SmartBabr. Там, де машинний інтелект безсилий. Як працюють «розшифровувача аудіозаписів»

1. Довірити таку тонку роботу машинам не виходить, як би вони не були розумні
2. Цю роботу можуть робити ті, у кого немає сім'ї, немає іншої роботи, хороша пам'ять і висока швидкість...
3. А раптом мене врятували б кошти голосового набору?
4. «Хто там знак питання це ми кома Вася і Петя кома твої друзі точка»
5. Читайте також:

Наша взаимовыгодная связь https://banwar.org/

Автор: Аліна Саратова
30 травня 2017

Машинний інтелект може багато, але не все. Одна з неподдающихся автоматизації завдань - переклад складних аудіозаписів в текст. Цю роботу сьогодні доручають фрілансерам і на перший погляд вона здається легкою. Оглядач SmartBabr розповідає, як це - бути «розшифровує аудіозаписів», і які технології все-таки можуть в цій справі в нагоді.

У мене є улюблена робота, яка мене повністю задовольняє. Але, як відомо, грошей багато не буває - і зі мною погодяться всі, хто шукає додатковий заробіток. Саме тому так популярні всі ці ИнфоБизнес, і, напевно, саме це є причиною поширеності і процвітання всяких «робіт», де потрібно відправити заздалегідь якусь суму «на матеріали» або «на документи». Покопавшись на біржі фрілансу і поспілкувавшись з подругами, я натрапила на вакансію расшифровщика аудіозаписів.

Дану вакансію розміщують ті, хто займається соціологічними дослідженнями. У них є така штука, як «фокус-група», коли збирається кілька людей за певними параметрами, і проводиться бесіда на певну, знову ж таки, тему. Бесіда записується на диктофон, і ось ці-то записи і вимагають так званої розшифровки.

Довірити таку тонку роботу машинам не виходить, як би вони не були розумні

Причина проста: в самих звичайних комп'ютерах не використовуються технології, які можуть розпізнавати голоси. Машина переводить аудіо в текст суцільним потоком, і потім цей потік потрібно розшифровувати заново: програма не розрізняє чоловічі і жіночі голоси, не може назвати імена і вік, і не розуміє, де питання, а де вигук.

І тут мені, що називається, пощастило. Одна дуже хороша жінка запропонувала спробувати свої сили в розшифровці бесід. При цьому вона пропонувала в чотири рази більше, ніж платять за цю справу на біржах. Ну хто від такого відмовиться? Тим більше, маючи досвід перекладу диктофонних інтерв'ю (несвоїх).

- А тут що робити-то? - думала я. - Сиди собі, навушники у вуха, так строчи - дослівно ж треба, ніякої обробки. Ну або майже ніякої ...

І я погодилася.

Після першої розшифровки у мене тремтіли руки. Після другої почав сіпатися око. Після третьої, сяк-так піднявшись від комп'ютера і разогнув покручені пальці, я зрозуміла, що за останні три доби я спала три години, я не пам'ятаю, як виглядає моя дитина, а ще не знаю, коли я їла, коли зачісувалася і як мене звуть. Я подзвонила замовниці і попросила звільнити мене від такого «задоволення».

Цю роботу можуть робити ті, у кого немає сім'ї, немає іншої роботи, хороша пам'ять і висока швидкість набору тексту

Для тих, хто посміхається: «Ось я-то, на відміну від тебе, все зможу і вже таку можливість не втрачу!», Коротко про роботу. Дається аудіофайл, який потрібно перевести в текстовий документ дослівно. На фото бесіда, не менше 8 осіб, і дуже щільна - ніхто не замислюється, всі говорять по справі. Необхідним шрифтом необхідного розміру півторагодинна розмова займає не менше 30 сторінок. І цілий список вимог до оформлення: після набору я розставляла дужки, виділяла курсивом і жирним шрифтом і ставила коментарі до реплік в одному тексті ще 4 години.

Відмовившись від подальшого самокатування, я проспала 15 годин. А потім, вже прийнявши ванну і скуштувавши чашечку чаю (від кави, думаю, мене ще довго буде нудити), подумала:

А раптом мене врятували б кошти голосового набору?

Я б перевела ручкою на папірець, із зазначенням персонажів і виділенням питань і вигуків, з виведенням емоцій і так далі, а потім акуратно і вдумливо, як учитель диктант для тільки навчилися писати першокласників, прочитала б це все в мікрофон, а комп'ютер сам за мене набрав це? Може, так було б простіше і легше? І я полізла шукати, пробувати, аналізувати і порівнювати програми для голосового набору. Звичайно, мені вони вже не так вже й потрібні - але стануть в нагоді тим, хто пише дипломи, статті, лекції і так далі.

Компанія Google, яка займає лідируючі позиції в області машинного навчання і штучного інтелекту, пропонує відразу кілька додатків для свого браузера. Встановивши ці програми, але помічники, ви отримаєте той самий інструмент для набору текстів за допомогою читання його в мікрофон.

Перше з них - голосовий блокнот. Це безкоштовний додаток. Воно є як в інтернет-магазині браузера, так і на конкретному.

Голосовий блокнот може проводити транскрібацію, але потоком. А коли надиктовують йому текст, потрібно називати словами розділові знаки. Буквально як в тому анекдоті:

«Хто там знак питання це ми кома Вася і Петя кома твої друзі точка»

При дуже повільному читанні з виділенням голосу блокнот може і сам поставити розділові знаки, але перед тим як брати файл і використовувати його потрібно перевірити: а чи правильно він вас зрозумів.

Другий додаток - це. Він працює точно так само, як блокнот, але має дещо інший інтерфейс і комусь здасться більш зручним.

Сервіс пропонує не тільки голосовий блокнот, але ряд інших послуг, які є платними. А ось запис тексту голосом в ньому доступна тільки для браузера Google Chrome. Голосовий помічник сервісу безкоштовний і розпізнає російська, українська, англійська, німецька, французька та італійська мови.

Наступний сервіс - безкоштовний, і зручний тим, що має голосові підказки і можливості перегляду варіантів розпізнавання. Також в сервісі є зручний редактор, за допомогою якого досить просто скопіювати отриманий текст або відразу з сайту роздрукувати його на принтері. Також ваш матеріал за допомогою TalkTyper можна відразу перевести, скажімо, англійською або французькою. Якщо чесно, іноземними володію на рівні «вітаюся зі словником», тому саме цю функцію перевірити не змогла. А так - зійде. Дуже зручно, що слова, які програма не змогла розпізнати точно, підсвічуються, і при натисканні на них можна вибрати інші варіанти.

Є програми, які вимагають установки, найвідоміші - Voco і. Перша - платна, її вартість від 1690 рублів. Друга - безкоштовна. Voco не тільки друкує на комп'ютері і встановлює знаки пунктуації, а й вміє транскрибувати аудіо (потоком). MSpeech може розпізнавати голос на 50 мовах і має гарячі клавіші. Можна самому вибирати джерело звуку, коригувати розпізнаний текст.

Для всіх програм і додатків потрібно браузер Google Chrome, практично абсолютна тиша в кімнаті і дуже чутливий мікрофон. Також бажана хороша дикція - щоб не довелося потім багато правити в готовому документі. Також практично весь софт недостатньо добре розпізнає окремі слова і доводиться чітко їх промовляти, а це знижує швидкість появи тексту.

В принципі, спробувати можна.

Читайте також:

Робота в інтернеті на дому і без вкладень: що ховається за привабливими пропозиціями

Джерело: Інформаційне агентство "Бабр"