Плохое качество расшифровки аудио бывает связано и с записью, и с работой распознавания. По одному тексту причину установить нельзя: одинаковый пропуск может появиться на тихой реплике, в разговоре нескольких людей или на совершенно разборчивой фразе. Начните с места, где смысл особенно важен: суммы, срока, имени или возражения.
Редакция AI Заметок ·
Как найти причину ошибки
Откройте исходное аудио и прослушайте проблемную фразу с соседними репликами. Сначала попробуйте записать услышанное самостоятельно, не подглядывая в автоматический текст. Так проще заметить, что вы действительно разобрали, а что подсказала уже готовая формулировка. Затем сравните варианты и запишите время спорного места.
| Что слышно в исходнике | Что проверить | Следующее действие |
|---|---|---|
| Голос разборчив, но термин написан неверно | Само слово и его написание в материалах встречи | Исправить по аудио; имя или название сверить отдельно |
| Ровный гул перекрывает тихие слова | Есть ли участок только с фоном, без речи | Сохранить оригинал; испытать умеренную обработку копии |
| Голос звучит гулко, окончания сливаются | Расстояние до микрофона и отражения в комнате | Проверить другой канал или запись; для новой встречи изменить размещение |
| Двое говорят одновременно | Какая реплика потерялась и есть ли отдельные дорожки | Прослушать доступные дорожки отдельно, спорный смысл уточнить у участников |
| На громких словах слышен хрип или треск | Не было ли перегрузки при записи | Поискать неповреждённый дубль; не считать убавление громкости восстановлением |
| Вместо части фразы — обрыв или тишина | Есть ли этот фрагмент в другом исходном файле | Отметить пропуск; не дописывать реплику по догадке |
Таблица помогает выбрать проверку, но не ставит диагноз по одному симптому. Например, хрип может возникнуть ещё до сохранения файла. Если ясная речь распознана неверно, менять микрофон ради этой единственной ошибки преждевременно: сначала проверьте результат на других разборчивых фразах.
Чем отличаются шум, эхо и перебивания
При ровном шуме голос смешивается с фоном: вентилятором, гулом оборудования, шипением. Сложность зависит от того, насколько речь выделяется на его фоне. Сделать весь файл громче означает усилить и голос, и уже записанный шум. Поэтому полезнее искать исходник с более отчётливой речью, чем многократно повышать громкость одной копии.
Гулкая комната добавляет отражения голоса от поверхностей. Их затухающий хвост называют реверберацией; отдельного повторения, как у отчётливого эха, может не быть. Чем дальше микрофон, тем заметнее относительно прямого голоса могут становиться шум и отражения. Этот механизм описывает Shure в материале об акустике переговорных. Для следующей записи проверьте более близкое положение микрофона и менее гулкое помещение.
Перебивание добавляет ещё одну речь именно поверх нужных слов. Его нельзя считать обычным фоновым гулом. В исследовании CHiME-5 распознавание бытовых разговоров с удалённых микрофонов рассматривается как отдельная сложная задача. Это исследование условий записи, а не оценка точности AI Заметок. Его результаты нельзя переносить в обещание процента ошибок для вашей встречи.
Если сохранились отдельные записи участников, прослушайте их. Стереофайл сам по себе не означает, что каждый человек записан отдельно: в обоих каналах может быть одна и та же смесь голосов. Подготовка комнаты и проба с каждого места разобраны в инструкции как записать встречу для расшифровки.
Стоит ли очищать запись перед распознаванием
Начните с распознавания исходника. Если решите проверить шумоподавление, работайте с копией. У эффекта Noise Reduction в Audacity есть конкретная область применения: постоянный фон. В руководстве Audacity описаны ограничения при переменном или очень громком шуме и риск повредить полезный сигнал при чрезмерной обработке.
Для пробы возьмите участок только с шумом, без голоса, и используйте его как профиль фона. После обработки послушайте окончания слов и тихие согласные. Если вместе с фоном исчезает речь или появляется металлический призвук, ослабьте настройки. Универсальное значение для всех записей здесь не подходит.
