การถอดเสียงและการวิเคราะห์เสียง/วิดีโอ: บทสัมภาษณ์ด้วยข้อความ ข้อความเป็นข่าว

กำไร:

• ความสามารถในการสร้างสำเนาเสียงดิบที่มีการรู้จำเสียงพูดอัตโนมัติ (ASR) และใช้สำหรับการตรวจสอบการประทับเวลาและการเลือกปฏิบัติของผู้พูด
• ความสามารถในการใช้ระเบียบวินัยในการตรวจสอบทุกคำพูดที่จะรวมอยู่ในคำต่อคำของข่าว และจัดลำดับความสำคัญของพื้นที่ที่มีข้อผิดพลาดสูง เช่น ชื่อที่ถูกต้อง ตัวเลข และศัพท์เฉพาะ
• ความสามารถในการทำความเข้าใจว่าข้อความถอดเสียงเป็นร่างดิบ ข้อความอ้างอิงควรได้รับการเก็บรักษาไว้ทุกคำโดยไม่มีการแก้ไข และควรพิจารณาการรักษาความลับตั้งแต่ต้นในบันทึกที่ละเอียดอ่อน

วัตถุดิบที่มีค่าที่สุดแต่สิ้นเปลืองมากที่สุดอย่างหนึ่งของนักข่าวคือเสียง: บันทึกการสัมภาษณ์ งานแถลงข่าว การสนทนาทางโทรศัพท์ การไต่สวนของรัฐสภา เอกสารถ่ายทอดสด ผู้มีประสบการณ์ต้องใช้เวลาสี่ถึงหกชั่วโมงในการถอดเสียงการสนทนาที่มีความยาวหนึ่งชั่วโมงด้วยมือ—การถอดเสียงในสำนวนอุตสาหกรรม เทคโนโลยีการรู้จำเสียงพูดอัตโนมัติ (ASR) ที่ใช้ปัญญาประดิษฐ์ ซึ่งจะแปลงเสียงเป็นข้อความโดยอัตโนมัติ จะลดเวลานี้เป็นนาที แต่ข้อความถอดเสียงเป็นเพียงร่างที่หยาบคาย ชื่อ คำศัพท์ทางเทคนิค คำพูดที่ทับซ้อนกัน และข้อความที่มีเสียงดังล้วนอาจผิดพลาดได้ ดังนั้นกฎจะไม่เปลี่ยนแปลง: AI จะสร้างการถอดเสียงแบบดิบ นักข่าวเป็นผู้ตรวจสอบว่าคำพูดนั้นตรงกับการบันทึกทุกประการ ใครพูดอะไร และบริบท ทุกประโยคที่กลับหัวกลับหางที่ลอยไปในอากาศไม่สามารถกลายเป็นข่าวได้หากเทียบกับน้ำเสียง

Step by step: from voice to reliable quote

ขั้นตอนที่ 1 — เตรียมการบันทึกและคำนึงถึงความเป็นส่วนตัว หากไฟล์เสียงมีชื่อที่ระบุแหล่งที่มาหรือแหล่งที่มาที่ต้องการป้องกัน ให้พิจารณาว่าจะอัปโหลดไปยังเครื่องมือใด สำหรับบันทึกที่ละเอียดอ่อน แนะนำให้ใช้โซลูชันออฟไลน์หรือองค์กรที่มีความปลอดภัยของข้อมูล ตรวจสอบให้แน่ใจว่าการบันทึกได้รับอนุญาต (การบันทึกบางรายการมีข้อจำกัดทางกฎหมาย)

ขั้นตอนที่ 2 — รับใบรับรองผลการเรียนดิบ แปลงเสียงเป็นข้อความด้วยเครื่องมือ ASR หากเป็นไปได้ ให้เปิดการประทับเวลา — จำนวนนาทีที่แต่ละประโยคพูด — และตัวคั่น — แยกแยะว่าใครพูดประโยคไหน สิ่งเหล่านี้ทำให้การตรวจสอบรวดเร็วมาก

