Parimad automaatse transkriptsiooni tööriistad ajakirjanikele

Siri sai just kuueaastaseks. Alexa sai just kolmeseks. Kui me saame oma telefonist küsida Albuquerque'i ilmade kohta ja sundida elutoas asuvat plastsilindrit Washington Posti valjusti lugema, siis miks me ikkagi kirjutame intervjuusid käsitsi üles?

Noh, selgub, et me ei pea seda tegelikult tegema. Automaatsed transkriptsioonitööriistad on juba mõnda aega turul olnud ja lõpuks saavad need heaks. Nüüd kulub heli või video saidile üleslaadimiseks ja üsna põhjaliku ärakirja saamiseks vaid mõni minut ja paar dollarit.

Kuid nagu kõik tööriistad, on mõned paremad kui teised. Testisime (või proovisime testida – sellest lähemalt hiljem) kaheksat kõige populaarsemat ajakirjanikele suunatud transkriptsioonitööriista, sealhulgas Draakoni dikteerimine , Õnnelik kirjanik , oTranskribeerige , rekordiliselt , Rev , Sonix , Trint ja YouTube. Käitasime iga tööriistaga läbi mitmesuguseid reaalseid stsenaariume, katsetades, kuidas igaüks neist ajakirjaniku tüüpilise kasutuse vastu on.

Kuigi ükski tööriist ei olnud täiuslik, ületas üks teistest kategooria parimana.

Meie valik
Täpsuse, funktsioonide ja kasutuslihtsuse kombinatsioon teeb Trintist parima valiku ajakirjanike automaatseks transkriptsiooniks. Kuigi see polnud kõige täpsem, funktsioonirikkam ega odavaim tööriist, mida proovisime, aitavad selle ärakirja redigeerimise tööriistad ja suutlikkus ajakirjaniku töövoogu veidi sujuvamalt sobituda tal konkurentidest üle olla. Loe edasi, et näha, miks.

Eksperiment
Nagu näete, on nende tööriistade täpsus madalad. Selle põhjuseks on asjaolu, et püüdsime neid kõige rohkem segadusse ajada.

Esiteks, et kajastada laia valikut inimesi, hääli ja aktsente, salvestasime nelja osalejaga helinäidise. Nende hulka kuulusid:

• Alexios Mantzarlis , Poynteri õppejõud ja rahvusvahelise faktide kontrollimise võrgustiku direktor, kes on pärit Roomast ja kirjeldas end kui läpakat ja 'mõned naljakad sõnad, mis segavad Briti, Itaalia ja veidraid Ameerika aktsente'.
• magusad kimbud , rahvusvahelise faktikontrolli võrgustiku programmijuht, kes tuli Poynterisse septembris Mehhikost
• Kristen Hare , Poynteri reporter, kes arvab, et ta kõlab lindistustelt end kuulates 'veidi orutüdrukulik'.
• Mina ja kuigi Kristen ütles, et mul on 'Pühvli aktsent', arvan, et mu kalduvus pomiseda, liiga kiiresti rääkida ja sõnadest osade vahele jätmine osutub transkriptsioonide jaoks ilmselt keerulisemaks (Enda salvestamine transkribeerimise ootuses viib selgelt enesetundeni. peegeldus.)

Kristen liitus meiega Google Hangoutsi/YouTube Live'i kaudu ( avalikustamine: Google News Labi toetus rahastab osaliselt minu positsiooni ), mille eest enamik automaatse transkriptsiooni tööriistu avalikult hoiatab. Telefonist või videovestlusest pärit heli näib olevat neil üldiselt raske käsitleda.

Algoritmide veelgi piinamiseks lugesime lõike ka palju kiiremas tempos, kui tavaliselt räägime, Dulce ja Alexios rääkisid erinevaid võõrkeeli (itaalia, hispaania, prantsuse ja kreeka keel), laususime võimalikult palju pärisnimesid (Apalachicola , Michael Oreskes ja mitmed Kreeka saared, kui nimetada vaid mõnda), sai loominguliseks Urban Dictionaryga (a portmanteau Paul Manaforti ja tema õiguslikku olukorda kirjeldava toore sõnaga) ja rääkisid üksteisest teatud sagedusega.

