Программа для многоязычной транскрибации

Один процесс для всех языков, на которых вы записываете

Большинству команд, которым нужна многоязычная транскрибация, приходится работать не на одном языке, поэтому Sonix пропускает каждый язык через один и тот же аккаунт, один и тот же конвейер и один и тот же редактор.

Исследовательская компания в понедельник проводит фокус-группу на испанском, а в четверг на мандаринском. Редакция за одну неделю принимает интервью на арабском, иврите и английском. Университетская группа собирает устные истории на урду и бенгальском. Ни одной из них не нужен отдельный подрядчик под каждый язык.

Любой язык проходит одни и те же шаги: загрузите файл с компьютера, из Dropbox, Google Drive или по ссылке, дайте ИИ расшифровать его со скоростью 10x от реального времени, а затем доработайте текст в браузерном редакторе, где щелчок по любому слову переносит к этому моменту в записи.

Результат тоже одинаков для всех языков. Экспортируйте в Word, PDF, обычный текст, SRT, VTT и другие форматы, всего 18+, с временными метками и метками спикеров или без них. Будь исходная запись немецкой или тагальской, ваш дальнейший процесс не меняется.

У каждого поддерживаемого языка есть своя страница с заметками о диалектах, деталях форматов и ответами на вопросы, характерные для этого языка. Перейдите в каталог языков выше или начните с самых востребованных руководств: транскрибация испанского аудио, транскрибация арабского аудио и транскрибация кантонского аудио.

Какие языки расшифровываются лучше всего?

Точность Sonix на поддерживаемых языках составляет от 85% до 99% в зависимости от качества аудио: язык задает потолок, а запись определяет, где под этим потолком окажется ваша расшифровка.

Не все языки расшифровываются одинаково хорошо, как в Sonix, так и на любой другой платформе ИИ-транскрибации. Где именно в этом диапазоне окажется ваш файл, зависит от трех вещей: самого языка, говорящих и записи.

Языки с большим объемом данных занимают верх диапазона

Модели распознавания речи учатся на расшифрованном аудио. Языки, для которых доступно огромное количество обучающих данных, такие как английский, испанский, французский, немецкий, португальский, мандаринский и японский, как правило, дают лучшие результаты. Для моделей просто больше записанной и расшифрованной речи: больше акцентов, условий записи и тем.

Для этих языков чистая запись с четко различимыми спикерами регулярно попадает в верхнюю часть диапазона точности, поэтому профессиональная транскрибация опирается именно на них.

Языки с меньшим объемом данных требуют более внимательной правки

Языки с небольшим объемом обучающих данных, например башкирский, уйгурский, монгольский или валлийский, на чистом аудио по-прежнему расшифровываются хорошо, но их тексты выигрывают от более тщательной правки. Заложите в редакторе Sonix несколько лишних минут на такие языки, особенно для имен собственных и профессиональной лексики.

Это не повод отказываться от ИИ-транскрибации для таких языков. Это повод выбрать инструмент с быстрой правкой. Редактор Sonix воспроизводит аудио синхронно с текстом, поэтому проверка сомнительного слова занимает один клик, а не поиск по всей записи.

Широкая середина: хороший результат при обычной проверке

Большинство из 54+ поддерживаемых языков находится между этими полюсами. У хинди, бенгальского, урду, иврита, кантонского, вьетнамского, турецкого, польского и индонезийского достаточно обучающих данных и зрелые модели распознавания. На чистом аудио они работают очень хорошо, а на шумном или с сильным акцентом требуют такой же проверки, как английский файл, записанный в тех же условиях.

Для этой группы полезно знать две закономерности. Во-первых, официальная речь расшифровывается лучше разговорной: новостной выпуск на хинди выходит чище, чем семейный телефонный разговор на хинди, потому что дикторская речь ближе к обучающим данным. Во-вторых, чаще всего приходится исправлять имена и заимствованные слова. Расшифровка интервью на бенгальском о местной политике безупречно передаст бенгальскую речь, но может споткнуться на английском названии компании, брошенном посреди фразы.

От чего зависит точность на каждом языке

Четыре фактора важнее, чем место языка в рейтинге.