ขั้นตอนที่ 3 — ทำเครื่องหมายขอบเขตที่มีข้อผิดพลาดสูง ชื่อเฉพาะ ชื่อสถาบัน ตัวเลข ศัพท์ต่างประเทศ และสถานที่ที่คนสองคนพูดพร้อมกันคือบริเวณที่เกิดข้อผิดพลาดมากที่สุด ใส่สิ่งเหล่านี้ในรายการตรวจสอบลำดับความสำคัญของคุณ

ขั้นตอนที่ 4 — เปรียบเทียบคำพูดกับการบันทึก ตรวจสอบแต่ละประโยคที่คุณรวมไว้ในคำต่อคำข่าวโดยไปที่การประทับเวลาและฟังเสียง การเปลี่ยนแปลงแม้แต่คำเดียวสามารถเปลี่ยนความหมายและความรับผิดชอบทางกฎหมายได้

ขั้นตอนที่ 5 — แยกข้อมูลสรุปและธีมด้วย AI (งานแยก) เมื่อล้างข้อความถอดเสียงแล้ว คุณสามารถขอ AI สำหรับร่างผลลัพธ์ เช่น "ประเด็นหลัก" "ข้อความที่น่าสนใจ" "ข้อขัดแย้ง" แต่สิ่งเหล่านี้ให้แนวทาง ไม่ใช่การทดแทนคำพูด

ข้อควรระวัง: การถอดรหัสอัตโนมัติจะแทนที่คำได้อย่างง่ายดาย: "เราไม่ได้" ด้วย "เราทำ" คำนามหนึ่งกับอีกคำหนึ่ง ห้ามถ่ายทอดประโยคใดๆ ที่คุณใส่เครื่องหมายคำพูดโดยไม่ได้ฟังเสียง คำพูดที่เป็นเท็จถือเป็นทั้งการละเมิดจริยธรรมและเป็นเหตุของการปฏิเสธความรับผิดชอบ/การฟ้องร้อง

Factors affecting accuracy

คุณภาพการถอดเสียง ขึ้นอยู่กับคุณภาพการบันทึก (ไมโครโฟน เสียงสะท้อน) จำนวนผู้พูด สำเนียง ภาษาถิ่น ศัพท์เฉพาะทางเทคนิค และเสียงที่ทับซ้อนกัน การบันทึกโทรศัพท์และสภาพแวดล้อมที่มีผู้คนหนาแน่นทำให้เกิดข้อผิดพลาดมากที่สุด ดังนั้นอย่าสบายใจกับข้อความเช่น "อัตราความแม่นยำของเครื่องมือคือ 95%" ส่วนที่เหลืออีก 5% อาจอยู่ในตำแหน่งที่สำคัญที่สุดสำหรับข่าว เช่น ชื่อและหมายเลข

มินิเคสสามอัน

กรณีที่ 1 — คำเดียวที่เปลี่ยนแปลง นักข่าวคนหนึ่งถอดความคำแถลงของเจ้าหน้าที่โดยอัตโนมัติว่า "เราไม่สามารถตรวจสอบคำกล่าวอ้างนี้ได้" ข้อความที่ถอดเสียงระบุว่า "เราตรวจสอบได้" ความหมายกลับตรงกันข้าม นักข่าวฟังการประทับเวลาแล้วแก้ไขให้ถูกต้อง หากคำผิดเพียงคำเดียวไม่ได้รับการแก้ไข ข่าวคงทำให้เจ้าหน้าที่พูดในสิ่งที่เขาไม่ได้พูด

กรณีที่ 2 — เวลาที่เพิ่มขึ้น สมัยประชุมรัฐสภา จะใช้เวลาประมาณ 25 ชั่วโมงในการถอดรหัสการบันทึกเซสชัน 5 ชั่วโมงด้วยตนเอง ASR แยกข้อความดิบใน 40 นาที ด้วยการแยกผู้พูดและการประทับเวลา ผู้รายงานจึงฟังและตรวจสอบข้อความความยาว 20 นาทีจากวิทยากรที่สำคัญสามคนเท่านั้น เวลาทั้งหมดลดลงเหลือประมาณ 4 ชั่วโมง

