ტრანსკრიფცია

სიზუსტე, როგორც წესი, აღემატება 95%-ს გარკვეული აუდიოსთვის მხარდაჭერილ ენებზე. კულისებში ვიყენებთ OpenAI-ის ინდუსტრიის წამყვან მეტყველების ამოცნობას — იმავე მოდელს, რომელიც ბევრ პროფესიონალურ ტრანსკრიფციის ხელსაწყოს ამოძრავებს.

რეალური სიზუსტე სამ რამეზეა დამოკიდებული: აუდიოს გარკვევაზე (ფონური ხმაური ცუდია), მოლაპარაკეების აქცენტებზე (მძიმე რეგიონალურმა აქცენტებმა შეიძლება რამდენიმე ქულა დაუკლოს) და თვითონ ენაზე (ინგლისური და ესპანური ჩვეულებრივ ყველაზე მაღალ ქულას იღებენ). თუ მაქსიმალური სიზუსტე გჭირდება, იხილე რა აუდიო ხარისხი იძლევა საუკეთესო შედეგს? იმ პატარა რამეებისთვის, რომელიც დიდ განსხვავებას ქმნის.

დიახ — მოლაპარაკეების იდენტიფიკაცია ხელმისაწვდომია ყველა გეგმაში, უფასო გეგმის ჩათვლით. ატვირთვის ფორმაში დააყენე მოლაპარაკეების იდენტიფიკაცია დიახ-ზე და ჩვენ ავტომატურად მოვნიშნავთ თითოეულ მოლაპარაკეს შენს ტრანსკრიფციაში, როგორც Speaker 1, Speaker 2 და ა.შ.

ის შესანიშნავად მუშაობს შეხვედრებზე, ინტერვიუებზე, პოდკასტებზე და ნებისმიერ მრავალპირიან საუბარზე. იმ მოლაპარაკეების რაოდენობას, რომელსაც ვამოვიცნობთ, ლიმიტი არ აქვს. მოლაპარაკეების იდენტიფიკაცია ცოტა დამატებით დროს მოითხოვს დამუშავებისთვის, ამიტომ მარტოხელა ჩანაწერებისთვის (ლექციები, ხმოვანი ჩანაწერები, ერთი მთხრობელის შინაარსი) გამორთული დატოვე უფრო სწრაფი შედეგისთვის.

ჩვენ ვუჭერთ მხარს 99 ენას ტრანსკრიფციისთვის, მათ შორის ინგლისურს, ესპანურს, პორტუგალიურს, ფრანგულს, გერმანულს, იტალიურს, იაპონურს, ჩინურს, კორეულს, რუსულს, არაბულს, ჰინდის და კიდევ ბევრს.

აშკარად შეგიძლია აირჩიო ენა ატვირთვის ფორმაში საუკეთესო სიზუსტისთვის, ან დატოვო ავტომატური რეჟიმში და ჩვენ ამოვაცნობთ შენთვის. ენების სია იგივეა, რასაც OpenAI Whisper უჭერს მხარს, და თვითონ SoundScript.AI-ის ინტერფეისიც ხელმისაწვდომია ყველა 99 ენაზე — იხილე სად განვაახლო ჩემი ინტერფეისის ენა?, რომ შენი შეცვალო.

გარკვეული ხმები, ჩაწერილი მიკროფონის ახლოს, მინიმალური ფონური ხმაურით. ეს მოკლე ვერსიაა. აი, რა ეხმარება ყველაზე მეტად:

• გამოიყენე ღირსეული მიკროფონი — საწყისი დონის USB მიკროფონიც კი ან თანამედროვე ტელეფონი გაცილებით უკეთესია, ვიდრე ლეპტოპის ჩაშენებული მიკროფონი.
• ჩაიწერე წყნარ ოთახში — დახურე ფანჯრები, გამორთე ვენტილატორი და მოერიდე მაგარ ზედაპირებს, რომლებიც ექოს იძლევა.
• მიუახლოვდი მიკროფონს — 6-12 დიუმი იდეალური მანძილია ბუნებრივი მეტყველებისთვის.
• მოერიდე ფონურ მუსიკას როცა შესაძლებელია — იხილე როგორ ამუშავებს SoundScript.AI ფონურ მუსიკას ან ხმაურს?, რომ გაიგო რას ელოდო, როცა მუსიკის თავიდან აცილება შეუძლებელია.

ფაილების უმეტესობა მზად არის წამებში ან რამდენიმე წუთში. ტიპიური 10-წუთიანი აუდიო ფაილი ჩვეულებრივ მთავრდება 30 წამზე ნაკლებში.

ფაილები, რომლებიც აღემატება 25MB-ს, ავტომატურად იყოფა ნაწილებად და მუშავდება პარალელურად, ამიტომ ერთსაათიანი ჩანაწერიც კი ჩვეულებრივ მზადაა 2-3 წუთში. მოლაპარაკეების იდენტიფიკაციის ჩართვა ცოტა დამატებით დროს მოითხოვს. პროგრესის ზოლი რეალურ დროში განახლდება — განახლება არ გჭირდება.

