konuşma tanıma kelimeleri yazar; konuşmacı ayrıştırma (diarization) ise her sesin nasıl duyulduğuna bakarak kimin ne zaman konuştuğuna karar verir. Çoğu sistem her ses parçasına tek bir konuşmacı verir; dolayısıyla iki kişi aynı anda konuşunca biri kaybeder. Bir kişinin sesindeki değişiklik (heyecan, yorgunluk, mikrofondan uzaklaşma) onu yeni biri gibi gösterebilir. Konuşmacı ayrıştırma ve konuşma tanıma yazısı her iki işi ayrıntılı anlatır.
Kayıtta düzeltin. Herkese kendi mikrofonunu verin. Birden çok konuşmacı için bu tek değişiklik her ayardan fazlasını yapar. Bir panelde ya da seyirci sorulu bir toplantıda, moderatörden her soruyu yanıtlanmadan önce kendi mikrofonuna tekrar etmesini isteyin.
Transkriptte düzeltin. Konuşmacı etiketi ayarını seçin: When Needed (varsayılan) ikinci bir ses duyulduğunda satırları etiketler, On her satırı etiketler, Off hiçbirini etiketlemez. Her konuşmacıyı kayıt sırasında ya da sonrasında adlandırın. Ad, kelimelerin üzerinde bir katmandır; bu yüzden metni asla değiştirmez ve o kişi için transkripsiyonun her kaydında geçerlidir. Sık kaydettiğiniz bir konuşmacıyı kaydedin; sonraki transkripsiyonlar onu adıyla tanır. İki cümleyi birleştirmiş bir satır ikiye bölünebilir: yeni satırın başlayacağı boşluğa dokunun.
Neye benziyor. “We deployed it on Kubernetes”, “We deployed it on Cooper Netties” olur. “Ms Nguyen”, “Miss Win” olur. Bir ilaç adı üç kısa İngilizce kelimeye dönüşür. Cümlenin geri kalanı doğrudur.
Neden oluyor. Bir sistem yalnızca bildiği kelimeleri yazabilir ve bir isim çoğu zaman tek kez geçer; çevresinde onu tahmin ettirecek bir şey yoktur. Kelimeyi hiç görmediyse, sese en yakın sıradan kelimeleri seçer. Teknik terminolojinin doğru transkripsiyonunda en zor durum budur: cümle hiçbir ipucu vermez, dolayısıyla hiçbir bağlam kurtarmaz.
Kayıtta düzeltin. Sisteme kelimeleri konuşmacı söylemeden önce verin. VocalStack'te bu bir Reference Script'tir: canlı bir konuşmanın metnini ya da slaytlarını, ya da bir isim ve terim listesini başlamadan önce ekleyin; bundan gelen isimler ve terimler yanlış duyulanların önüne geçer. Konuşma sırasında script, transkripti bir teleprompter gibi izler. Script'in düzelttiği her kelime düzeltmeler arasında SCRIPT olarak işaretlenir ve konuşmacı gerçekten başka bir şey söylediyse geri alınabilir.
Transkriptte düzeltin. İsmi bir kez düzeltin ve geri kalanı aramayla kontrol edin. Transkripsiyon canlıyken düzeltmeler tüm dinleyicilere, okudukları her dilde ulaşır; her düzeltme listelenir ve geri alınabilir. Dışa aktarımlar (SRT, PDF, Excel, JSON) düzeltmeleri içerir; böylece altyazılar ve belgeler düzeltilmiş yazımı taşır.
Neye benziyor. Bir konuşma İspanyolca bir selamla açılıp İngilizce devam eder ve İngilizce kısım İspanyolcaya benzeyen anlamsız bir yazıya dönüşür. Ya da İngilizce bir transkriptin ortasındaki birkaç satır yakın bir dilde görünür. Bazı sistemler, yanlış dile ayarlandığında söyleneni değil kaba bir çeviriyi yazar.
Neden oluyor. Dil belirtilmediğinde sistem onu sesten, çoğu zaman ilk birkaç saniyeden algılamak zorundadır. Bir selam, bir alıntı ya da güçlü bir aksan onu yanlış yöne çevirebilir. Yanlış dili seçtikten sonra o bölümdeki her kelime birlikte yanlış olur.
Kayıtta düzeltin. Kayıt tek bir dildeyse onu belirtin. İki ya da daha fazla dil gerçekten konuşuluyorsa algılamayı açık bırakın; böylece her bölüm kendi dilinde yazılır, tek bir dili belirtmek diğerini ona zorlardı. Canlı bir transkripsiyonda dil, sürerken değiştirilebilir ve değişiklik hemen geçerli olur.