กรณีที่ 3 — ข้อผิดพลาดศัพท์แสง นักข่าวด้านสุขภาพคนหนึ่งสังเกตเห็นว่าชื่อยาที่กล่าวถึงในการสัมภาษณ์ผู้เชี่ยวชาญนั้นสะกดผิดในบันทึก มันถูกผสมกับยาที่มีเสียงคล้ายกันอีกตัวหนึ่ง เขาได้ให้ผู้เชี่ยวชาญยืนยันด้วยข้อความสั้นๆ หากเผยแพร่ชื่อยาผิดจะเป็นทั้งข้อมูลเท็จและเป็นอันตรายต่อสุขภาพ

เทมเพลตที่คัดลอกได้

1) แยกรายการตรวจสอบออกจากบันทึกดิบ:

ด้านล่างคือการถอดเสียงอัตโนมัติ Mark the following: (1) proper names and names of institutions, (2) numbers and dates, (3) foreign/technical terms, (4) places where the meaning of the sentence is unclear. สิ่งเหล่านี้จะได้รับการตรวจสอบก่อนที่จะบันทึก แก้ไขข้อความ; เพียงแค่สร้างรายการตรวจสอบ ถอดความ: [ที่นี่]

2) สรุปวิทยากรและหัวข้อ (จากบทถอดเสียงที่ทำความสะอาดแล้ว):

ใช้ใบรับรองผลการเรียนที่ได้รับการยืนยันด้านล่าง (1) Summarize each speaker's anathesis in one sentence. (2) ทำเครื่องหมายข้อความที่น่าสนใจ 5 ข้อพร้อมประทับเวลา (3) List the contradictions between the speakers. จัดทำใบเสนอราคา; เพียงแสดงตำแหน่งของพวกเขา ถอดความ: [ที่นี่]

3) การดึงข้อมูลผู้สมัครอ้างอิง (ต้องได้รับการยืนยัน):

Select 8 candidate short quotes from this transcript that would be suitable for the news. เขียนการประทับเวลา [12:04] และผู้พูดสำหรับแต่ละรายการ ย่อหรือแก้ไขคำพูด คัดลอกคำต่อคำเพื่อที่ฉันจะได้ยืนยันจากบันทึก ถอดความ: [ที่นี่]

4) เครื่องหมายข้อความที่มีเสียงดัง/ไม่ชัดเจน:

ระบุสถานที่ในบทถอดเสียงต่อไปนี้ซึ่งมี "[คลุมเครือ]", "..." หรือไม่มีความหมาย จดบันทึกเวลาของแต่ละรายการเพื่อที่ฉันจะได้ฟังส่วนนั้นอีกครั้ง เติมคำในช่องว่างด้วยการเดา ถอดความ: [ที่นี่]

พรอมต์อ่อน / พรอมต์แข็งแกร่ง

ข้อความเตือนที่อ่อนแอ: "สรุปการสัมภาษณ์นี้และดึงคำพูดที่ดีที่สุดออกมา"

ผลลัพธ์: AI ถือว่าข้อผิดพลาดในการถอดเสียงถูกต้องและ "ทำให้" คำพูดสวยงาม ลดขนาดและเปลี่ยนแปลงประโยค ตอนไหนที่บอกว่าหายก็ตรวจสอบไม่ได้

พร้อมท์ที่ชัดเจน: "แยกผู้สมัครที่มีคำพูดอ้างอิง 8 รายการออกจากสำเนานี้ทุกประการ (คำต่อคำ) เพิ่มการประทับเวลาและผู้พูดในแต่ละรายการ อย่าแก้ไขหรือย่อรายการใดรายการหนึ่งให้จัดทำรายการที่ไม่ชัดเจนแยกกันเพื่อที่ฉันจะได้ฟังพวกเขาจากการบันทึก"

ความแตกต่าง: พรอมต์ที่รัดกุมห้ามไม่ให้แก้ไขคำพูด ทำให้สามารถตรวจสอบได้โดยการประทับเวลา และแยกส่วนที่คลุมเครือออก นักข่าวสามารถตรวจสอบทุกคำพูดด้วยเสียง

แผนภูมิเปรียบเทียบ

คุณสมบัติ

มันทำอะไร?