Salvestasime oma 14-minutilise testi Poynteri veebiseminari stuudios ja meid segas vähemalt ühe valju lennuki heli (mõne kvartali kaugusel on lennujaam), hädaabiauto ja Kristeni telefoni kära.

Salvestasime heli kolmel viisil:

• Koos Suum H4nPro käeshoitav mikrofon, asetatud meie vahele
• Minu iPhone 6S Plus, kasutades salvestamiseks rakendust Recordly, paigutatud suumi kõrvale
• Privaatse YouTube'i otseülekandega, nii liitus Kristen meiega

Seejärel laadisime heli igasse tööriista üles ja jälgisime, kui kaua nende transkribeerimine aega võttis. Normaliseerisime saadud ärakirjad Microsoft Wordi abil, eemaldades ajatemplid ja veendudes, et kõnelejate nimed on ühtsed. Kontrollina transkribeerisin heli ise (kasutades oTranscribe) ja kuulasin seejärel mitu korda, et kontrollida täielikku täpsust. Proovisime ka tasulist teenust Rev, mis kasutab algoritmide asemel inimtranskribeerijaid, et näha, kuidas see virnastatud on.

Testisime erinevaid dokumentide võrdlemise tööriistu, et näha, milline neist töötab kõige paremini Copyscape kui kõige kõlavam variant. Võrdlesime tööriistade ja teenuste loodud ärakirju 100 protsenti õigega, mille lõin rakendusega oTranscribe.

Mõned lisamärkused:

• Suumi heli osutus parima kvaliteediga, nii et kasutasime seda enamiku katsete jaoks. Tundub, et rakendus Recordly ei aktsepteeri muudest allikatest salvestatud heli, seega on see üks erand sellest protsessist. Me ei laadinud ka suumi heli YouTube'i üles, vaid tuginesime YouTube'i otseülekande helile. Õunte ja apelsinide võrdlus muudab selle katse vähem teaduslikuks, kuid on rohkem kooskõlas sellega, kuidas ajakirjanikud neid tööriistu reaalses maailmas kasutaksid.
• Kuigi see on populaarne tööriist, ei saanud me Dragon Dictationi testida, kuna see ei tööta operatsioonisüsteemis iOS 11. Värskendame seda arvustust, kui ja kui selle arendaja selle probleemi lahendab.
• Me ei pöördunud ühegi nende ettevõtete poole enne testimist, seega ei olnud ärakirjade jaoks mingit erilist kohtlemist ega tagantjärele viimistlemist. Trint, Sonix ja Recordly pakuvad uutele kasutajatele piiratud tasuta minuteid, seega kasutasime neid katse jaoks ära. Kasutasime Happy Scribe'i jaoks mittereportöörist kolleegi krediitkaarti ega maininud Poynterit, kuna olen varem selle asutajatega kirjavahetuses olnud. Ja me maksime Revi inimliku transkriptsiooni eest täishinna. YouTube'i subtiitrite teenus ja oTranscribe on alati tasuta.
• On palju, palju rohkem automaatseid transkriptsioonitööriistu, mida me sellesse ülevaatesse ei lisanud. Püüdsime keskenduda neile, mille kohta ajakirjanikud meilt küsinud on. Kui arvate, et jätsime ühe ebaõiglaselt vahele, andke meile sellest teada ja me värskendame arvustust.

Ärakirja kvaliteet (võitja: Happy Scribe)

Näib, et tehisintellekti ülestõusu pärast muretsevatel inimestel on veel vähemalt paar aastat aega valmistuda, kuna meie testitud üks inimeste transkriptsiooniteenus ületas automaatsed transkriptsioonid suure ülekaaluga.

Rev teenis 82-protsendilise täpsushinnangu, kusjuures inimtõlgil ei õnnestunud enamasti tabada võõrkeeli (mis ausalt öeldes on eraldi teenus), mõningaid pärisnimesid, läbirääkimisi, mõnda slängisõna ja pomisemise tükke. Kuigi ka teistel tööriistadel jäid need asjad enamasti kahe silma vahele, märkisid Revi inimtranskribeerijad vähemalt selliseid asju nagu '[kuuldamatu]' ja '[ristvarre]' ja '[võõrkeel]', mis olid hilisemate paranduste jaoks kasulikud kohatähed.

