Транскрипция

Қолдау көрсетілетін тілдердегі таза аудио үшін дәлдік әдетте 95% асады. Біз көптеген кәсіби транскрипция құралдарын жұмыс істететін бірдей модель — OpenAI-дың саладағы жетекші сөйлеуді тану технологиясын қолданамыз.

Нақты дәлдік үш нәрсеге байланысты: аудио айқындығы (фондық шу зиян келтіреді), сөйлеуші акценттері (қатты аймақтық акценттер бірнеше пайызға төмендеуі мүмкін) және тілдің өзі (ағылшын және испан тілдерінің ұпайы әдетте ең жоғары). Егер сіз максималды дәлдікке қол жеткізгіңіз келсе, үлкен айырмашылық жасайтын ұсақ нәрселер үшін Қандай аудио сапасы ең жақсы нәтиже береді? бөлімін қараңыз.

Иә — сөйлеушіні анықтау әр тарифте, соның ішінде Тегін тарифте де қол жетімді. Жүктеу формасында Сөйлеушілерді анықтау опциясын Иә күйіне қойыңыз, біз сіздің транскрипцияңыздағы әр сөйлеушіні Сөйлеуші 1, Сөйлеуші 2 және т.с.с. ретінде автоматты түрде белгілейміз.

Бұл кездесулер, сұхбаттар, подкасттар және кез келген көп адамдық әңгімелер үшін тамаша жұмыс істейді. Анықталатын сөйлеушілер саны шектелмеген. Сөйлеушіні анықтау өңдеу уақытын аздап ұзартады, сондықтан жалғыз жазбалар үшін (дәрістер, дауыстық ескертпелер, бір диктордан тұратын мазмұн) жылдамырақ нәтиже алу үшін оны өшіріп қойыңыз.

Біз транскрипция үшін 99 тілді қолдаймыз, оның ішінде ағылшын, испан, португал, француз, неміс, итальян, жапон, қытай, корей, орыс, араб, хинди және басқа да көптеген тілдер.

Сіз ең жоғары дәлдік үшін жүктеу формасында тілді нақты таңдай аласыз немесе оны Авто күйінде қалдыруға болады, біз оны сіз үшін анықтаймыз. Тіл тізімі OpenAI Whisper қолдайтын жиынмен бірдей, ал SoundScript.AI интерфейсінің өзі де барлық 99 тілде қол жетімді — өзіңіздікін өзгерту үшін Интерфейс тілін қайдан жаңартамын? бөлімін қараңыз.

Микрофонға жақын жазылған, фондық шуы аз таза дауыстар. Бұл қысқа нұсқа. Міне, ең көп көмектесетін нәрселер:

• Жақсы микрофон пайдаланыңыз — тіпті бастапқы деңгейдегі USB микрофоны немесе заманауи телефон ноутбуктің кірістірілген микрофонынан әлдеқайда жақсы.
• Тыныш бөлмеде жазыңыз — терезелерді жабыңыз, желдеткіштерді өшіріңіз және жаңғырық тудыратын қатты беттерден аулақ болыңыз.
• Микрофонға жақын болыңыз — табиғи сөйлеу үшін 15-30 см ең қолайлы қашықтық.
• Мүмкіндігінше фондық музыкадан аулақ болыңыз — музыка болмай қоймайтын жағдайда не күту керектігі үшін SoundScript.AI фондық музыка немесе шуды қалай өңдейді? бөлімін қараңыз.

Көп файлдар бірнеше секундтан бірнеше минутқа дейін өңделеді. Әдеттегі 10 минуттық аудио файл әдетте 30 секундтан аз уақытта аяқталады.

25MB өлшемінен үлкен файлдар автоматты түрде бөліктерге бөлініп, параллель өңделеді, сондықтан тіпті бір сағаттық жазба әдетте 2-3 минутта дайын болады. Сөйлеушіні анықтауды қосу қосымша уақыт алады. Прогресс жолағы нақты уақыт режимінде жаңартылады — ештеңені жаңартудың қажеті жоқ.

