“Seberapa akurat?” adalah pertanyaan pertama yang biasanya diajukan soal transkrip AI. Jawaban jujurnya: tergantung episodenya. Wawancara santai dua orang yang direkam dengan mikrofon bagus akan menghasilkan teks yang jauh lebih baik daripada diskusi panel empat orang lewat panggilan video. Angka persentase tunggal di halaman produk hanyalah rata-rata dari audio orang lain.
Karena itu, artikel ini tidak menyebut satu angka. Sebagai gantinya, ada dua hal: faktor yang benar-benar memengaruhi akurasi, dan uji 10 menit untuk mengetahui tingkat kesalahan pada episode Anda.
Apa yang memengaruhi akurasi
| Faktor | Mengapa penting | Yang membantu |
|---|---|---|
| Kualitas audio | Bising latar, gema, dan kompresi menyembunyikan bunyi yang dibutuhkan model | Ruangan sepi, mikrofon dekat, rekaman lokal per pembicara |
| Suara yang tumpang tindih | Dua orang yang berbicara bersamaan biasanya tidak bisa dituliskan keduanya | Minta narasumber tidak menyela; periksa bagian itu dengan mendengarkan |
| Nama dan istilah khusus | Nama langka, merek, dan istilah teknis ditebak dari bunyinya | Cocokkan setiap nama dengan halaman episode atau situs narasumber |
| Aksen dan kecepatan bicara | Aksen yang kurang umum dan bicara yang sangat cepat menaikkan tingkat kesalahan | Atur bahasa lisan dengan benar; tinjau bagian yang cepat |
| Campur bahasa | Pembicara yang berganti bahasa di tengah kalimat membingungkan model bahasa | Siapkan diri untuk kesalahan tambahan di titik pergantian bahasa |
| Angka dan tanggal | Angka dan satuan mudah salah dengar (“lima belas” dan “lima puluh”) | Periksa setiap angka yang akan Anda gunakan |
Hal ini berlaku untuk alat apa pun. Model pengenalan suara memilih kata yang paling mungkin cocok dengan bunyi yang didengar. Kata yang kecil kemungkinannya akan kalah dari kata yang lebih mungkin.
Cek acak 10 menit
Akurasi transkrip biasanya dilaporkan sebagai word error rate (WER), atau tingkat kesalahan kata:
WER = (substitutions + deletions + insertions) / words in the correct text- Substitusi: kata yang salah (“lima belas” menjadi “lima puluh”).
- Penghapusan: kata yang diucapkan tetapi tidak muncul.
- Penyisipan: kata di transkrip yang tidak pernah diucapkan.
WER 5% berarti sekitar satu kata salah dari dua puluh. Makin rendah, makin baik. Anda bisa mengukurnya dari sampel tanpa memeriksa seluruh episode.
- Pilih tiga segmen berdurasi sekitar satu menit: satu dari awal, satu dari tengah, satu dari akhir. Hindari iklan dan musik.
- Dengarkan sambil membaca, lalu koreksi. Untuk tiap segmen, tandai setiap substitusi, penghapusan, dan penyisipan. Putar dengan kecepatan normal; sebagian besar kesalahan biasanya sudah terlihat pada putaran pertama.
- Hitung jumlah kata pada segmen yang sudah dikoreksi. Satu menit percakapan biasanya berisi 130 sampai 170 kata.
- Jumlahkan kesalahan, lalu bagi dengan jumlah kata. Ulangi untuk ketiga segmen, kemudian ambil rata-ratanya.
- Catat di mana kesalahan muncul. Jika sebagian besar berasal dari nama dan angka, transkrip cukup layak dibaca dan hanya perlu disunting sebentar sebelum dikutip.
Gunakan lembar sederhana ini:
| Segmen | Kata | Substitusi | Penghapusan | Penyisipan | WER |
|---|---|---|---|---|---|
| Awal | 150 | ||||
| Tengah | 150 | ||||
| Akhir | 150 |
Tiga menit audio adalah sampel kecil, jadi anggap hasilnya sebagai panduan kasar. Jalankan uji yang sama pada episode kedua yang lebih sulit sebelum Anda mengandalkan sebuah alat.
