«Πόσο ακριβές είναι;» είναι η ερώτηση που κάνουν οι περισσότεροι πρώτη για μια μεταγραφή AI. Η ειλικρινής απάντηση είναι «εξαρτάται από το επεισόδιο». Μια ήρεμη συνέντευξη δύο ατόμων με καλά μικρόφωνα βγαίνει πολύ διαφορετική από ένα πάνελ τεσσάρων ατόμων που ηχογραφήθηκε σε βιντεοκλήση. Κάθε ποσοστό που βλέπετε στη σελίδα ενός προϊόντος είναι μέσος όρος πάνω στον ήχο κάποιου άλλου.
Γι’ αυτό δεν θα σας δώσουμε έναν αριθμό. Αυτό το άρθρο εξηγεί τι επηρεάζει την ακρίβεια και δίνει ένα τεστ 10 λεπτών που μετρά το ποσοστό λαθών για το δικό σας επεισόδιο.
Τι επηρεάζει την ακρίβεια
| Παράγοντας | Γιατί έχει σημασία | Τι βοηθά |
|---|---|---|
| Ποιότητα ήχου | Ο θόρυβος, η ηχώ και η συμπίεση κρύβουν ήχους που χρειάζεται το μοντέλο | Ήσυχο δωμάτιο, κοντινό μικρόφωνο, τοπική ηχογράφηση κάθε ομιλητή |
| Επικαλυπτόμενη ομιλία | Όταν μιλούν δύο άτομα μαζί, συνήθως δεν μπορούν να γραφτούν και τα δύο | Ζητήστε από τους καλεσμένους να μη διακόπτουν. Ελέγξτε αυτά τα σημεία ακούγοντας |
| Ονόματα και ορολογία | Σπάνια ονόματα, επωνυμίες και τεχνικοί όροι εικάζονται από τον ήχο | Ελέγξτε κάθε όνομα με τη σελίδα του επεισοδίου ή του καλεσμένου |
| Προφορές και ταχύτητα ομιλίας | Οι λιγότερο συνηθισμένες προφορές και η πολύ γρήγορη ομιλία αυξάνουν τα λάθη | Ορίστε τη σωστή γλώσσα ομιλίας και ελέγξτε τα γρήγορα σημεία |
| Ανάμειξη γλωσσών | Όποιος αλλάζει γλώσσα στη μέση της πρότασης μπερδεύει το γλωσσικό μοντέλο | Περιμένετε επιπλέον λάθη στις αλλαγές |
| Αριθμοί και ημερομηνίες | Τα ψηφία και οι μονάδες ακούγονται εύκολα λάθος («δεκαπέντε» και «πενήντα») | Επαληθεύστε κάθε στοιχείο που σκοπεύετε να χρησιμοποιήσετε |
Αυτά ισχύουν για κάθε εργαλείο, επειδή έτσι λειτουργεί η αναγνώριση ομιλίας. Το μοντέλο μετατρέπει τον ήχο στις πιθανότερες λέξεις, και οι απίθανες λέξεις χάνουν από τις πιθανές.
Ο έλεγχος των 10 λεπτών
Η ακρίβεια των μεταγραφών συνήθως αναφέρεται ως ποσοστό λαθών λέξεων (WER, word error rate):
WER = (substitutions + deletions + insertions) / words in the correct text- Η αντικατάσταση είναι μια λάθος λέξη («δεκαπέντε» αντί για «πενήντα»).
- Η παράλειψη είναι μια λέξη που ειπώθηκε αλλά λείπει.
- Η εισαγωγή είναι μια λέξη στη μεταγραφή που δεν ειπώθηκε ποτέ.
Ένα WER 5% σημαίνει περίπου μία λάθος λέξη στις είκοσι. Όσο χαμηλότερο, τόσο καλύτερα. Μπορείτε να το μετρήσετε σε δείγμα, χωρίς να ελέγξετε ολόκληρο το επεισόδιο.
- Διαλέξτε τρία τμήματα περίπου ενός λεπτού: ένα από την αρχή, ένα από τη μέση και ένα από το τέλος. Αποφύγετε διαφημίσεις και μουσική.
- Ακούστε και διορθώστε. Για κάθε τμήμα, διαβάστε τη μεταγραφή ενώ ακούτε και σημειώστε κάθε αντικατάσταση, παράλειψη και εισαγωγή. Παίξτε το σε κανονική ταχύτητα. Τα περισσότερα λάθη θα τα βρείτε στην πρώτη ακρόαση.
- Μετρήστε τις λέξεις του διορθωμένου τμήματος. Ένα λεπτό συζήτησης έχει συχνά 130 έως 170 λέξεις.
- Προσθέστε τα λάθη και διαιρέστε με τον αριθμό των λέξεων. Κάντε το ίδιο και για τα τρία τμήματα και βρείτε τον μέσο όρο.
- Σημειώστε πού βρίσκονται τα λάθη. Αν τα περισσότερα αφορούν ονόματα και αριθμούς, η μεταγραφή είναι εντάξει για ανάγνωση, αλλά θέλει γρήγορη επεξεργασία πριν από οποιαδήποτε παράθεση.
Χρησιμοποιήστε έναν απλό πίνακα:
| Τμήμα | Λέξεις | Αντικαταστάσεις | Παραλείψεις | Εισαγωγές | WER |
|---|---|---|---|---|---|
| Αρχή | 150 | ||||
| Μέση | 150 | ||||
| Τέλος | 150 |
Τρία λεπτά είναι μικρό δείγμα. Θεωρήστε το αποτέλεσμα ένδειξη. Κάντε το τεστ και σε ένα δεύτερο, πιο δύσκολο επεισόδιο πριν βασιστείτε σε ένα εργαλείο.
