Äänityksen muuttaminen tekstiksi
Julkaistu · Päivitetty 2 min lukuaika
Työkalu litteroi äänitiedoston selaimessasi pienellä mallilla. Selkeällä äänellä se erehtyy suunnilleen yhdessä sanassa neljästä; kielen valinta ja melu muuttavat tulosta paljon.
Mitä työkalu tekee
Äänestä tekstiksi litteroi äänitiedoston Whisper-moottorilla selaimessasi. Tiedostoa ei lähetetä: vain malli ladataan, kerran, sen jälkeen kun olet valinnut suostumusruudun. Tarjolla on kolme vientimuotoa: TXT, SRT ja VTT.
Mitä ensimmäinen käyttökerta lataa
Kokeen aikana selain latasi mallin ja sen skriptit kahdesta sivuston ulkopuolisesta palvelusta: mallin isännöivästä säilöstä ja skriptien jakeluverkosta. Kaikki nämä pyynnöt olivat latauksia; yksikään ei kuljettanut sisältöä, siis ei äänitiedostoa. Painike ”Tyhjennä Whisperin välimuisti” poistaa sen jälkeen mallin selaimesta.
Testiäänitykset
Kokeissa käytetään kahta synteettistä ääntä, naisääntä ja miesääntä, jotka lukevat saman 32 sanan tekstin: ”Le jardin partagé du Vallon ouvre ses parcelles le trois mai. Venez découvrir le compost, les semis et l’atelier des enfants. L’inscription est gratuite et ouverte à toutes les familles du quartier.” Jokainen äänitys kestää 12-14 sekuntia. Koska teksti tunnetaan, virheellisten sanojen määrä voidaan laskea tarkasti.
Valittu kieli
Kielivalikko tarjoaa automaattisen asetuksen ja kaksikymmentä kieltä. Sisäänrakennetulla mallilla automaattinen tunnistus piti molempia ääniä englantina ja tuotti englanninkielisiä lauseita, joilla ei ollut yhteyttä luettuun tekstiin, eli yhtä monta virhettä kuin sanaa. Työkalu valitsee siksi oletuksena sivun kielen, tässä ranskan.
| Ääni | Asetettu kieli | Virheellisiä sanoja 32:sta |
|---|---|---|
| Nainen | Automaattinen | 32 |
| Mies | Automaattinen | 33 |
| Nainen | Ranska | 10 (31 %) |
| Mies | Ranska | 8 (25 %) |
Mitä oikea kieli antaa
Miesäänellä ranskaksi litterointi kuuluu ”Le jardin partagé du vallon ouvre ses parcels le 3 mai. Venez découvrir le compost, les sémisées la te liée des enfants. L’inscription est gratuit et ouvert à toutes les familles du quartier.” Virheet ovat tyypillisiä: kadonnut monikko (”parcels”), erisnimi ilman isoa alkukirjainta (”vallon”), numeroilla kirjoitettu luku (”3” sanan ”trois” sijasta) ja väärin kuullut harvinaiset sanat (”semis”, ”atelier”).
Melun vaikutus
Miesääneen lisättiin melua kahdella tasolla. 10 dB:llä melu on selvästi ääntä heikompaa. 0 dB:llä se on yhtä voimakasta kuin ääni.
| Äänitys | Virheellisiä sanoja 32:sta |
|---|---|
| Ilman melua | 8 (25 %) |
| Kevyt melu, 10 dB | 11 (34 %) |
| Voimakas melu, 0 dB | 31 (97 %) |
Kevyt melu maksaa muutaman sanan. Ääntä yhtä voimakas melu tekee litteroinnista käyttökelvottoman.
Käsittelyaika
Jokainen koe kesti 6-12 sekuntia noin 13 sekunnin äänitykselle, mallin lataus mukaan lukien, pöytätietokoneella. Pidempi tiedosto vaatii enemmän aikaa ja muistia.
Mitä nämä luvut eivät kerro
Synteettiset äänet ovat tasaisia. Todellinen ääni, aksentilla, epäröinnillä tai usealla henkilöllä, antaa toisenlaisia lukuja. Kokeile lyhyttä otetta omasta äänityksestäsi ennen koko tiedoston käynnistämistä.
Tuloksen parantaminen
- Valitse äänityksen kieli valikosta.
- Vähennä melua lähteellä: lähellä oleva mikrofoni antaa paremman tuloksen kuin suodatin jälkeenpäin.
- Jos tiedosto on harvinaisessa muodossa, muunna se ensin oppaan Äänityksen muuntaminen sitä pilaamatta avulla.
Lue aina uudelleen erisnimet, luvut ja tekniset termit.
Saadun tekstin tarkistus
- Kuuntele äänitys tekstiä seuraten.
- Korjaa nimet, luvut ja taivutukset.
- Vie TXT-muodossa tekstiksi, SRT- tai VTT-muodossa tekstityksiksi.