Isegi puuduvate bittide korral on Revi ärakiri täiesti loetav ja ühtne. Kui te ei olnud algse vestluse juures, saate seda lugedes aru, millest me rääkisime.

Järgmine kõige täpsem transkriptsioon oli YouTube. Videomajutussait lõi meie YouTube'i reaalajas videole automaatselt subtiitrid, mis olid 72 protsenti täpsed. Kuid isegi kui üldine kvaliteet langeb vaid 10 protsenti, on ärakiri oluliselt vähem loetav kui Rev, kuna YouTube ei paku kirjavahemärke ega kõlarite segmenteerimist. Tiitrid eksisteerivad tohutu tekstiplokina. Ilma seda heliga sidumata oleks peaaegu võimatu, et keegi, kes vestluses ei osalenud, mõistaks meie vestlust.

YouTube'i pakkumistel on ka teisi varjukülgi, kuid me räägime neist funktsioonide juurde.

Happy Scribe osutus meie katses 62-protsendilise täpsusega kõige täpsemaks mitte-inimese transkriptsioonitööriistaks. Tööriist hoiatab oma üleslaadimislehel, et 'vältige tugevat taustamüra, 'vältige tugevaid aktsente', 'vältige Skype'i ja telefoniintervjuusid' ja 'hoidke mikrofon kõlari lähedal', mida kõike me kohusetundlikult ignoreerisime.

Transkriptsioon on peaaegu täpne nendes kohtades, kus ma rääkisin, eriti kui ei olnud ülekõnet ja ma ei kasutanud pärisnimesid, kuid nägin üsna palju vaeva Dulce'i, Kristeni ja Alexiose transkribeerimisega. Mõnes kohas lõi see eri kõnelejad uuteks lõikudeks, kuid mõnes kohas ebaõnnestus. Üldine transkriptsioon varieerub mõnes kohas täiesti sidusa ja mõnes kohas veidralt ebajärjekindlana, näiteks kui see transkribeeris Alexios, öeldes: 'Las ma avan Urban Dictionary ja me saame mõned neist läbi vaadata' kui 'Ma mõtlen isegi linnasõnaraamatus on tüdrukud lähedased. .”

Trint pakkus sarnaseid tulemusi, 61-protsendilise täpsusega. See läks paljudes samades kohtades sassi, koperdades aktsentidega, YouTube'i heliga ja lõikudega, kus oli läbirääkimine või vaikne rääkimine. Kuid see ei kirjutanud valesti täpselt samal viisil kui Happy Scribe. Linnasõnastiku lause ülalt ilmus järgmiselt: 'Ma mõtlen, et isegi linnasõnaraamatus saame need läbi käia.'

Üldiselt on Trinti ärakirja pisut lihtsam lugeda kui Happy Scribe'i, kuna see teeb kõnelejate eristamiseks ja uuteks lõikudeks jagamiseks paremini hakkama. See pole täiuslik, kuid lisab palju selgust, kui see töötab.

Sonix osutus 50 protsendiga kõige täpsemaks järgmiseks. Sonix töötas veidi paremini kui Happy Scribe ja Trint, kui üks kõlar rääkis valjult. Kuid igasugune läbirääkimine, taustamüra või isegi naer – kõik asjad, mis tõenäoliselt ilmnevad tööriista mis tahes reaalsel kasutamisel – tundusid ajavat seda rohkem segadusse kui teised. See hõlmas Urban Dictionary lauset järgmiselt: 'Ava linnasõnaraamatus ja me saame mõned neist läbi vaadata.'

Nagu teisedki tööriistad, proovis Sonix kõlareid jagada erinevateks lõikudeks, kuid tundus, et see oli veidi halvem.

Recordly oli automaatsetest transkriptsioonitööriistadest kõige vähem täpne, 48-protsendilise täpsusega. See hõlmas Urban Dictionary lauset: 'Las ma avan selle linnasõnastiku ja me saame. Mine läbi”, mis pole halb, kuid see tekstiosa ei esinda ülejäänud ärakirja. Nagu YouTube, on ka Recordly ärakiri üks hiiglaslik tekstiplokk. Erinevalt YouTube'ist lisab see kirjavahemärke, kuigi harvemini ja väiksema täpsusega kui teised tööriistad.