Transkriptte düzeltin. Yanlış dilde duyulmuş bir satır kelime kelime düzeltilemez, çünkü içinde doğru bir şey yoktur. VocalStack satırı yeniden transkribe edebilir: gerçekte konuşulduğu dili seçin, satırın sesi o dilde yeniden okunur. Sonuç satırın yerine sıradan bir düzeltme olarak geçer ve diğerleriyle aynı geri alma özelliğine sahiptir.
Neye benziyor. “The fees went up”, “The thieves went up” olur. “Free” ve “three” yer değiştirir. Hatalar kaydın tamamına yayılır ve en kötüsü görüşmedeki uzak konuşmacıda görülür.
Neden oluyor. “F”, “s” ve “th”yi ayıran seslerin çoğu frekans aralığının üst kısmındadır. Bir telefon hattı yaklaşık 3,4 kHz'in üstünde hiçbir şey taşımaz; bir Bluetooth kulaklık ise mikrofonunu sıklıkla çok daha dar aralıklı bir görüşme moduna geçirir. Görüntülü görüşmelerdeki düşük bit hızlı sıkıştırma daha fazlasını siler. Sistem, bu seslerin zaten kaybolduğu bir ses alır ve artık aynı duyulan kelimeler arasında tahmin yapar.
Kayıtta düzeltin. Kablolu bir mikrofon ya da mikrofonu tam kalite modunda kalan bir kulaklık kullanın. Mümkünse görüşmeyi kaydetmek yerine her uzak konuşmacıyı kendi tarafında kaydedin. Bir etkinlik için, odadaki bir dizüstü ya da telefon mikrofonu yerine sesi ses mikserinden alın: VocalStack'in canlı kurulumu mikserden tek bir kablo alır, bir telefonun yerleşik mikrofonu ise odanın daha fazlasını toplar.
Transkriptte düzeltin. Hiç yakalanmamış ses ne makine ne de insan tarafından geri getirilebilir. Hasarlı bölümleri bulmak için belirsiz kelime işaretlerini kullanın, satırı dinleyip kontrol edin ve duyabildiğinizi düzeltin. Kimsenin ne söylendiğini anlayamadığı yerlerde satırı gizlemek, bir tahmin bırakmaktan daha dürüsttür.
Neye benziyor. “Fifteen”, “fifty” olur. “One twenty”, konuşmacı bir dolar yirmi sent demek istediğinde “120” olur. “The third of the fourth” yanlış sırada bir tarih olarak çıkar. Her hata tek kelimedir ve cümledeki diğer her kelime doğrudur.
Neden oluyor. “Fifteen” ve “fifty” esas olarak hangi hecenin vurgulandığıyla ayrılır ve bu fark, gürültüde ya da hızlı konuşmada ilk kaybolan şeydir. Konuşulan sayılar ayrıca yazılı sayıların ihtiyaç duyduğunu atlar: birimler, ondalık işaretleri, gün ile ayın sırası. Sistem biçimi tahmin etmek zorundadır ve tahmini sizinki değil, en yaygın olandır.
Kayıtta düzeltin. Konuşmacılardan rakamları birimiyle ve tam olarak söylemelerini isteyin: “one dollar twenty”, “the fifteenth of March”. Hazırlanmış bir konuşma için rakamları script'e koyun.
Transkriptte düzeltin. Transkript alıntılanmadan, gönderilmeden ya da yayımlanmadan önce önemli her rakamı kulakla kontrol edin. Yanlış bir sayı doğru bir sayı gibi okunur; bu yüzden sayfada sizi uyaran hiçbir şey yoktur. Kelime hata oranı neyi ölçer ve neyi kaçırır yazısı, tek bir yanlış rakamın hata oranındaki payından neden daha pahalıya mal olduğunu açıklar.
Bir transkriptte çok sorun varsa, bir düzeltme bir sonrakiyle bozulmasın diye bunları şu sırayla giderin:
Sonra bir sonraki kaydı kolaylaştırın: konuşmacı başına bir mikrofon, belirtilmiş dil ve isimlerin olduğu bir script. Ses transkripsiyon hatalarının çoğu, kimse kayda basmadan önce belirlenir.
Bir duruşma, bir tıbbi muayene ya da tek bir yanlış kelimenin sonuç doğurduğu herhangi bir şey için, transkripti hangi sistem yaptıysa yapsın, kullanılmadan önce bir insan kontrol etsin. Kendi sesinizin bu hatalardan hangilerini ürettiğini görmek için panelde bir kayıt deneyin.