Для своего Speech-to-Text Google прямо предупреждает, что предварительное шумоподавление обычно ухудшает распознавание; также отмечает влияние эха и одновременной речи. См. рекомендации Google Cloud. Это указания для другого сервиса, поэтому вывод для собственной записи должен опираться на сравнение. Приятный на слух звук и меньшая доля ошибок в тексте — разные критерии.
Не заменяйте оригинал обработанной версией. Если после очистки появилась убедительная фраза, которой вы не слышите в исходнике, она остаётся неподтверждённой. Повторное распознавание может дать материал для проверки, но не является самостоятельным доказательством произнесённых слов.
Учебный пример: проверить смысл важнее, чем гладкость
Следующие фразы составлены редакцией для объяснения. Это не результаты теста сервиса; аудиофайлов и измерений точности к ним нет. Условный текст для записи: «Не отправляйте договор до пятницы. Сумму сорок пять тысяч сначала подтвердите у Ирины».
| Условная ошибка | Что изменилось | Как оформить после проверки |
|---|---|---|
| «Отправляйте договор до пятницы» | Пропуск «не» превратил запрет в поручение | Вернуть отрицание, только если оно слышно; иначе отметить сомнение |
| «Сумму пять тысяч…» | Пропущенная часть числа изменила сумму | Сверить звук и документ; не выбирать число по правдоподобию |
| «Подтвердите у Марины» | Появился другой человек | Проверить имя по записи и контексту, при необходимости уточнить |
По этим ошибкам нельзя заключить, что первая вызвана шумом, а вторая — эхом. Причину выясняют по звуку. Зато видно, почему одна потерянная частица может быть важнее нескольких ошибок в окончаниях. Удобочитаемый текст ещё не готов для поручения, протокола или цитаты.
Как сравнить варианты на своём фрагменте
Возьмите небольшой отрывок с типичными для вашей записи трудностями. Самый чистый монолог не покажет, как будет распознана тихая реплика на фоне разговора. Для уже существующего файла сравнивайте один и тот же интервал; запишите его начало и конец.
- Сохраните оригинал и его нетронутую копию. Назовите варианты так, чтобы было видно, где исходник, а где обработка.
- Вручную выпишите разборчивую речь. Непонятные места обозначьте «неразборчиво», без достраивания по смыслу. По возможности попросите другого слушателя проверить спорные слова.
- Распознайте исходный фрагмент. Затем измените только одно условие: например, примените к копии умеренное подавление постоянного фона.
- Сравните оба результата с ручной записью. Отдельно отметьте пропуски, замены и добавленные слова, а также ошибки в числах, именах и отрицаниях.
- Запишите время ручной правки и оставшиеся сомнения. Выбирайте вариант по пригодности текста для своей задачи, а не по тишине в паузах.
Если готовитесь к будущей встрече, можно прочитать один текст при разном расположении микрофона. Сохраняйте одинаковые устройство, текст и настройки, меняйте только размещение. Повторное чтение всё равно отличается темпом и интонацией, поэтому это бытовая проба, а не строгий эксперимент. Для проверки шумоподавления используйте именно две версии одного исходного файла.
Скачайте протокол сравнения записей: в нём есть поля для условий, исходного текста, ошибок и решения. Таблица заполняется вручную. Мы не проводили описанный эксперимент и не указываем ожидаемый прирост точности.
Что делать с результатом
Свой короткий фрагмент можно проверить на странице распознавания речи. Демо имеет собственные ограничения, указанные в виджете; при его недоступности перейдите в приложение. Для сравнения исходника и обработанной копии используйте один и тот же режим. Результат демо не гарантирует такой же текст в приложении.
В AI Заметках можно прикрепить аудио, дождаться расшифровки и сверить её с записью. Бесплатно доступны 30 минут распознавания в месяц без карты; подписка стоит 490 ₽ в месяц. Условия описаны на странице тарифов. Шумоподавление и подготовка сравнительных копий из этой инструкции выполняются во внешнем аудиоредакторе.
Если после сравнения остаётся неразборчивый фрагмент, сохраните пометку с его временем и вопросом к участнику. Для длинного файла перенесите такую проверку на остальные важные места по инструкции о расшифровке длинной записи. Когда на звук нельзя опереться, уточнение у собеседника полезнее ещё одной уверенно сформулированной догадки.