“Qual é a precisão?” é a primeira pergunta que se faz sobre uma transcrição por IA. A resposta é “depende do episódio”. Uma entrevista tranquila entre duas pessoas, gravada com bons microfones, dá um resultado muito diferente de um painel de quatro pessoas gravado por videochamada. Qualquer percentagem que leia na página de um produto é uma média sobre o áudio de outra pessoa.
Este artigo dá-lhe, por isso, duas coisas: o que afeta a precisão na prática e um teste de 10 minutos que mede a taxa de erro do seu episódio.
O que afeta a precisão
| Fator | Porque importa | O que ajuda |
|---|---|---|
| Qualidade do áudio | Ruído de fundo, eco e compressão escondem sons de que o modelo precisa | Uma sala silenciosa, um microfone próximo, uma faixa gravada localmente |
| Fala sobreposta | Duas pessoas a falar ao mesmo tempo normalmente não podem ser escritas as duas | Peça aos convidados que não interrompam; verifique essas passagens de ouvido |
| Nomes e jargão | Nomes raros, marcas e termos técnicos são adivinhados a partir do som | Confirme cada nome na página do episódio ou no site do convidado |
| Sotaques e velocidade da fala | Sotaques menos comuns e fala muito rápida aumentam a taxa de erro | Defina o idioma falado correto; reveja as passagens rápidas |
| Mistura de idiomas | Um orador que muda de idioma a meio da frase confunde o modelo de linguagem | Espere erros adicionais nas mudanças |
| Números e datas | Dígitos e unidades ouvem-se mal com facilidade (“quinze” e “cinquenta”) | Verifique todos os valores que pretende usar |
Nada disto é específico de uma ferramenta. É assim que funciona o reconhecimento de voz: o modelo transforma o som nas palavras mais prováveis, e as improváveis ficam para trás.
O teste rápido de 10 minutos
A precisão costuma ser indicada pela taxa de erro de palavras (WER, de word error rate):
WER = (substituições + eliminações + inserções) / palavras no texto correto- Uma substituição é uma palavra errada (“quinze” em vez de “cinquenta”).
- Uma eliminação é uma palavra que foi dita mas falta.
- Uma inserção é uma palavra na transcrição que nunca foi dita.
Um WER de 5 % significa cerca de uma palavra errada em cada vinte. Quanto menor, melhor. Pode medi-lo numa amostra, sem verificar o episódio inteiro.
- Escolha três trechos de cerca de um minuto cada: um do início, um do meio e um do fim. Evite anúncios e música.
- Ouça e corrija. Em cada trecho, leia a transcrição enquanto ouve e marque cada substituição, eliminação e inserção. Ouça à velocidade normal; a maioria dos erros aparece à primeira passagem.
- Conte as palavras do trecho corrigido. Um minuto de conversa tem muitas vezes entre 130 e 170 palavras.
- Some os erros e divida pelo número de palavras. Faça o mesmo nos três trechos e calcule a média.
- Anote onde estão os erros. Se a maioria vier de nomes e números, a transcrição serve para leitura e precisa de uma revisão rápida antes de citar.
Use uma folha simples:
| Trecho | Palavras | Substituições | Eliminações | Inserções | WER |
|---|---|---|---|---|---|
| Início | 150 | ||||
| Meio | 150 | ||||
| Fim | 150 |
Três minutos são uma amostra pequena. Trate o resultado como uma indicação e faça o teste num segundo episódio, mais difícil, antes de confiar numa ferramenta.
Nem todos os erros custam o mesmo
Um WER trata todas as palavras erradas por igual. O leitor não. A falta de um “o” quase não se nota, mas um nome errado ou um “não” trocado muda o sentido. Ao verificar, veja com mais atenção:
- Nomes de pessoas, empresas e lugares
- Números, datas, preços e percentagens
- Negações (“pode” e “não pode”, “fez” e “não fez”)
- Citações que pretende usar palavra por palavra
Verifique mais depressa
A parte lenta da verificação é encontrar o ponto certo no áudio. No Podcast To Transcript, cada linha da transcrição tem um carimbo de data/hora e uma etiqueta de orador. Um clique numa linha leva a esse momento, por isso uma passagem duvidosa ouve-se em segundos, sem andar às voltas pelo episódio. Escolha o idioma falado correto antes de transcrever e leia a transcrição enquanto ouve o áudio, para confirmar nomes e valores.
Se a precisão importa no seu trabalho, por exemplo em citações num artigo ou num estudo, veja as páginas para jornalistas e investigadores, e o guia para transcrever um podcast. Para citar o que verificou, leia como citar um podcast.
Resumo
- A precisão depende do seu áudio.
- Meça-a: três amostras de um minuto, conte os erros e divida pelas palavras.
- Verifique de ouvido nomes, números, negações e citações antes de publicar.
Perguntas frequentes
Qual a precisão de uma transcrição de podcast por IA?
Em fala clara com um ou dois oradores, as ferramentas atuais acertam na grande maioria das palavras. A precisão cai com música de fundo, vozes sobrepostas, sotaques fortes e gravações feitas por linha telefónica. Só conta o número que medir no seu episódio, com o teste acima.
O que é a taxa de erro de palavras?
A taxa de erro de palavras (WER) é a proporção de palavras erradas, em falta ou acrescentadas, em comparação com uma referência correta. Um WER de 5 % significa cerca de 5 erros em cada 100 palavras. Conta todas as palavras por igual, por isso não distingue um nome errado de um “o” errado.
Porque é que os nomes e os números falham mais?
Nomes raros, nomes de marcas e números são difíceis de prever pelo contexto, por isso o modelo tem pouco em que se apoiar. São também as palavras em que o leitor mais confia, e por isso a lista acima começa por elas.
Posso melhorar a precisão antes de transcrever?
Sim. Grave cada orador num microfone separado sempre que possível, mantenha a música baixa por baixo da fala e defina o idioma falado, em vez de confiar na deteção automática. Melhor áudio ajuda mais do que qualquer definição.
Ainda preciso de rever o texto?
Sim, para tudo o que for público. Trate o texto da IA como um primeiro rascunho rápido, verifique de ouvido nomes, números e citações e corrija-os antes de publicar. O Podcast To Transcript mantém os carimbos de data/hora junto de cada linha, para que possa saltar para o segundo exato e ouvir. A página de preços indica o que cada plano inclui, e o guia para transcrever um podcast explica os passos.