• Объем обучающих данных. Чем больше расшифрованной речи на языке, тем лучше распознается его реальное разнообразие, вместе с акцентами.
• Удаленность диалекта. Модель, обученная в основном на одном стандартном варианте, чаще ошибается на далеких от него диалектах. Арабского это касается сильнее почти всех остальных языков, как объясняется в следующем разделе.
• Тональность и зависимость от контекста. В тональных языках, таких как мандаринский, кантонский, вьетнамский и тайский, смысл передается высотой тона. Современные модели хорошо справляются с тоном в контексте, но омофоны в шумном аудио по-прежнему остаются частой причиной правок.
• Качество аудио. Это самый сильный рычаг, который находится в ваших руках. Петличный микрофон в тихой комнате на урду даст результат лучше, чем запись на телефон в гулком зале на английском. Минимум фонового шума, четко различимые спикеры и как можно меньше перебивания приближают любой язык к верху диапазона точности.

Как поднять любой язык к верху диапазона

Вы не можете изменить объем обучающих данных для своего языка, но почти всё остальное в ваших руках.

• Записывайте рядом с говорящим. Внешний или петличный микрофон в нескольких десятках сантиметров от источника звука лучше, чем микрофон ноутбука на другом конце комнаты, на любом языке.
• Разделяйте спикеров. Перебивание ухудшает точность и разметку спикеров. В интервью и фокус-группах просите говорить по одному.
• Убирайте шум у источника. Закройте окна, выключите кондиционер и не записывайтесь в кафе. Шум, который ваше ухо игнорирует, модель не игнорирует.
• Выбирайте язык, соответствующий записи. Для кантонского выбирайте кантонский, а не мандаринский. Откройте страницу нужного языка в каталоге выше и прочитайте заметки о диалектах до загрузки.
• Планируйте время на правку по группам языков. Для языков с большим объемом данных достаточно беглого просмотра. Для языков с меньшим объемом данных и записей с ярко выраженными диалектами запланируйте сфокусированную проверку имен, чисел и терминов.

Что важно запомнить: выбор языка задает потолок, но качество записи определяет, где под этим потолком окажется ваша расшифровка. Хорошо записанное интервью на урду выйдет лучше, чем плохо записанное на английском.

Диалекты и системы письма

Меню из 54+ языков говорит лишь о части дела: в повседневной работе важно, как платформа справляется с разнообразием внутри каждого языка.

Кантонский это не мандаринский

Sonix рассматривает китайский как два разных варианта: кантонский и мандаринский. В устной речи они взаимно не понятны, и если пропустить кантонскую запись через мандаринскую модель, результат будет непригоден. Выбирайте тот вариант, на котором действительно говорят ваши спикеры. Для гонконгских медиа, семейных архивов и интервью на кантонском используйте отдельный вариант транскрибация кантонского, а для записей из материкового Китая и Тайваня выбирайте транскрибация мандаринского.

Арабский и его диалектный континуум

Арабский включает литературный арабский язык и региональные группы диалектов, среди которых египетский, левантийский, диалекты стран Персидского залива и магрибский. Эфирная и официальная речь на литературном арабском расшифровывается надежнее всего, а разговорные диалектные записи менее предсказуемы и требуют правки. Диалектные рекомендации есть на странице транскрибации арабского.

Португальский: Бразилия и Португалия

Sonix предлагает один вариант португальского для бразильской и европейской речи. Произношение заметно различается, а лексика местами расходится, поэтому в любом случае быстро проверьте имена собственные и региональные слова. Обе разновидности описаны на странице транскрибации португальского.

Письмо справа налево

Расшифровки на арабском, иврите, фарси и урду выдаются родным письмом справа налево, а не приблизительной латинской записью, и редактор выстраивает текст справа налево, пока вы его правите. Подробности смотрите в руководствах: транскрибация иврита и транскрибация видео на урду.

Родное письмо, а не романизация

Языки с нелатинской письменностью, включая хинди (деванагари), бенгальский, тамильский, тайский, корейский, японский и греческий, выдаются собственным письмом. Если для другого инструмента нужна версия латиницей, сначала расшифруйте запись родным письмом, а затем переведите расшифровку на английский. Транскрибация родным письмом сохраняет точность, а романизация на этапе распознавания ее не сохраняет.