ผลการตรวจสอบ

ถอดรหัสอัตโนมัติ (ASR)

แปลงเสียงเป็นข้อความ

ร่างดิบ ทั้งหมดต้องการการยืนยัน

การประทับเวลา

ส่งกลับนาทีของประโยค

ค้นหาและฟังคำพูดอย่างรวดเร็ว

การแยกลำโพง

แยกว่าใครพูด.

ป้องกันการระบุแหล่งที่มาอันเป็นเท็จ (ต้องมีการยืนยัน)

สรุปอัตโนมัติ

ธีมแบบร่าง

มันให้ทิศทาง ใบเสนอราคาไม่ได้แทนที่

การแปลอัตโนมัติ (การถอดความมากเกินไป)

แปลบันทึกต่างประเทศ

ความเสี่ยงต่อการเกิดข้อผิดพลาดซ้ำซ้อน การยืนยันซ้ำซ้อน

ข้อผิดพลาดทั่วไป

• โพสข้อความโดยไม่ฟัง คิดว่าประโยคในการถอดเสียงถูกต้องและนำไปใช้ในเครื่องหมายคำพูด ความผิดพลาดเพียงคำเดียวสามารถพลิกความหมายได้
• เชื่อชื่อและเบอร์. โดยลืมไปว่าชื่อ สถาบัน และหมายเลขที่ถูกต้องคือจุดที่เกิดข้อผิดพลาดมากที่สุด
• การมี AI "แก้ไข" คำพูด การเปลี่ยนประโยคให้ลื่นไหลมากขึ้น คำพูดต้องเป็นคำต่อคำ การแก้ไขจะระบุไว้ในวงเล็บเหลี่ยม
• กำลังโหลดบันทึกที่ละเอียดอ่อนอย่างไม่ได้ตั้งใจ การส่งสิ่งที่บันทึกไปยังยานพาหนะที่ไม่มีการควบคุมซึ่งให้แหล่งที่มาหรือไม่ได้รับอนุญาต
• ความไว้วางใจแบบตาบอดในการเลือกปฏิบัติของผู้พูด AI สามารถสร้างความสับสนให้กับคนสองคนได้ ตรวจสอบที่มาที่สำคัญจากเสียง

เคล็ดลับการปฏิบัติเพื่อปรับปรุงคุณภาพการถอดเสียง

ความแม่นยำของการถอดเสียงจะถูกกำหนดตั้งแต่เริ่มต้นงาน ณ เวลาที่บันทึก นักข่าวที่ออกไปภาคสนามสามารถทำให้งานของ AI ง่ายขึ้น และลดภาระในการตรวจสอบด้วยพฤติกรรมง่ายๆ ไม่กี่ข้อ การย้ายไมโครโฟนเข้าใกล้ลำโพงมากขึ้น และการลดเสียงรบกวนเบื้องหลัง เช่น ลม/การจราจร จะช่วยลดอัตราข้อผิดพลาดได้อย่างมาก การขอให้วิทยากรผลัดกันป้องกันไม่ให้คำพูดทับซ้อนกัน (จุดอ่อนที่สุดของการถอดเสียง) การให้ผู้พูดพูดชื่อและตำแหน่งในช่วงเริ่มต้นของการสัมภาษณ์ช่วยให้การระบุผู้พูดและการระบุแหล่งที่มาในภายหลังทำได้ง่ายขึ้น หากมีการหารือในหัวข้อทางเทคนิค การทำรายการชื่อและคำศัพท์ทั่วไปที่จะใช้บ่อยๆ จะช่วยให้คุณทราบล่วงหน้าถึงข้อผิดพลาดที่น่าจะเป็นไปได้มากที่สุดในการถอดความ เมื่อคุณได้ยินคำศัพท์เหล่านี้ในการบันทึก คุณต้องตรวจสอบก่อน

