Software til transskription på flere sprog

Én arbejdsgang til alle de sprog, du optager på

De fleste teams, der har brug for transskription på flere sprog, arbejder ikke kun på ét sprog. Derfor kører Sonix alle sprog gennem den samme konto, den samme pipeline og den samme editor.

Et markedsanalysebureau kører fokusgrupper på spansk om mandagen og på mandarin om torsdagen. En nyhedsredaktion tager imod interviews på arabisk, hebraisk og engelsk i løbet af samme uge. En forskergruppe på et universitet samler mundtlige beretninger på urdu og bengali. Ingen af dem har lyst til en ny leverandør for hvert sprog.

Alle sprog gennemgår de samme trin: upload fra din computer, Dropbox, Google Drive eller en URL, lad AI'en transskribere med 10x realtidshastighed, og finpuds derefter transskriptionen i den browserbaserede editor, hvor et klik på et vilkårligt ord springer til det sted i lyden.

Resultatet fungerer også ens på alle sprog. Eksportér til Word, PDF, ren tekst, SRT, VTT og i alt 18+ formater, med eller uden tidsstempler og talermærkning. Uanset om lyden er på tysk eller tagalog, ændrer din videre arbejdsgang sig aldrig.

Hvert understøttet sprog har sin egen side med noter om dialekter, formatdetaljer og svar, der er specifikke for sproget. Gå til sprogoversigten ovenfor, eller start med vores mest efterspurgte guides: transskription af spansk lyd, transskription af arabisk lyd og transskription af kantonesisk lyd.

Hvilke sprog transskriberes bedst?

Sonix leverer 85% til 99% nøjagtighed på tværs af understøttede sprog, afhængigt af lydkvaliteten. Sproget sætter loftet, og optagelsen afgør, hvor langt under loftet din transskription lander.

Ikke alle sprog transskriberes lige godt, hverken på Sonix eller på nogen anden AI-platform til transskription. Hvor en given fil lander i det interval, afhænger af tre ting: selve sproget, talerne og optagelsen.

Ressourcestærke sprog ligger i toppen af intervallet

Talegenkendelsesmodeller lærer af transskriberet lyd. Sprog med enorme mængder træningsdata, som engelsk, spansk, fransk, tysk, portugisisk, mandarin og japansk, giver som regel de stærkeste resultater. Der findes simpelthen mere optaget og transskriberet tale at lære af, med flere accenter, flere optageforhold og flere emner.

På de sprog lander ren lyd med tydeligt adskilte talere jævnligt i den høje ende af nøjagtighedsintervallet, og det er derfor, professionel transskription læner sig op ad dem.

Ressourcesvage sprog fortjener en grundigere redigering

Sprog med mindre mængder træningsdata, som baskirisk, uighurisk, mongolsk eller walisisk, transskriberes stadig godt på klar lyd, men transskriptionerne har gavn af en grundigere gennemgang. Afsæt et par ekstra minutter i Sonix-editoren til de sprog, især til egennavne og fagudtryk.

Det er ingen grund til at fravælge AI-transskription til ressourcesvage sprog. Det er en grund til at vælge et værktøj med en hurtig rettearbejdsgang. Sonix-editoren afspiller lyden synkront med teksten, så det tager ét klik at tjekke et tvivlsomt ord i stedet for at spole rundt i filen.

Den brede midte: stærke resultater med almindelig gennemgang

De fleste af de 54+ understøttede sprog ligger mellem de to poler. Sprog som hindi, bengali, urdu, hebraisk, kantonesisk, vietnamesisk, tyrkisk, polsk og indonesisk har betydelige mængder træningsdata og modne genkendelsesmodeller. På ren lyd klarer de sig meget godt. På støjfyldt eller kraftigt accentpræget lyd kræver de den samme gennemgang, som du ville give en engelsk fil optaget under de samme forhold.

To mønstre er værd at kende i den gruppe. For det første transskriberes formelt sprog bedre end uformelt: En hindi-nyhedsudsendelse kommer renere igennem end en hindi-samtale i familien over telefon, fordi udsendelsestale ligger tættere på træningsdataene. For det andet er navne og lånord de hyppigste rettelser. En transskription af et bengalsk interview om lokalpolitik rammer det bengalske, men kan snuble over et engelsk firmanavn midt i en sætning.

Hvad afgør nøjagtigheden på hvert sprog

Fire faktorer betyder mere end rangeringen af sprog.