Recordly ärakiri on kontekstiväliselt kõige vähem kasulik.

Üldiselt tuli parim ärakiri minu enda käest oTranscribe’iga. Rev osutus parimaks ärakirjaks, mida ma ei pidanud ise transkribeerima. Kuid see on ülevaade automaatsetest transkriptsioonitööriistadest ja selles kategoorias saavutas Happy Scribe napilt Trinti esikoha.

Funktsioonid (võitja: Sonix)
Mõned asjad näivad olevat automaatse transkriptsioonitööriistade tööstusstandardid. Üleslaaditud heli taasesitamise võimalus on ilmne. Kõik tööriistad võimaldavad kasutajatel eksportida ärakirju erinevates vormingutes.

Brauseripõhised tööriistad (mis tähendab kõiki, välja arvatud Recordly) pakuvad samuti ühist komplekti. Kõik võimaldavad kasutajatel klõpsata teksti erinevatel punktidel ja liikuda otse salvestuse selle osa juurde. Neil kõigil on võimalused heli taasesitamiseks aeglasema kiirusega (otseteeklahvide abil või seadistustega askeldades), transkriptsioonide käsitsi redigeerimiseks, lisaks helile video üleslaadimiseks ja transkriptsioonide salvestamiseks hilisemaks kasutamiseks.

Trint astub sammu kaugemale ja sisaldab ärakirja allosas heli visualiseeritud lainekuju, mida kasutajad saavad soovi korral vahele jätta. Sellel on ka sisseehitatud tööriistad teksti otsimiseks ja asendamiseks, esiletõstmiseks või läbikriipsutamiseks. Kasutajad saavad tööriistale lisada kõnelejate nimekirja ja lisada igale lõigule oma nime. Sellel on ka mugav funktsioon ühe klõpsuga ärakirja saatmiseks.

Sonix sisaldab kõiki neid tööriistu (välja arvatud interaktiivne lainekuju) ja veel mõnda. Kõige kasulikumad on 'usaldusvärvid', mis määrab erinevad värvid sõnadele, milles Sonix on vähem kindel; helikvaliteedi hindaja, mis annab teada, kui kindel Sonix oma transkriptsioonis on; ja automaatne kõlarite tuvastamine, beetafunktsioon, mis püüab tuvastada erinevaid kõlareid ja määrata neile ID-sid.

Meie testis tuvastas Sonix ainult kaks erinevat kõlarit, nii et see tööriist vajab natuke tööd, kuid see on siiski tohutult kasulik.

Ainus rakendus (ainult iOS) pakub rekordiliselt kõige vähem funktsioone. See on üsna rekordiline ja oodake kogemus. Ärakiri tarnitakse vormingus, mis sarnaneb Apple'i sisseehitatud märkmete rakendusega ja piiratud redigeerimisfunktsiooniga. Samuti võimaldab see kasutajatel eksportida heli või teksti teise rakendusse.

Kuigi Trinti otsimise ja asendamise ning lainekuju funktsioonid on transkriptsioonide parandamisel abiks, lisavad Sonixi funktsioonid transkriptsiooniprotsessile olulist läbipaistvust. Ja kuigi kõlarite tuvastamise beetaversioon pole täiesti usaldusväärne, on see ambitsioonikas tööriist, mis peaks siit edasi minema.

Ajastus (võitja: Happy Scribe, Trint ja rekordiliselt)

Siin paistab automaatne transkriptsioon. Kõik tööriistad andsid ärakirja lühema minutiga kui meie esitatud helifaili pikkus. Erinevus Happy Scribe'i (viis minutit), Trinti (kuus minutit) ja Recordly (kuus minutit) vahel oli tühine, kuid Sonix võttis veidi kauem aega (11 minutit). (Värskendus: Sonixi esindaja ütles, et selle kiirus on kooskõlas teiste tööriistadega, kui kõlari tuvastamise funktsioon on välja lülitatud.) Reaalses keskkonnas võib see olla oluline erinevus, eriti pikemate transkriptsioonide puhul.