Біз үлкен файлдарды фон режимінде кішірек бөліктерге автоматты түрде бөліп, оларды параллель транскрипциялаймыз және нәтижелерді қайтадан біріктіреміз. Сізге ештеңе істеудің қажеті жоқ — жай ғана файлды әдеттегідей жүктеңіз.

Максималды жүктеу өлшемі — 1GB. Әр бөлік дербес өңделеді, сондықтан бір сағаттық файл бірнеше минутта дайын болуы мүмкін. Сөйлемнің ортасында сөздерді кесіп тастамас үшін бөлік шекаралары мүмкіндігінше табиғи үнсіздіктерде орналастырылады.

Жалқы есімдер — есімдер, брендтердің атаулары, техникалық терминдер, қысқартулар — транскрипцияның ең қиын бөлігі, өйткені олар қалыпты тіл үлгілеріне сәйкес келмейді. Тіпті керемет аудио атаулардың қате жазылуын тудыруы мүмкін.

Көмектесетін бірнеше нәрсе:

• Автоматты анықтауды пайдаланудың орнына тілді нақты таңдаңыз.
• Жазу кезінде жалқы есімдерді анық айтыңыз, олардың айналасында шағын үзіліс жасаңыз.
• Транскрипцияны кейіннен өңдеңіз — мәтінді кез келген редакторға көшіріп, табу және ауыстыру арқылы есімдерді түзете аласыз. Қазіргі уақытта біз пайдаланушы сөздігін қолдамаймыз, бірақ ол біздің жоспарларымызда бар.

Сіз транскрипция мәтінін нәтиже бетінен көшіріп, оны кез келген мәтін редакторында немесе сөздерді өңдеу процессорында өңдей аласыз — Google Docs, Microsoft Word, Notepad — қалағаныңыздай.

Бізде әлі қолданба ішіндегі редактор жоқ, сондықтан SoundScript.AI сыртында жасаған өзгерістеріңіз біздің серверлерге қайта сақталмайды. Бастапқы транскрипция сіздің бақылау тақтаңызда қалады, сондықтан сіз әрқашан жаңа көшірмесін жүктей аласыз. Пішімдеуді сақтай отырып өңдегіңіз келсе, .doc немесе .txt жүктеу форматтарын пайдаланыңыз.

SRT — стандартты субтитр форматы — ол уақыт белгілерін қосады, осылайша мәтіннің әр жолы сіздің бейнеңізде дұрыс сәтте пайда болады. Оны YouTube, Vimeo, Premiere немесе Final Cut сияқты бейне редакторларында немесе кез келген субтитрлерді қолдайтын ойнатқышта пайдаланыңыз.

TXT — уақыт белгілерсіз қарапайым мәтін — құжаттар, блог жазбалары, транскрипцияланған сұхбаттар немесе сіз тек сөздерді қалайтын кез келген нәрсе үшін тамаша. Біз сондай-ақ DOC (пішімделген Word құжаты) және PDF (басып шығаруға арналған) форматтарын ұсынамыз — мәліметтер үшін TXT, DOC немесе PDF ретінде қалай жүктеймін? бөлімін қараңыз.

Біз қолымыздан келгенше жасаймыз, бірақ қатты фондық музыка немесе шу дәлдікті төмендетеді. Жеңіл қоршаған шу (тыныш кафе, жұмыс істеп тұрған желдеткіш) әдетте мәселе тудырмайды. Қатты музыка немесе бәсекелес дауыстар ең қиын жағдайлар.

Кіріспе музыкасы бар сұхбат стиліндегі мазмұн үшін сіз әдетте музыканың түсініксіз транскрипция ретінде немесе өткізіп жіберілгенін көресіз, содан кейін сөйлеу басталған кезде дәлдік қайта оралады. Егер сіз аудиоңыздың тек сөйлеу нұсқасын жаза алсаңыз (немесе Audacity сияқты құралмен музыканы алдын ала жоя алсаңыз), дәлдік айтарлықтай жақсы болады.