• Mængden af træningsdata. Jo mere transskriberet tale der findes på et sprog, desto bedre genkender modellen sprogets virkelige variation, accenter og det hele.
• Afstand til dialekten. En model, der mest er trænet på én standardvariant, laver flere fejl på fjerne dialekter. Det rammer arabisk hårdere end næsten ethvert andet sprog, som næste afsnit forklarer.
• Toner og sammenhæng. Tonesprog som mandarin, kantonesisk, vietnamesisk og thai lægger betydning i tonehøjden. Moderne modeller håndterer toner godt i sammenhæng, men homofoner i støjfyldt lyd er stadig et hyppigt rettepunkt.
• Lydkvalitet. Det er den største løftestang, du selv styrer. En lavaliermikrofon i et stille rum på urdu slår en telefonoptagelse i en ekkoende sal på engelsk. Lidt baggrundsstøj, tydelige talere og så lidt overlappende tale som muligt løfter ethvert sprog mod toppen af nøjagtighedsintervallet.

Sådan løfter du ethvert sprog mod toppen

Du kan ikke ændre, hvor mange træningsdata der findes for dit sprog, men du styrer næsten alt andet.

• Optag tæt på taleren. En ekstern mikrofon eller lavaliermikrofon inden for en meters afstand fra kilden slår en bærbar mikrofon på den anden side af rummet, på alle sprog.
• Hold talerne adskilt. Overlappende tale skader både nøjagtigheden og talermærkningen. Ved interviews og fokusgrupper er det en god idé at bede deltagerne tale ét ad gangen.
• Fjern baggrundsstøj ved kilden. Luk vinduerne, sluk for airconditionen og undgå caféer. Støj, som dit øre filtrerer fra, gør modellen ikke.
• Vælg det rigtige sprog til lyden. Vælg kantonesisk til kantonesisk, ikke mandarin. Vælg den konkrete sprogside i oversigten ovenfor, og læs noterne om dialekter, før du uploader.
• Afsæt redigeringstid efter niveau. Til ressourcestærke sprog kan du nøjes med en hurtig gennemlæsning. Til ressourcesvage sprog og lyd med kraftige dialekter bør du planlægge en fokuseret gennemgang af navne, tal og fagudtryk.

Den praktiske pointe: Sproget sætter loftet, men optagekvaliteten afgør, hvor langt under loftet din transskription lander. Et veloptaget interview på urdu slår en dårligt optaget fil på engelsk.

Dialekter og skriftsystemer

En sprogmenu med 54+ punkter fortæller kun en del af historien. Det, der betyder noget til daglig, er, hvordan en platform håndterer variationen inden for hvert sprog.

Kantonesisk er ikke mandarin

Sonix behandler kinesisk som to adskilte valg: kantonesisk og mandarin. De kan ikke forstås på tværs i tale, og hvis kantonesisk lyd sendes gennem en mandarinmodel, bliver resultatet ubrugeligt. Vælg den variant, dine talere faktisk bruger. Til hongkongske medier, familiearkiver og kantonesiske interviews skal du bruge den dedikerede mulighed for kantonesisk transskription, og til lyd fra Fastlandskina og Taiwan bruger du mandarintransskription.

Arabisk med alle sine dialekter

Arabisk omfatter moderne standardarabisk samt regionale familier som egyptisk, levantinsk, golfarabisk og maghrebinsk. Nyhedstale og formelt sprog på moderne standardarabisk transskriberes mest pålideligt, mens dialektlyd fra hverdagssamtaler varierer mere og har gavn af en gennemgang. Siden om arabisk transskription har vejledning specifikt om dialekter.

Portugisisk: Brasilien og Portugal

Sonix har ét enkelt valg til portugisisk, som dækker både brasiliansk og europæisk tale. Udtalen adskiller sig mærkbart mellem de to, og ordforrådet afviger nogle steder, så tjek egennavne og regionale udtryk hurtigt, uanset hvilken variant du uploader. Siden om portugisisk transskription dækker begge dele.

Skrift fra højre mod venstre

Transskriptioner af arabisk, hebraisk, persisk og urdu kommer tilbage i deres oprindelige skrift fra højre mod venstre, ikke i romaniserede tilnærmelser, og editoren sætter teksten fra højre mod venstre, mens du retter. Se guiderne til hebraisk transskription og urdu-videotransskription for detaljerne.

Oprindelig skrift, ikke romanisering

Sprog med ikke-latinske skriftsystemer, blandt andet hindi (devanagari), bengali, tamil, thai, koreansk, japansk og græsk, kommer tilbage i deres egen skrift. Har du brug for en version med latinske bogstaver til et efterfølgende værktøj, så transskribér først i den oprindelige skrift og oversæt derefter transskriptionen til engelsk. Transskription i den oprindelige skrift bevarer nøjagtigheden, det gør romanisering i genkendelsesleddet ikke.