Автоопределение языка для аудио на нескольких языках

Если вы не знаете, на каком языке файл, или в записи языки сменяют друг друга, Sonix может определить язык сам или расшифровать несколько языков в одном файле.

Автоопределение языка

Выберите при загрузке «Auto-detect language», если вы обрабатываете файлы из многих источников и не можете проверить каждый. Sonix определяет язык речи и направляет файл в нужную модель распознавания, поэтому пакет интервью на испанском, французском и немецком можно загрузить вместе, не сортируя заранее.

Несколько языков в одной записи

Если в файле меняется язык, выберите «Transcribe in multiple languages» и отметьте все языки, которые в нем звучат. Sonix расшифровывает каждый фрагмент разговора на том языке, который слышит, поэтому двуязычная фокус-группа, переходящая с английского на испанский, интервью в диаспоре с урду и английским или международная панель с арабским и французским спикерами получаются одним текстом.

Одно честное ограничение, вытекающее из устройства функции: она лучше всего работает, когда язык меняется между спикерами, а не посреди фразы. Быстрое переключение кодов внутри одного предложения остается самым трудным случаем для распознавания речи. Для записей с частыми переключениями расшифруйте их на основном языке, а исключения исправьте в редакторе.

Если язык известен, укажите его

Если вы уже знаете язык файла, выберите его сразу. Так пропускается этап определения, и с первой секунды запись обрабатывает нужная модель.

Сначала расшифровка, затем перевод

Самый надежный путь от иноязычного аудио к английскому тексту состоит из двух шагов: расшифруйте запись на исходном языке, а затем переведите готовый текст.

Расшифровка на исходном языке оставляет модель распознавания на знакомой почве, а перевод затем работает с чистым текстом, а не угадывает по звуку. В Sonix этот переход встроен: когда расшифровка готова, переведите ее на любой из 54+ языков одним кликом с помощью нейронного машинного перевода, который сохраняет контекст и смысл. Переводы готовы за минуты, в том же аккаунте, без повторной загрузки.

Типичные случаи: перевести расшифровки испанских фокус-групп на английский для отчета клиенту, превратить расшифровки арабских интервью в английские субтитры или локализовать расшифровку английского подкаста для немецкой аудитории. Поскольку перевод начинается с исправленного текста, каждая правка в редакторе попадает во все переводы.

Для видеокоманд тот же переход обеспечивает многоязычные субтитры. Расшифруйте исходное аудио, один раз исправьте текст, переведите его и экспортируйте файлы субтитров SRT или VTT для каждого целевого языка. Временные метки исходной расшифровки сохраняются, поэтому переведенные субтитры остаются синхронными с видео без ручной подгонки.

Подробнее о переводе в Sonix или о том, как устроен весь процесс, читайте на странице автоматической транскрибации.

Создано для многоязычных команд

Одна и та же загрузка подходит исследовательской группе, редакции, юридической команде, маркетинговому агентству и подкастеру, меняется только язык.

Исследователи и ученые

Проекты по устной истории, полевая лингвистика и трансграничные исследования дают записи на том языке, на котором говорят участники. Sonix возвращает расшифровки родным письмом с временными метками, чтобы ссылки указывали на точные моменты записи.

Редакции и медиа

Репортеры присылают интервью с места событий на арабском, иврите, испанском и французском. Сначала расшифровка на исходном языке сохраняет точные цитаты, а перевод делается потом, с проверенного текста.

Юристы и комплаенс

Многоязычные показания, звонки клиентов и аудиодоказательства требуют точных записей с временными метками. Метки на уровне слов позволяют быстро сверить любое спорное место с исходным аудио.

Маркетинговые исследования

Фокус-группы на испанском, кантонском или португальском становятся текстом с поиском за минуты, поэтому аналитики кодируют темы в тот же день и не ждут подрядчика по переводу.

Подкастеры и видеопродюсеры

Расшифровки на исходном языке дают описания выпусков и видимость в поиске, а перевод в один клик превращает тот же текст в субтитры для новых рынков через экспорт SRT и VTT.