음성을 텍스트로 전사

차이는 시간이 어디서 오는가입니다. 내보내기 페이지는 이미 블록이 있는 자막 파일에서 시작해 그 텍스트를 문단으로 잇습니다. 시간은 있었고 그냥 버리는 것입니다. 이 페이지는 시간이 전혀 없는 오디오에서 시작해 시간을 먼저 만들고 나서 버립니다. 자막 트랙이 없는 녹음이 여기서는 되고 거기서는 안 되는 이유이고, 이 페이지는 모델 다운로드가 필요한데 그쪽은 즉시 끝나는 이유입니다.

대략 화자가 생각을 바꾸는 지점이기 때문입니다. 더 짧은 빈 구간은 문장 안쪽에 있어 텍스트를 절 중간에서 자르고, 훨씬 긴 기준은 서로 다른 주제를 한 문단으로 붙입니다. 네 문장 상한은 녹음에 침묵이 전혀 없는 경우를 위한 것입니다. 연습한 내레이션이나 한 번에 녹음한 팟캐스트에서는 쉼이 오지 않아 쉼만 보는 규칙이 하나의 덩어리를 만들 것입니다. 두 규칙을 함께 쓰는 것이 양 끝을 다루는 가장 작은 조합입니다.

나온 그대로는 안 됩니다. 기계의 최선의 추측이고, 기계 전사는 이름과 숫자와 전문 용어를 망칩니다. 기록에서 가장 중요한 단어들입니다. 법률이나 의료 환경의 올바른 작업 방식은 이것을 초안으로 써서 오디오와 한 줄씩 대조하고, 그렇게 했다고 문서에 밝히는 것입니다. 오디오보다 깨끗한 전사본은 부채입니다. 이 페이지가 파일 이름을 회의록처럼 보이는 무언가가 아니라 .transcript.txt로 붙이는 이유이기도 합니다.

겹치는 말소리에서 단일 스트림 모델은 모두 나빠집니다. 두 목소리가 동시에 나오면 하나의 길게 이어진 문장이 되고 화자 라벨은 만들어지지 않습니다. 배경 음악은 대개 무시되지만, 말소리 아래 큰 음악은 단어를 텍스트에서 빼거나 없던 단어를 지어낼 수 있습니다. 결과가 어딘가 이상하게 읽히면 텍스트의 흐름을 믿지 말고 그 지점의 오디오와 비교하세요. 자신만만해 보이는 문장은 그것이 실제로 말해졌다는 증거가 아닙니다.

아니요. 전사된 오디오만 지나갑니다. 챕터 표시, 트랙 제목, 언어 태그 같은 컨테이너 메타데이터는 텍스트의 일부가 아닙니다. 여러 트랙이 있는 파일에서 한 트랙만 전사할 때 페이지는 넣은 파일의 오디오를 읽고, 문단 나누기는 챕터 위치가 아니라 쉼에서 옵니다. 그 경계가 결과에 나타나기를 원한다면 긴 녹음을 먼저 챕터 파일로 나누는 것이 합리적인 작업 방식입니다.