Транскрипция на български: какво работи добре и какво още не

Транскрипцията на български вече не е екзотика. Разпознаването се справя с нормален делови разговор достатъчно добре, за да е полезно. Но „достатъчно добре“ не е равномерно: има места, където почти няма грешки, и места, където грешките са предвидими. Струва си да знаете кои са кои, преди да разчитате на текста.

Какво върви добре

Чист говор на един човек. Един говорител, приличен микрофон, нормално темпо: това е случаят, за който системите са тренирани най-много, и резултатът обикновено е текст, който се чете без спъване.

Обичайната делова лексика. Срокове, задачи, суми, дати, имена на месеци, числа. Това са думи, които се срещат във всеки корпус.

Дългите изречения. Колкото по-дълъг е контекстът, толкова по-добре моделът поправя сам себе си. Парадоксално, едно дълго изречение често излиза по-точно от три къси реплики.

Къде започват грешките

Собствени имена. „Аргус“, „Петканов“, „ОФ-2451“. Разпознаването няма откъде да знае, че вашият клиент се казва точно така, и връща най-близкото познато. Това е най-честият източник на грешки в делова среща и същевременно най-лесният за поправяне.

Английски думи в български изречения. „Deadline-ът е в петък, feedback-ът дойде вчера, ще пуснем deploy-а в четвъртък.“ Така говорят българските екипи. Система, настроена само на български, ги превръща в безсмислени думи на кирилица. Система, настроена на английски, се препъва в останалата част на изречението.

Хора, които говорят едновременно. Когато два гласа се застъпват в един звуков поток, резултатът е едно неразбираемо изречение вместо две разбираеми.

Лош звук. Слушалки, чиято Bluetooth връзка е паднала в режим за разговори, звучат с половината честоти. Стая с ехо. Микрофон, който стои на два метра. Никакво разпознаване не поправя звук, който не съдържа информацията.

Какво прави Minuvo с всяко от тези

За имената има речник. Добавяте имената на клиенти, колеги, продукти и формати на номера, и те стигат до разпознаването на речта преди то да е чуло първата дума. Не е поправка след това, а подсказка преди това, и разликата в резултата е голяма.

Когато една дума се повтаря в срещите ви и разпознаването не е сигурно в нея, тя се появява в „Думи за уточняване“ заедно с изречението, в което е чута, и приложението пита как се пише. Отговаряте веднъж.

За английските думи има втори език. Всяка среща се обработва като българска, с английски като втори. Термините остават термини. За думите, които се чуват по български, в речника се записва и как звучат: „deadline“ се чува като „дедлайн“. Доставчикът, който приема произношения, ги използва директно.

За едновременния говор има две пътеки. Вашият микрофон се записва отделно от звука на срещата. Когато говорите едновременно с някого, вашата реплика е в едната пътека, неговата в другата, и всяка се разпознава без другата да ѝ пречи. След това двете се подреждат по общ часовник в един разговор. Ботът, който чува смесения звук от срещата, няма как да направи същото.

За лошия звук има предупреждение. Приложението казва, ако микрофонът е заглушен или ако слушалките са паднали в режим за разговори, докато срещата още върви и нещо може да се направи.

Какво остава нерешено

Няма да ви кажем, че транскрипцията е безгрешна, защото не е. Ето какво остава:

• Среща с шест души в една стая и един микрофон на масата е трудна и ще остане трудна.
• Много силен диалект или много бърза реч дават повече грешки от средното.
• Среща, водена изцяло на друг език освен български и английски, не е за Minuvo.

Затова репликите, в които разпознаването не е било сигурно, са отбелязани и се филтрират с едно натискане. Идеята не е да се преструваме, че несигурност няма, а да ви покажем къде е, за да проверите първо нея. Всяка реплика се редактира на място.

Защо не публикуваме процент

Числото „точност 95 процента“ изглежда убедително и почти нищо не значи. Зависи от това какъв запис сте измерили, колко говорители има, колко термини и как сте броили грешките. Две системи с еднакво число могат да се държат много различно на вашата среща.

Ние държим набор от реални записи, срещу който мерим промените, и когато имаме число, което е честно и възпроизводимо, ще го публикуваме заедно с метода. Дотогава по-полезното сравнение е едночасова ваша среща, която можете да пуснете безплатно.

Как да си помогнете сами

Три неща променят резултата повече от избора на доставчик:

1. Попълнете речника преди първата важна среща. Десет имена и пет термина вършат повече работа от всичко останало.
2. Използвайте кабелни слушалки или добър микрофон. Bluetooth в режим за разговори е най-честата причина за лош запис.
3. Не се страхувайте от паузите. Тишината не се брои към часовете ви и помага на разделянето по говорители.

Какво още може Minuvo, включително речника и повтарящите се срещи.