Litterointi

Tarkkuus ylittää tyypillisesti 95 % selkeällä äänellä tuetuissa kielissä. Käytämme konepellin alla OpenAI:n alan johtavaa puheentunnistusta, samaa mallia, joka pyörittää monia ammattilaisten litterointityökaluja.

Todellinen tarkkuus riippuu kolmesta asiasta: äänen selkeydestä (taustamelu haittaa), puhujan aksentista (vahvat alueelliset aksentit voivat laskea muutaman pisteen) ja kielestä itsestään (englanti ja espanja saavat yleensä korkeimmat pisteet). Jos haluat maksimaalisen tarkkuuden, katso Millainen äänenlaatu antaa parhaat tulokset? saadaksesi vinkkejä pienistä asioista, jotka ovat ratkaisevia.

Kyllä — puhujantunnistus on saatavilla kaikissa paketeissa, mukaan lukien Ilmainen-paketti. Aseta latauslomakkeessa Tunnista puhujat -kohta arvoon Kyllä, niin merkitsemme automaattisesti jokaisen puhujan litterointiisi muodossa Puhuja 1, Puhuja 2 ja niin edelleen.

Se toimii erinomaisesti kokouksissa, haastatteluissa, podcasteissa ja kaikissa monihenkilöisissä keskusteluissa. Tunnistettavien puhujien määrällä ei ole rajaa. Puhujantunnistus lisää hieman käsittelyaikaa, joten jätä se pois käytöstä yksinpuhuintallenteille (luennot, ääniviestit, yksinpuhuvan sisällöt) saadaksesi nopeampia tuloksia.

Tuemme 99 kieltä litteroinnissa, mukaan lukien englanti, espanja, portugali, ranska, saksa, italia, japani, kiina, korea, venäjä, arabia, hindi ja monia muita.

Voit valita kielen nimenomaisesti latauslomakkeessa parhaan tarkkuuden saavuttamiseksi, tai jättää sen asetukseen Automaattinen, niin tunnistamme sen puolestasi. Kielilista on sama kuin OpenAI Whisperin tukema joukko, ja SoundScript.AI:n käyttöliittymä on myös saatavilla kaikilla 99 kielellä — katso Mistä päivitän käyttöliittymäni kielen? vaihtaaksesi omasi.

Selkeät äänet, jotka on tallennettu lähellä mikrofonia, mahdollisimman vähäisellä taustamelulla. Se on lyhyt versio. Tässä mikä auttaa eniten:

• Käytä kunnollista mikrofonia — jopa edullinen USB-mikrofoni tai moderni puhelin on paljon parempi kuin kannettavan tietokoneen sisäänrakennettu mikrofoni.
• Tallenna hiljaisessa huoneessa — sulje ikkunat, sammuta tuulettimet ja vältä kovia pintoja, jotka aiheuttavat kaikua.
• Mene lähelle mikrofonia — 15–30 cm on optimaalinen etäisyys luonnolliselle puheelle.
• Vältä taustamusiikkia mahdollisuuksien mukaan — katso Kuinka SoundScript.AI käsittelee taustamusiikkia tai melua? saadaksesi tietää, mitä odottaa kun musiikki on välttämätöntä.

Useimmat tiedostot ovat valmiita sekunneissa tai parissa minuutissa. Tyypillinen 10 minuutin äänitiedosto valmistuu yleensä alle 30 sekunnissa.

Tiedostot, jotka ovat suurempia kuin 25MB, jaetaan automaattisesti osiin ja käsitellään rinnakkain, joten jopa tunnin pituinen tallenne on yleensä valmis 2–3 minuutissa. Puhujantunnistuksen käyttöönotto lisää hieman aikaa. Edistymispalkki päivittyy reaaliaikaisesti — mitään ei tarvitse päivittää.

Jaamme suuret tiedostot automaattisesti pienempiin osiin taustalla, litteroimme ne rinnakkain ja kokoamme tulokset takaisin yhteen. Sinun ei tarvitse tehdä mitään — lataa tiedostosi normaalisti.

Suurin sallittu latauskoko on 1GB. Jokainen osa käsitellään itsenäisesti, minkä takia tunnin tiedosto voi olla valmis vain muutamassa minuutissa. Osien rajat asetetaan mahdollisuuksien mukaan luonnollisiin tauotuksiin, jottei sanoja katkaista keskeltä lausetta.

Erisnimet — ihmisten nimet, tuotemerkit, tekniset termit, lyhenteet — ovat litteroinnin vaikein osa, koska ne eivät noudata tavanomaisia kielimalleja. Jopa hyvä ääni voi tuottaa väärin kirjoitettuja nimiä.

Muutama asia, joka auttaa:

• Valitse kieli nimenomaisesti automaattisen tunnistuksen sijaan.
• Puhu erisnimet selkeästi tallentaessasi, pienen tauon kanssa niiden ympärillä.
• Muokkaa litterointi jälkikäteen — voit kopioida tekstin mihin tahansa editoriin ja korjata nimet etsi-ja-korvaa-toiminnolla. Emme tällä hetkellä tue mukautettua sanastoa, mutta se on tutkassamme.

Voit kopioida litterointitekstin tulossivulta ja muokata sitä missä tahansa tekstieditorissa tai tekstinkäsittelyohjelmassa — Google Docsissa, Microsoft Wordissa, muistiossa, missä haluat.

Meillä ei ole vielä sovelluksen sisäistä editoria, joten SoundScript.AI:n ulkopuolella tekemiäsi muutoksia ei tallenneta takaisin palvelimillemme. Alkuperäinen litterointi pysyy hallintapaneelissasi, joten voit aina ladata tuoreen kopion. Käytä .doc- tai .txt-latausmuotoa, jos haluat muokata ja säilyttää muotoilun.

SRT on tekstitysten vakiomuoto — se sisältää aikaleimat, joten jokainen tekstirivi näkyy oikealla hetkellä videossasi. Käytä sitä YouTubessa, Vimeossa, videoeditoreissa kuten Premiere tai Final Cut, tai missä tahansa tekstitystä tukevassa soittimessa.

TXT on pelkkää tekstiä ilman aikaleimoja — täydellinen dokumenteille, blogikirjoituksille, litteroiduille haastatteluille tai mihin tahansa, missä haluat pelkät sanat. Tarjoamme myös DOC-muodon (muotoiltu Word-dokumentti) ja PDF-muodon (tulostettava) — katso Kuinka lataan TXT-, DOC- tai PDF-muodossa? saadaksesi lisätietoja.

Teemme parhaamme, mutta voimakas taustamusiikki tai melu heikentää tarkkuutta. Lievä taustamelu (hiljainen kahvila, käyvä tuuletin) ei yleensä aiheuta ongelmaa. Kova musiikki tai päällekkäiset äänet ovat vaikeimpia tapauksia.

Haastattelutyylisessä sisällössä, jossa on intromusiikki, näet musiikin yleensä litteroituna sekamelskana tai ohitettuna, ja tarkkuus palaa puheen alkaessa. Jos voit tallentaa pelkän puheversion äänestäsi (tai poistaa musiikin etukäteen työkalulla kuten Audacity), tarkkuus on huomattavasti parempi.