Automatisk sproggenkendelse til lyd på flere sprog

Når du ikke ved, hvilket sprog en fil er på, eller en optagelse skifter mellem sprog, kan Sonix genkende sproget for dig eller transskribere flere sprog i én fil.

Lad Sonix genkende sproget

Vælg "Auto-detect language" ved upload, når du håndterer filer fra mange kilder og ikke kan tjekke dem hver især. Sonix genkender det talte sprog og sender filen til den rigtige genkendelsesmodel, så en stak interviews på spansk, fransk og tysk kan uploades samlet uden først at blive sorteret.

Flere sprog i én optagelse

Skifter en fil mellem sprog, skal du vælge "Transcribe in multiple languages" og markere alle de sprog, der tales. Sonix transskriberer hvert stykke af samtalen på det sprog, det hører. En tosproget fokusgruppe, der glider mellem engelsk og spansk, et diasporainterview, hvor urdu og engelsk blandes, eller et internationalt panel med en arabisktalende ved siden af en fransktalende kommer derfor tilbage som én transskription.

En ærlig begrænsning, direkte fra den måde funktionen virker på: Den fungerer bedst, når sprogskiftet sker mellem talere og ikke midt i en sætning. Hurtige sprogskift inde i én sætning er det sværeste tilfælde inden for talegenkendelse. Til lyd med mange sprogskift bør du transskribere på det dominerende sprog og rette undtagelserne i editoren.

Kender du sproget, så vælg det

Kender du allerede sproget i din fil, så vælg det direkte. Når du angiver sproget, springer Sonix genkendelsestrinnet over og sikrer, at den rigtige model behandler din lyd fra første sekund.

Transskribér først, oversæt bagefter

Den mest pålidelige vej fra fremmedsproget lyd til engelsk tekst er en arbejdsgang i to trin: Transskribér lyden på dens oprindelige sprog, og oversæt derefter den færdige transskription.

Når du transskriberer på kildesproget, holder genkendelsesmodellen sig på kendt grund, og oversættelsen arbejder så ud fra ren tekst i stedet for at gætte ud fra lyd. Sonix har overgangen indbygget: Når din transskription er klar, kan du oversætte den til et hvilket som helst af 54+ sprog med ét klik, drevet af neural maskinoversættelse, der bevarer kontekst og betydning. Oversættelserne leveres på få minutter, på samme konto og uden ny upload.

Typiske anvendelser: Oversæt transskriptioner af fokusgrupper på spansk til engelsk til kundens rapport, lav engelske undertekster ud fra arabiske interviewtransskriptioner, eller lokaliser en engelsk podcasttransskription til et tysk publikum. Fordi oversættelsen tager udgangspunkt i den rettede transskription, følger alle rettelser, du laver i editoren, med i hver eneste oversættelse.

Til videoteams driver den samme overgang undertekstning på flere sprog. Transskribér den originale lyd, ret den én gang, oversæt, og eksportér SRT- eller VTT-undertekstfiler til hvert målsprog. Tidsstemplerne fra den oprindelige transskription følger med, så de oversatte undertekster forbliver synkroniserede med videoen uden manuel tidsjustering.

Læs mere om Sonix-oversættelse, eller se, hvordan hele forløbet fungerer, på vores side om automatisk transskription.

Bygget til teams på flere sprog

Den samme upload passer til en forskergruppe, en nyhedsredaktion, et juridisk team, et markedsanalysebureau og en podcaster. Det eneste, der ændrer sig, er sproget.

Forskere og akademikere

Projekter med mundtlig historie, sprogvidenskabeligt feltarbejde og grænseoverskridende undersøgelser skaber lyd på det sprog, deltagerne nu engang taler. Sonix leverer transskriptioner i oprindelig skrift med tidsstempler, så henvisninger peger på præcise øjeblikke i optagelsen.

Nyheder og medier

Journalister indsender interviews på arabisk, hebraisk, spansk og fransk fra felten. Transskriberer du først på kildesproget, bevares de præcise citater. Oversættelsen sker bagefter ud fra kontrolleret tekst.

Juridiske teams og compliance

Vidneudsagn, klientopkald og bevislyd på flere sprog kræver nøjagtige optegnelser med tidsstempler. Med tidsstempler på ordniveau er det hurtigt at sammenholde en omstridt passage med den originale lyd.

Markedsanalysebureauer

Fokusgrupper på spansk, kantonesisk eller portugisisk bliver til søgbar tekst på få minutter, så analytikerne kan kode temaer samme dag i stedet for at vente på en oversættelsesleverandør.

Podcastere og videoproducenter

Transskriptioner på originalsproget driver shownotes og synlighed i søgning. Med oversættelse ved ét klik bliver den samme transskription til undertekster til nye markeder via SRT- og VTT-eksport.