Δεν κοστίζουν όλα τα λάθη το ίδιο
Ο WER μετράει κάθε λάθος λέξη το ίδιο. Οι αναγνώστες δεν τις βλέπουν έτσι. Ένα «το» που λείπει σχεδόν δεν πειράζει. Ένα λάθος όνομα ή ένα «δεν» που χάθηκε αλλάζει το νόημα. Όταν ελέγχετε, δώστε προσοχή σε:
- Ονόματα προσώπων, εταιρειών και τόπων
- Αριθμούς, ημερομηνίες, τιμές και ποσοστά
- Αρνήσεις («μπορώ» και «δεν μπορώ», «έκανε» και «δεν έκανε»)
- Παραθέσεις που σκοπεύετε να χρησιμοποιήσετε αυτολεξεί
Κάντε τον έλεγχο γρήγορο
Το πιο αργό κομμάτι της επαλήθευσης είναι να βρείτε το σωστό σημείο στον ήχο. Στο Podcast To Transcript κάθε γραμμή της μεταγραφής έχει χρονοσήμανση και ετικέτα ομιλητή. Ένα κλικ σε μια γραμμή μεταφέρει το πρόγραμμα αναπαραγωγής σε εκείνη τη στιγμή, οπότε ακούτε ένα αμφίβολο σημείο σε δευτερόλεπτα. Διαλέξτε τη σωστή γλώσσα ομιλίας πριν μεταγράψετε και διαβάστε τη μεταγραφή μαζί με τον ήχο για ονόματα και στοιχεία.
Αν η ακρίβεια έχει σημασία για τη δουλειά σας, όπως οι παραθέσεις σε ένα άρθρο ή μια μελέτη, δείτε τις σελίδες για δημοσιογράφους και ερευνητές, καθώς και τον οδηγό για το πώς να μεταγράψετε ένα podcast. Για να αναφέρετε όσα επαληθεύσατε, διαβάστε πώς να αναφέρετε ένα podcast.
Περίληψη
- Η ακρίβεια εξαρτάται από τον δικό σας ήχο. Ο αριθμός που διαφημίζει ένα εργαλείο είναι γενικός.
- Μετρήστε την: τρία δείγματα ενός λεπτού, μετρήστε τα λάθη, διαιρέστε με τις λέξεις.
- Ελέγχετε πάντα ονόματα, αριθμούς, αρνήσεις και παραθέσεις ακούγοντας, πριν δημοσιεύσετε.
Συχνές ερωτήσεις
Πόσο ακριβής είναι μια μεταγραφή podcast με AI;
Για καθαρή ομιλία με έναν ή δύο ομιλητές, τα σημερινά εργαλεία γράφουν σωστά τις περισσότερες λέξεις. Η ακρίβεια πέφτει με μουσική υπόκρουση, ταυτόχρονη ομιλία, έντονες προφορές και ηχογραφήσεις μέσω τηλεφωνικής γραμμής. Ο αριθμός που ισχύει για εσάς είναι αυτός που θα μετρήσετε στο δικό σας επεισόδιο, με τον παραπάνω έλεγχο.
Τι είναι το ποσοστό λαθών λέξεων;
Το ποσοστό λαθών λέξεων (WER) είναι το μερίδιο των λέξεων που είναι λάθος, λείπουν ή προστέθηκαν σε σύγκριση με ένα σωστό κείμενο αναφοράς. Ένα WER 5% σημαίνει περίπου 5 λάθη ανά 100 λέξεις. Ο δείκτης μετράει όλες τις λέξεις εξίσου, γι’ αυτό δεν δείχνει ότι ένα λάθος όνομα κοστίζει περισσότερο από ένα λάθος «το».
Γιατί τα ονόματα και οι αριθμοί βγαίνουν συχνότερα λάθος;
Τα σπάνια ονόματα, οι επωνυμίες και οι αριθμοί δύσκολα προβλέπονται από τα συμφραζόμενα, οπότε το μοντέλο έχει λίγα στοιχεία. Είναι επίσης οι λέξεις που ο αναγνώστης εμπιστεύεται περισσότερο, γι’ αυτό η λίστα ελέγχου ξεκινά από αυτές.
Μπορώ να βελτιώσω την ακρίβεια πριν από τη μεταγραφή;
Ναι. Ηχογραφήστε κάθε ομιλητή σε χωριστό μικρόφωνο όταν μπορείτε, κρατήστε τη μουσική χαμηλά κάτω από την ομιλία και ορίστε σωστά τη γλώσσα ομιλίας αντί να βασίζεστε στην αυτόματη ανίχνευση. Ο καλύτερος ήχος βοηθά περισσότερο από οποιαδήποτε ρύθμιση.
Χρειάζεται ακόμη να κάνω διόρθωση;
Ναι, για οτιδήποτε δημόσιο. Δείτε το κείμενο του AI ως γρήγορο πρώτο προσχέδιο. Ελέγξτε ονόματα, αριθμούς και παραθέσεις ακούγοντας, και διορθώστε τα πριν δημοσιεύσετε. Το Podcast To Transcript κρατά χρονοσημάνσεις δίπλα σε κάθε γραμμή, ώστε να πηγαίνετε στο ακριβές δευτερόλεπτο και να ακούτε. Η σελίδα τιμολόγησης δείχνει τι περιλαμβάνει κάθε πλάνο, και ο οδηγός για τη μεταγραφή ενός podcast περιγράφει τα βήματα.
