„Aké je to presné?“ je prvá otázka, ktorú si ľudia kladú o AI prepisoch. Úprimná odpoveď znie: závisí to od epizódy. Pokojný rozhovor dvoch ľudí nahraný na dobré mikrofóny dopadne úplne inak ako diskusia štyroch hostí cez videohovor. Číslo, ktoré vidíte na stránke produktu, je priemer zo zvuku niekoho iného.
Preto vám tento článok ponúka dve veci namiesto jedného čísla: čo presnosť skutočne ovplyvňuje a 10-minútový test, ktorý ukáže chybovosť vašej epizódy.
Čo ovplyvňuje presnosť
| Faktor | Prečo na ňom záleží | Čo pomáha |
|---|---|---|
| Kvalita zvuku | Hluk v pozadí, ozvena a kompresia zakrývajú zvuky, ktoré model potrebuje | Tichá miestnosť, mikrofón pri ústach, lokálne nahratá stopa |
| Prekrývanie hlasov | Dvoch ľudí hovoriacich naraz sa zvyčajne nedá zapísať naraz | Požiadajte hostí, aby si neskákali do reči; tie miesta skontrolujte sluchom |
| Mená a odborné výrazy | Zriedkavé mená, značky a odborné pojmy sa odhadujú podľa zvuku | Každé meno overte na stránke epizódy alebo na webe hosťa |
| Prízvuk a tempo reči | Menej bežné prízvuky a veľmi rýchla reč zvyšujú chybovosť | Nastavte správny hovorený jazyk; rýchle pasáže si prečítajte pozornejšie |
| Miešanie jazykov | Rečník, ktorý v polovici vety prejde do iného jazyka, zmätie jazykový model | Počítajte s dodatočnými chybami v miestach prechodu |
| Čísla a dátumy | Číslice a jednotky sa ľahko zle začujú („pätnásť“ a „päťdesiat“) | Overte každý údaj, ktorý chcete použiť |
Takto funguje rozpoznávanie reči: model vyberá najpravdepodobnejšie slová a nepravdepodobné slová zvyčajne prehrajú s tými pravdepodobnými. Preto sa chyby sústreďujú tam, kde zvuk nie je jasný.
10-minútová kontrola vzorky
Presnosť prepisov sa zvyčajne uvádza ako chybovosť slov (WER, word error rate):
WER = (substitutions + deletions + insertions) / words in the correct text- Substitúcia je nesprávne slovo („pätnásť“ namiesto „päťdesiat“).
- Vynechanie je slovo, ktoré odznelo, ale v prepise chýba.
- Vloženie je slovo v prepise, ktoré nikdy nezaznelo.
WER 5 % znamená približne jedno chybné slovo z dvadsiatich. Čím nižšie, tým lepšie. Dá sa zmerať na vzorke, nie je potrebné kontrolovať celú epizódu.
- Vyberte tri úseky po približne jednej minúte: jeden zo začiatku, jeden zo stredu a jeden z konca. Vyhnite sa reklamám a hudbe.
- Počúvajte a opravujte. Pri každom úseku čítajte prepis a súčasne ho počúvajte. Označte každú substitúciu, vynechanie a vloženie. Púšťajte normálnou rýchlosťou; väčšinu chýb nájdete už pri prvom prechode.
- Spočítajte slová v opravenom úseku. Minúta rozhovoru má často 130 až 170 slov.
- Sčítajte chyby a vydeľte ich počtom slov. Postup zopakujte pri všetkých troch úsekoch a výsledky spriemerujte.
- Všimnite si, kde chyby vznikajú. Ak väčšina pochádza z mien a čísel, prepis sa dá dobre čítať, no pred citovaním ho treba rýchlo upraviť.
Použite jednoduchú tabuľku:
| Úsek | Slová | Substitúcie | Vynechania | Vloženia | WER |
|---|---|---|---|---|---|
| Začiatok | 150 | ||||
| Stred | 150 | ||||
| Koniec | 150 |
Tri minúty zvuku sú malá vzorka, preto berte výsledok ako orientáciu, nie záruku. Skôr než sa na nástroj spoľahnete, urobte test aj na druhej, náročnejšej epizóde.
Nie všetky chyby stoja rovnako
Číslo WER počíta každé chybné slovo rovnako. Čitatelia nie. Chýbajúce „a“ takmer nevadí, zlé meno alebo obrátené „nie“ však mení význam. Pri kontrole sa sústreďte na tieto položky:
- mená ľudí, firiem a miest
- čísla, dátumy, ceny a percentá
- zápory („môžem“ a „nemôžem“, „bolo“ a „nebolo“)
- citácie, ktoré plánujete použiť doslovne
Ako kontrolovať rýchlo
Najviac času zaberá nájsť správne miesto v zvukovej stope. V Podcast To Transcript má každý riadok prepisu časovú značku a označenie rečníka. Kliknutím na riadok presuniete prehrávač na dané miesto, takže pochybnú pasáž si vypočujete za pár sekúnd, nie pretáčaním celej epizódy. Pred prepisom zvoľte správny hovorený jazyk a pri menách a číslach čítajte prepis spolu so zvukom.
Ak na presnosti záleží pri vašej práci, napríklad pri citátoch v článku alebo štúdii, pozrite si stránky pre novinárov a výskumníkov a návod ako prepísať podcast. Ako citovať to, čo ste overili, nájdete v článku ako citovať podcast.
Zhrnutie
- Presnosť závisí od vášho zvuku, nie od reklamného čísla.
- Zmerajte ju: tri jednominútové vzorky, spočítajte chyby, vydeľte počtom slov.
- Mená, čísla, zápory a citácie skontrolujte sluchom skôr, než niečo zverejníte.
Často kladené otázky
Aký presný je AI prepis podcastu?
Pri zrozumiteľnej reči jedného alebo dvoch rečníkov dnešné nástroje správne zapíšu väčšinu slov. Presnosť klesá pri hudbe v pozadí, prekrikovaní, silnom prízvuku a nahrávkach z telefónu. Rozhodujúce je číslo, ktoré zmeriate na vlastnej epizóde kontrolou vzorky vyššie.
Čo je chybovosť slov?
Chybovosť slov (WER) je podiel slov, ktoré sú v porovnaní so správnou predlohou nesprávne, chýbajú alebo pribudli. WER 5 % znamená približne 5 chýb na každých 100 slov. Všetky slová sa počítajú rovnako, takže číslo neukáže, že zlé meno váži viac ako zlé „a“.
Prečo sú najčastejšie chybné mená a čísla?
Zriedkavé mená, názvy značiek a čísla sa z kontextu ťažko predpovedajú, takže model sa nemá o čo oprieť. Zároveň ide o slová, ktorým čitateľ verí najviac, preto zoznam vyššie začína práve nimi.
Môžem zlepšiť presnosť ešte pred prepisom?
Áno. Ak sa dá, nahrávajte každého rečníka na samostatný mikrofón, hudbu pod rečou držte potichu a hovorený jazyk nastavte ručne namiesto spoliehania sa na automatické rozpoznanie. Lepší zvuk pomáha viac ako ktorékoľvek nastavenie.
Musím prepis ešte po sebe čítať?
Áno, ak ide o niečo verejné. Berte AI text ako rýchly prvý návrh a mená, čísla a citácie skontrolujte sluchom pred zverejnením. Podcast To Transcript uchováva časové značky pri každom riadku, takže môžete skočiť na presnú sekundu a vypočuť si ju. Čo obsahuje každý plán, nájdete na stránke cenníka, a návod na prepis podcastu vás prevedie jednotlivými krokmi.