ჩვენ ავტომატურად ვყოფთ დიდ ფაილებს უფრო პატარა ნაწილებად კულისებში, ვამუშავებთ მათ პარალელურად და ერთად ვაერთებთ შედეგებს. შენ არაფერი არ უნდა გააკეთო — უბრალოდ ატვირთე ფაილი ჩვეულებრივად.

მაქსიმალური ატვირთვის ზომა არის 1GB. თითოეული ნაწილი მუშავდება დამოუკიდებლად, რის გამოც ერთსაათიანი ფაილი შეიძლება მზად იყოს მხოლოდ რამდენიმე წუთში. ნაწილების საზღვრები შესაძლებლობისდაგვარად განთავსებულია ბუნებრივ პაუზებზე, რომ თავიდან ავიცილოთ სიტყვების შუა წინადადებაში დაშლა.

საკუთარი სახელები — სახელები, ბრენდის სახელები, ტექნიკური ტერმინები, აბრევიატურები — ტრანსკრიფციის ყველაზე რთული ნაწილია, რადგან ისინი არ მისდევენ ენის ჩვეულებრივ ნიმუშებს. შესანიშნავი აუდიოც კი შეიძლება გამოიწვევს არასწორად დაწერილ სახელებს.

რამდენიმე რამ, რაც ეხმარება:

• აშკარად აირჩიე ენა ავტო-ამოცნობის ნაცვლად.
• გარკვევით თქვი საკუთარი სახელები ჩაწერის დროს, მცირე პაუზით მათ გარშემო.
• შემდეგ დაარედაქტირე ტრანსკრიფცია — შეგიძლია ტექსტი დააკოპირო ნებისმიერ რედაქტორში და სახელები გაასწორო ძებნა-და-შეცვლით. ამჟამად არ ვუჭერთ მხარს ინდივიდუალურ ლექსიკონის სიას, მაგრამ რადარზე გვაქვს.

შეგიძლია დააკოპირო ტრანსკრიფციის ტექსტი შედეგების გვერდიდან და დაარედაქტირო ნებისმიერ ტექსტურ რედაქტორში ან საოფისე პროგრამაში — Google Docs, Microsoft Word, Notepad, რომელიც გირჩევნია.

ჩვენ ჯერ არ გვაქვს აპის შიგნით რედაქტორი, ამიტომ SoundScript.AI-ის გარეთ შეტანილი ცვლილებები ჩვენს სერვერებზე უკან არ ინახება. ორიგინალური ტრანსკრიფცია რჩება შენს მართვის პანელში, ამიტომ ყოველთვის შეგიძლია ახალი ასლი ჩამოტვირთო. გამოიყენე .doc ან .txt ჩამოტვირთვის ფორმატები, თუ გინდა რედაქტირება და ფორმატირების შენარჩუნება.

SRT არის სუბტიტრების სტანდარტული ფორმატი — ის შეიცავს დროის შტამპებს, ამიტომ ტექსტის თითოეული ხაზი გამოჩნდება შენი ვიდეოს სწორ მომენტში. გამოიყენე ის YouTube-ისთვის, Vimeo-სთვის, ვიდეო რედაქტორებისთვის როგორიც არის Premiere ან Final Cut, ან ნებისმიერი სუბტიტრის მცოდნე ფლეიერისთვის.

TXT არის უბრალო ტექსტი დროის შტამპების გარეშე — შესანიშნავია დოკუმენტებისთვის, ბლოგ პოსტებისთვის, ტრანსკრიფცირებული ინტერვიუებისთვის ან ნებისმიერი რამისთვის, სადაც უბრალოდ სიტყვები გჭირდება. ვთავაზობთ ასევე DOC-ს (ფორმატირებული Word დოკუმენტი) და PDF-ს (დასაბეჭდი) — დეტალებისთვის იხილე როგორ ჩამოვტვირთო TXT, DOC ან PDF?.

ჩვენ ვცდილობთ რაც შეიძლება საუკეთესოდ, მაგრამ მძიმე ფონური მუსიკა ან ხმაური შეამცირებს სიზუსტეს. მსუბუქი გარემოს ხმაური (წყნარი კაფე, ვენტილატორის ხმა) ჩვეულებრივ პრობლემას არ ქმნის. ხმამაღალი მუსიკა ან კონკურენტი ხმები ყველაზე რთული შემთხვევებია.

ინტერვიუს სტილის შინაარსისთვის შემავალი მუსიკით, ჩვეულებრივ ნახავ, რომ მუსიკა ტრანსკრიფცირდება როგორც აბდაუბდა ან გამოტოვებულია, შემდეგ კი სიზუსტე ბრუნდება მეტყველების დაწყებისას. თუ შეგიძლია ჩაიწერო შენი აუდიოს მხოლოდ-მეტყველების ვერსია (ან წინასწარ ამოაცალო მუსიკა Audacity-ის მსგავსი ხელსაწყოთი), სიზუსტე საგრძნობლად უკეთესი იქნება.