Kup usługi transkrypcji od zweryfikowanych specjalistów

Kompletny przewodnik po transkrypcji, napisach i podpisach

Transkrypcja wydaje się najprostszą usługą na każdym rynku i jest cicho jedną z najłatwiejszych do złego zakupu. Wynikiem jest tylko tekst, więc każdy dostawca wygląda na wymiennego, a cena wygrywa. Następnie plik przychodzi bez etykiet mówców, słowa wypełniające usunięte z wywiadu badawczego, który ich potrzebował, i rozproszenie domysłów tam, gdzie dźwięk był trudny.

Dobre kupowanie to przede wszystkim dobre określanie. Sześć decyzji kształtuje wynik — styl, znaczniki czasu, etykiety mówców, format pliku, poziom dokładności i czas realizacji. Określ je jasno, a wyceny staną się porównywalne.

Co faktycznie obejmuje transkrypcja ludzka

Transkrybent nie tylko przepisuje to, co słyszy. Dzieli ciągłą mowę na zdania, które nigdy nie istniały, umieszcza interpunkcję, która zmienia znaczenie, bada każdą nazwę własną i uczciwie zaznacza, gdzie dźwięk go pokonuje. Zasadą jest od trzech do pięciu godzin roboczych na godzinę czystego nagrania z jednym mówcą, więc znacznie szybsze tempo zazwyczaj oznacza lekko skorygowany wynik maszynowy.

Dosłownie kontra czyste czytanie

Pełna transkrypcja dosłowna zachowuje wszystko, w tym wahania i porzucone początki, ponieważ w postępowaniach prawnych, dochodzeniach HR i badaniach rynkowych sposób, w jaki coś zostało powiedziane, sam w sobie jest dowodem. Czyste czytanie usuwa wypełniacze, zachowując jednocześnie każdy istotny punkt i słownictwo mówcy, co jest właściwym domyślnym ustawieniem dla podcastów i napisów. Nigdy nie powinno to być parafrazowanie. Określ swój wybór w zamówieniu, ponieważ dostawcy używają tych terminów w różny sposób.

Znaczniki czasu, etykiety mówców i formaty plików

Znaczniki czasu w stałych trzydziestosekundowych lub jednominutowych odstępach są najtańsze i wystarczające do cytowania i sprawdzania faktów; znaczniki przy każdej zmianie mówcy pasują do wywiadów; synchronizacja na poziomie słów kosztuje więcej i służy do precyzyjnej edycji. Etykiety mogą być prawdziwymi imionami, rolami takimi jak Rozmówca i Uczestnik, lub anonimowymi kodami — jeśli zgoda etyczna wymaga anonimizacji, należy to zgłosić przed rozpoczęciem pracy, aby prawdziwe imiona nigdy nie znalazły się w pliku. Należy również uzgodnić format wyjściowy, ponieważ transkrypcja przeznaczona do napisów jest segmentowana inaczej.

Napisy, podpisy i kwestia SRT lub VTT

Napisy to nie transkrypcja z dołączonymi czasami. Każda wskazówka musi mieścić się na ekranie, pozostawać wystarczająco długo, aby ją przeczytać i łamać się w sensownym punkcie gramatycznym; praktyka nadawcza zazwyczaj utrzymuje napisy w dwóch liniach o długości około 37 do 42 znaków. SRT to uniwersalny format wymiany, podczas gdy WebVTT przenosi pozycjonowanie i stylizację, których SRT nie może. Napisy dla niesłyszących dodają identyfikację mówcy i znaczące dźwięki niebędące mową, a napisy wbudowane nie mogą być później zmieniane, więc uzgodnij czcionkę, rozmiar i bezpieczne obszary dla proporcji obrazu przed renderowaniem.

Dlaczego transkrypcje tylko z AI nadal zawodzą

Rozpoznawanie mowy jest doskonałe w przypadku jednego mówcy, przyzwoitego mikrofonu, cichego pomieszczenia i głównego akcentu, i stanowi rozsądne pierwsze przejście. Bardzo niewiele rzeczywistych nagrań audio tak wygląda. Dokładność spada w przypadku akcentów regionalnych i mówców posługujących się drugim językiem, w przypadku rozmów krzyżowych, które człowiek potrafi rozdzielić, a model zamienia w jeden zniekształcony strumień, oraz w przypadku specjalistycznego słownictwa, którego najbardziej potrzebujesz. Głęboki problem to pewność: człowiek pisze tag niesłyszalne” ze znacznikiem czasu, podczas gdy model wypisuje najbardziej prawdopodobne słowa, więc błąd wygląda dokładnie jak fakt.

Poziomy dokładności i czas realizacji na godzinę audio

Poziom roboczy to wynik maszynowy z lekką korektą ludzką, dobry do wyszukiwania i wewnętrznych notatek. Poziom standardowy to pełna korekta ludzka i jest to zwykły wybór dla wszystkiego, co zamierzasz opublikować lub cytować. Niektórzy dostawcy oferują również poziom recenzowany, który dodaje drugą parę uszu, a kilku dostarczy podpisane oświadczenie opisujące, w jaki sposób transkrypcja została wykonana — czy takie oświadczenie zadowoli konkretny sąd, regulatora lub fundatora, jest pytaniem do tego organu, a nie do rynku, więc sprawdź przed zleceniem. Traktuj każdy procent dokładności obiecany w odniesieniu do dźwięku, którego dostawca nie słyszał, jako sygnał ostrzegawczy. Czas realizacji jest zazwyczaj podawany na dzień lub dwa dla pliku godzinnego, szybciej za dodatkową opłatą, a duże partie są zazwyczaj wyceniane na podstawie całkowitej liczby godzin audio — uzgodnij to w zamówieniu, zamiast zakładać.

Transkrypcja prawnicza, medyczna i akademicka

Specjalistyczne dziedziny zmieniają wymagania, nie tylko słownictwo. Praca prawnicza oznacza ścisłe dosłowne tłumaczenie, staranną identyfikację mówców i częste znaczniki czasu. Praca medyczna oznacza dokładne zapisywanie terminologii klinicznej, nazw leków i dawek. Badania akademickie i jakościowe zazwyczaj oznaczają anonimizację od pierwszego szkicu i spójne konwencje dotyczące pauz i nakładania się, aby oprogramowanie do kodowania mogło wykorzystać wynik. We wszystkich trzech przypadkach należy uzgodnić warunki poufności, przechowywania i usuwania przed wysłaniem czegokolwiek.

Dostępność, zgodność i jak dobrze przygotować brief

Napisy istnieją przede wszystkim dla osób niesłyszących lub niedosłyszących, a wytyczne dotyczące dostępności traktują je jako podstawowy wymóg w przypadku nagranych wcześniej filmów, a nie jako ulepszenie. Korzyści uboczne są realne: wiele filmów społecznościowych jest oglądanych bez dźwięku, a opublikowana transkrypcja daje wyszukiwarkom coś do indeksowania. Dobry brief jest krótki i konkretny — czas trwania, mówcy, uczciwie podane warunki nagrywania, styl, znaczniki czasu, etykiety, formaty, termin i poufność — z dołączonym słownikiem i udostępnioną najtrudniejszą minutą nagrania, a nie najczystszą.

Gotowy do rozpoczęcia? Użyj Zinn Finder lub zapoznaj się z powiązanymi usługami, takimi jak usługi tłumaczeniowe, usługi korekty, usługi lektorskie, tworzenie treści, twórcy UGC i filipińscy edytorzy wideo.