Транскрибирование речи в текст¶

Транскрибирование речи (также расшифровка, транскрибация) — процесс перевода звуковой записи устной речи в письменный текст. Широко применяется в лингвистике, журналистике, юриспруденции, медицине, образовании и информационных технологиях. Различают ручную и автоматическую транскрибацию, а также полную и частичную (смысловую) расшифровку.

¶Основные понятия

Расшифровка речи предполагает фиксацию не только слов, но и, в зависимости от целей, пауз, интонаций, эмоциональных окрасок, реплик нескольких говорящих, звуков окружения. В лингвистике для этого разработаны системы фонетической записи, например МФА (Международный фонетический алфавит), позволяющие точно передать произношение.

Основные термины:

• Транскрипт — полученный текстовый документ.
• Транскрибатор — специалист, выполняющий расшифровку, или программа для её автоматизации.
• Таймкоды — отметки времени, связывающие фрагменты текста с соответствующими моментами аудио- или видеозаписи.
• Ортографическая запись — передача речи по правилам орфографии (наиболее распространённый вариант).
• Фонетическая запись — точная фиксация звучания с помощью специальных знаков.

¶Способы расшифровки

¶Ручная транскрибация

Классический метод, при котором человек слушает запись и воспроизводит содержание в виде текста. Требует внимания, знания темы и, при необходимости, владения специальной терминологией. Скорость ручной расшифровки существенно ниже скорости речи: в среднем на час записи приходится от 4 до 8 часов работы транскрибатора в зависимости от качества звука, количества говорящих и требуемой детализации.

¶Автоматическая транскрибация

Использует технологии распознавания речи (speech-to-text). В России и за рубежом работают как облачные сервисы, так и локальные программы. Среди отечественных разработок — системы распознавания речи от Яндекса, Сбера, «Алисы», а также продукты для государственных и корпоративных заказчиков. Точность автоматических систем зависит от качества записи, чистоты языка, наличия шумов и акцентов; на практике она составляет от 80 до 95 % и требует последующей редакторской правки.

¶Области применения

¶Журналистика

Интервью, пресс-конференции и репортажи переводятся в текст для публикации. Точная расшифровка цитат — основа достоверности публикаций.

¶Наука и образование

В лингвистике, этнографии, социологии расшифровка устных источников — обязательный этап исследования. Лекции и семинары транскрибируются для создания конспектов и обучающих материалов.

¶Юриспруденция

Протоколирование судебных заседаний, нотариальные действия, досудебные переговоры. В ряде случаев расшифровка имеет доказательное значение.

¶Медицина

Диктовка врачебных заключений, история болезни, протоколы операций. Медицинская транскрибация предъявляет высокие требования к точности терминологии.

¶Информационные технологии

Субтитрование видео, голосовые помощники, системы диктовки, автоматические протоколы совещаний, аналитика обращений в контакт-центрах.

¶Типичные трудности

• Слабое качество записи, фоновый шум, перекрывающиеся голоса.
• Специальная терминология, имена собственные, аббревиатуры.
• Региональные акценты, иноязычные вставки, неразборчивая дикция.
• Различия между полной расшифровкой (дословной, с пометами) и смысловой (сжатой, с сохранением ключевых тезисов).

¶Требования к качеству

Профессиональная расшифровка обычно проходит несколько этапов: первичная запись, редакторская вычитка, при необходимости — сверка с исходной записью. В юридической и научной практике применяются стандарты, регламентирующие оформление реплик, помет пауз, обозначение говорящих. Для автоматических систем разрабатываются метрики оценки точности (WER — word error rate, «ошибка на слово»).

¶См. также

• Распознавание речи
• Фонетика
• Стенография
• Субтитры

¶Источники

• Ладыженская Т. А. «Русский язык. Речь. Речевая деятельность»
• Сборники трудов по автоматическому распознаванию речи (Институт проблем передачи информации РАН)
• Материалы конференций по speech-to-text технологиям