แนวทางปฏิบัติที่สอง: เก็บหลักฐานการถอดเสียงในรูปแบบ Raw และเก็บเวอร์ชันที่แก้ไขแยกกัน ในกรณีที่มีการคัดค้านหรือกระบวนการทางกฎหมาย ความสามารถในการแสดงว่าคำใดถูกแก้ไข เมื่อใดและอย่างไรจะปกป้องนักข่าว นอกจากนี้ การจดบันทึกเวลาไว้ข้างใบเสนอราคาแต่ละรายการที่คุณยืนยันจะช่วยประหยัดเวลาในการค้นหาเมื่อคุณต้องกลับไปที่ใบเสนอราคาหลายเดือนในภายหลัง เมื่อทำความสะอาดและจัดระเบียบข้อความถอดเสียงด้วยการประทับเวลาแล้ว คุณจะสามารถใช้การบันทึกเดิมซ้ำแล้วซ้ำอีกได้อย่างปลอดภัยสำหรับทั้งเรื่องราวข่าว คอลัมน์ และเรื่องราวติดตามผลถัดไป

โดยสรุป

การถอดเสียงอัตโนมัติเป็นตัวเร่งอันทรงพลังที่ลดวัตถุดิบเสียงจากชั่วโมงเหลือเป็นนาที การประทับเวลาและการแยกผู้พูดทำให้การตรวจสอบง่ายขึ้น แต่การถอดเสียงเป็นพิมพ์เขียว: ชื่อ ตัวเลข ศัพท์เฉพาะ และคำพูดที่ทับซ้อนกันมักจะผิดพลาด ทุกคำพูดที่รวมอยู่ในข่าวได้รับการตรวจสอบโดยการฟังบันทึกคำต่อคำ AI ไม่สามารถแก้ไขใบเสนอราคาได้ การดึงข้อมูลสรุปและธีมเป็นงานที่แยกจากกันและเป็นเพียงการระบุทิศทางเท่านั้น ในบันทึกที่ละเอียดอ่อน ความเป็นส่วนตัวและความยินยอมจะได้รับการพิจารณาตั้งแต่ต้น

งานสมัคร

ถอดเสียงการบันทึกเสียงโดยอัตโนมัติ (การสัมภาษณ์ของคุณเองหรือสุนทรพจน์ในที่สาธารณะ) ดึงข้อมูลผู้สมัคร 8 รายพร้อมข้อความแจ้ง "การลบผู้สมัครที่เสนอราคา" ฟังแต่ละรายการจากการประทับเวลาและทำเครื่องหมายว่าถูกต้องหรือไม่ สังเกตจำนวนเครื่องหมายคำพูดที่มีข้อผิดพลาด (โดยเฉพาะชื่อ/ตัวเลข) และระยะเวลาที่ใช้ในการแก้ไข

รายการตรวจสอบ

• [ ] ฉันถือว่าบทถอดเสียงเป็นร่างดิบ ฉันไม่เผยแพร่คำพูดใด ๆ โดยไม่ได้ฟัง
• [ ] ฉันขอยืนยันชื่อบุคคล สถาบัน และหมายเลขจากบันทึกก่อน
• [ ] ไม่แก้ไขคำพูด; ฉันระบุการเปลี่ยนแปลงด้วยวงเล็บเหลี่ยม
• [ ] ฉันใช้การประทับเวลาและความแตกต่างของผู้พูดในการตรวจสอบ
• [ ] ฉันตรวจสอบยานพาหนะที่ปลอดภัยและสถานะการอนุญาตในบันทึกที่จำเป็นต้องละเอียดอ่อนหรือได้รับอนุญาต