Многоязычная транскрибация превращает речь на нескольких языках в текст. Сложности часто возникают внутри предложения: клиент переключает язык, называет товар или диктует номер обращения. Проверьте такие моменты, прежде чем использовать текст для поиска, сводок или клиентских записей.
Это руководство описывает подготовку и проверку результата. Поддержку конкретного языка, смешанной речи и разделения говорящих нужно уточнять для выбранной модели.
Определите, нужен вам текст речи или перевод
Транскрибация записывает произнесенные слова. Перевод меняет язык. Если человек сказал одно предложение по-французски, а другое по-английски, транскрипт должен сохранять это различие, если вы отдельно не запрашивали перевод.
Разделение говорящих решает другую задачу. Метки Speaker 1 и Speaker 2 группируют фрагменты речи, но не устанавливают имена людей. Уточните, какие результаты действительно возвращает сервис, прежде чем строить на них процесс.
Подготовьте характерные записи
Выберите короткие фрагменты из того типа аудио, который будете обрабатывать. Включите основные языки, региональные акценты, тихие и шумные участки, а также переключение языков. Используйте записи, которые вам разрешено обрабатывать, и уберите ненужные персональные данные из тестовых файлов.
Сохраните оригинал. Повторное сжатие и сильное шумоподавление могут изменить проверяемый материал. Если вы подготовили обработанную копию, сравните ее транскрипт с результатом исходной записи.
Для каждого файла запишите языки, длительность, источник, число говорящих и участки, которые потребуют ручной проверки.
Уточните поддержку перед загрузкой
Откройте страницу распознавания речи или инструмент STT в Space. Проверьте, принимает ли он нужный язык и файл. Для автоматизации сверяйте актуальные поля запроса, форматы и ограничения со справочником STT API.
Поддержка двух языков по отдельности не гарантирует точность при переключениях между ними. Сначала обработайте короткий смешанный фрагмент. Каталог голосов TTS не подтверждает поддержку тех же языков в STT: это разные сервисы.
Сверьте текст с записью
Прослушайте аудио, следя за текстом. Сначала исправьте ошибки, которые меняют смысл, затем пунктуацию. Помечайте неясные фрагменты для проверки, не подставляя догадки вместо слов.
| Фрагмент | Что проверить | Действие |
|---|---|---|
| Имя или бренд | Верно ли указаны человек или товар? | Свериться с разрешенным справочником. |
| Число или дата | Совпадают ли все цифры и единицы? | Прослушать фразу полностью. |
| Переключение языка | Не пропали ли слова и не появился ли перевод? | Попросить человека, владеющего обоими языками, проверить текст. |
| Одновременная речь | Не слились ли слова и реплики? | Отметить неясный участок. |
| Решение или обещание | Сохранились ли отрицание и условия? | Проверить перед переносом в клиентскую запись. |
Например, пропуск «не» в «не продлевать» меняет инструкцию на противоположную. Для этой задачи такая ошибка важнее пропущенной запятой.
Измерьте точность на своих материалах
Подготовьте проверенный эталонный текст для части записей. Сравните автоматический результат с эталоном, посчитав замены, пропуски и вставки. WER равен сумме этих ошибок, деленной на число слов в эталоне. Определение есть в описании WER от Hugging Face.
Перед сравнением задайте единые правила для пунктуации, регистра и записи чисел. Разбиение на слова также влияет на сравнение разных систем письма. Разделяйте результаты по языку, условиям записи и задаче. Вместе с общим показателем фиксируйте неверные имена, суммы и инструкции.
Используйте проверенный текст
Свяжите исходный транскрипт, исправленную версию и аудиозапись. Если доступны временные метки, сохраните их, чтобы проверяющий мог вернуться к нужному месту. После проверки передавайте текст в поиск, заметки о встречах или CRM.
Начните с многоязычного STT и нескольких характерных файлов. Если вы также создаете речь, проверьте выходное аудио по руководству по оценке многоязычного TTS.