Подготовка датасета для машинного обучения, в котором живая речь из аудиозаписей и видео переводится в текстовый формат.

Транскрибация речи

Вернуться назад

Транскрибация речи - перевод записи живой речи в текстовый формат для последующего обучения нейросети

Скачать шаблон ТЗ

Какие цели достигаются с помощью транскрибации речи

Услуги → Labelme.ru

Услуга транскрибации текста относится к разделу NLP (Natural Language Processing). Ее суть заключается в обработке и автоматизации работы с живой речью. Главное преимущество транскрибации речи с помощью людей — соблюдение всех орфографических и пунктуационных норм или разметка дополнительных метаданных. Автоматические алгоритмы до сих пор допускают в этом ошибки.

Виды транскрибации

Разметка по количеству спикеров

Для повышения точности машинного обучения, важно правильное аннотирование. Например, если на записи более одного спикера, мы не только точно переведем запись в текст, но и разметим спикеров по разным классам. Без этого нейросеть сможет переводить голос в текст, но не сможет отследить смену спикера. Это может быть критическим недостатком при решение определенных задач.

Разметка по качеству записей

В нашей практике были случаи, когда заказчик предоставлял записи с низким качеством. Посторонние шумы, трения микрофона, речь на заднем плане — мы научились справляться со всем этим.
Для решения каждой из этих проблем были добавлены скрипты и функции, улучшающие качество записей. Это позволяет нашим разметчикам точно перевести каждое слово. А там, где не справляются технологии, нам помогают лингвисты. Они подбирают заглушенные слова и восстанавливают контекст сказанной фразы.

Разметка речи на разных языках

Важно, чтобы разметчик владел языком на уровне носителя (Mother Tongue) и знал грамматические, лексические и орфографические нормы. В противном случае он не сможет правильно транскрибировать запись речи. Через локальные СМИ и сети партнеров мы находим разметчиков носителей языка.
На данный момент LabelMe оказывает услуги по извлечению именованных сущностей на английском, русском, французском, немецком языках.

Примеры применения по отраслям

Мы в LabelMe размечали данные для самых разных областей бизнеса:

Разметка для голосовых ассистентов
Для создания и повышения точности голосовых ассистентов нужны терабайты верно аннотированных данных. Помимо извлечения сущностей для понимания смысла речи, нужна транскрибация. Она позволяет распознавать и понимать форму: комбинации звуков, букв, слогов, которые складываются в слова и предложения. Только так машина сможет правильно декодировать человеческую речь.
Разметка для автоматизации колл-центров
Мы уже транскрибировали записи человеческой речи для создания интерактивных голосовых систем (IVR). Данная технология подразумевает создание роботов, генерирующих человеческую речь, а также автоматический перевод всего диалога в текстовый формат. Последнее значительно упрощает работы по сбору и аналитике клиентского поведения для проведения маркетинговых исследований.
Разметка данных для Speech-to-Text систем
Отличный пример использования этой функции — автоматический перевод голосовых записей в текстовые сообщения в ВКонтакте. Однако, даже сейчас конкретная модель допускает ошибки и некорректно транскрибирует некоторые слова и фразы. Чтобы избежать этого - нужно обрабатывать речь людей с самой разной манерой речи и особенностями произношения.

Среди наших заказов есть кейсы, где наша команда помогла предусмотреть эту проблему: заказчик предоставил слишком "чистые" данные, и мы помогли разнообразить датасет.
Разметка для стриминговых сервисов
Транскрибация речи лежит в основе создания автоматических субтитров и генерации метаданных для мультимедийных ресурсов. То, что раньше нужно было делать людям, теперь можно поставить на автопилот. Это особенно актуально для прямых трансляций или интерактивных совещаний, в которых спикеры говорят на разных языках.
Мы подготовим для вас обучающий датасет с транскрибацией на русском, английском, французском, немецком и других языках.