Tidak semua kesalahan berdampak sama
Angka WER memperlakukan semua kata yang salah sama. Pembaca menilainya berbeda. Kata “yang” yang hilang hampir tidak berpengaruh, tetapi nama yang salah atau kata “tidak” yang terbalik bisa mengubah makna. Saat memeriksa, beri perhatian ekstra pada:
- Nama orang, perusahaan, dan tempat
- Angka, tanggal, harga, dan persentase
- Negasi (“bisa” dan “tidak bisa”, “sudah” dan “belum”)
- Kutipan yang akan Anda pakai kata demi kata
Percepat pemeriksaan
Bagian paling lambat dalam verifikasi adalah mencari posisi yang tepat di audio. Di Podcast To Transcript, setiap baris transkrip punya stempel waktu dan label pembicara. Satu klik pada baris memindahkan pemutar ke momen itu, jadi Anda bisa mendengar bagian yang meragukan dalam hitungan detik tanpa menggeser-geser seluruh episode. Pilih bahasa lisan yang tepat sebelum mentranskripsi, lalu baca transkrip sambil mendengarkan audio untuk memastikan nama dan angka.
Jika akurasi penting untuk pekerjaan Anda, misalnya untuk kutipan dalam artikel atau penelitian, lihat halaman untuk jurnalis dan peneliti. Panduan cara mentranskripsi podcast juga membantu. Untuk mengutip hasil yang sudah Anda verifikasi, baca cara mengutip podcast.
Ringkasan
- Akurasi bergantung pada audio Anda, bukan pada angka di judul promosi.
- Ukur sendiri: tiga sampel satu menit, hitung kesalahan, lalu bagi dengan jumlah kata.
- Periksa nama, angka, negasi, dan kutipan dengan mendengarkan sebelum menerbitkan.
Pertanyaan yang sering diajukan
Seberapa akurat transkrip podcast AI?
Untuk suara yang jelas dengan satu atau dua pembicara, alat saat ini benar pada sebagian besar kata. Akurasi turun saat ada musik latar, orang bicara bersamaan, aksen yang kental, atau rekaman lewat sambungan telepon. Angka yang paling layak dipercaya hanyalah angka yang Anda ukur sendiri pada episode Anda, dengan cek acak di atas.
Apa itu word error rate?
Word error rate (WER) adalah persentase kata yang salah, hilang, atau tertambah dibandingkan dengan acuan yang benar. WER 5% berarti sekitar 5 kesalahan dalam setiap 100 kata. Semua kata dihitung sama, sehingga angka ini menyembunyikan fakta bahwa nama yang salah lebih merugikan daripada “yang” yang salah.
Mengapa nama dan angka paling sering salah?
Nama langka, nama merek, dan angka sulit ditebak dari konteks, jadi model hanya punya sedikit petunjuk. Kata-kata ini juga yang paling diperhatikan pembaca, itulah sebabnya daftar periksa di atas dimulai dari keduanya.
Bisakah saya meningkatkan akurasi sebelum mentranskripsi?
Bisa. Rekam tiap pembicara dengan mikrofon terpisah bila memungkinkan, jaga musik tetap pelan di bawah suara, dan atur bahasa lisan secara manual alih-alih mengandalkan deteksi otomatis. Audio yang lebih baik membantu lebih banyak daripada pengaturan apa pun.
Apakah saya masih perlu mengoreksi?
Ya, untuk apa pun yang akan dipublikasikan. Anggap teks AI sebagai draf awal, periksa nama, angka, dan kutipan dengan mendengarkan, lalu perbaiki sebelum menerbitkan. Podcast To Transcript menyimpan stempel waktu di samping setiap baris, jadi Anda bisa langsung melompat ke detik yang tepat. Halaman harga menjelaskan isi tiap paket, dan panduan mentranskripsi podcast menguraikan langkah-langkahnya.