YouTube on siin natuke mõistatus. Selle ärakirja puhul kulus automaatsete subtiitrite ilmumiseks vaid mõni minut. Varasemate kogemuste põhjal oleme avastanud, et nende ilmumiseks kuluv aeg võib olla üsna erinev. Kuna YouTube ei ole tegelikult mõeldud sellisel viisil kasutamiseks, pole me kindlad, kui kaua see tavaliselt aega võtab.

Revi inimtranskribeerijatel kulus oma ärakirja lõpetamiseks umbes neli tundi ja 15 minutit. Mul kulus umbes pool sellest, et seda ise oTranscribega teha, kuid mitte ilma mitme pausita, Spotify Sügav keskendumine esitusloend ja kaks gallonit kohvi.

Hinnakujundus (võitja: rekordiliselt)

Te ei saa ületada tasuta (YouTube, oTranscribe), kuid kui tegemist on spetsiaalsete automaatsete transkriptsioonitööriistadega, on hind väga erinev. Parima hinna määramiseks peate kaaluma, kui sageli tööriista kasutate.

Sonix on kõige kallim, põhiplaaniga alates 15 dollarist kuus pluss 8 dollarit iga transkribeeritud helitunni eest. Kuid tööriist pakub igakuise maksmise asemel kopsakat 33-protsendilist allahindlust.

Trint pakub ka plaane alates 15 dollarist tunnis tasulise üleslaadimise transkriptsioonide eest või 40 dollarist kuus kuni kolmetunnise transkribeeritud heli eest. Täiendavad transkriptsioonid maksavad veidi põhja pool 13 dollarit tunnis.

Happy Scribe maksab üleslaaditud heli minuti kohta 10 senti. Vähem matemaatikaga seotud tüüpide puhul on see 6 dollarit tunnis.

Naps 2 dollarit tunnis ja esimene tund tasuta, on Recordly vaieldamatult odavaim automaatse transkriptsiooni valik.

Pole üllatav, et Revi inimtranskribeerijad maksavad rohkem kui teised tööriistad. Meie 13-minutilise klipi transkribeerimine maksis 14 dollarit ja ajatemplite eest maksime 3,50 dollarit rohkem. Sellegipoolest paneb töötundide odav suhteline maksumus meid mõtlema, kus maailmas on Revi transkribeerijad ja kui hästi neile hüvitist makstakse.

Kasutuslihtsus (võitja: Trint)
Ühtegi neist tööriistadest pole raske kasutada. Laadite igasse neist üles faili (või salvestate sellega heli, Recordly puhul) ja mõni aeg hiljem saadab see teile redigeeritava transkriptsiooni lingi.

Trint astub suure sammu failide üleslaadimisest kaugemale ja aktsepteerib heli või videot erinevatest allikatest, sealhulgas Dropboxist, Google Drive'ist ja FTP-st, ning võimaldab kasutajatel isegi lihtsalt lingi sisestada. See on meie testitud tööriistade seas ainulaadne. Trint küsib enne üleslaadimise algust ka mõned kasulikud küsimused taustamüra, ristkõnede ja muu kohta. See ei paranda salvestust, kuid on kasulik UX-i näpunäide, mis õpetab kasutajatele, kuidas tulevikus rohkem transkribeeritavat heli salvestada.

Happy Scribe, Rev, Sonix ja Trint saadavad kõik e-kirju, kui transkriptsioon on valmis, nii et pole vaja istuda ja ekraani vahtida.

Alumine rida
See pole odavaim ega ka kõige täpsem saadaolev üldine transkriptsioonivalik, kuid Trint võitis parima universaalse tööriistana nende seast, mida testisime.

Ettevõte, mis on veidi üle aasta vana ja saanud rahastuse Knight Foundationilt (disclaimer: Poynter ka saab rahastus Knightilt) ja Google'i digitaalsete uudiste algatus, mis pakub parimat üldist funktsionaalsuse, täpsuse ja kasutuslihtsuse kombinatsiooni.

Ainult YouTube'i automaatse subtiitrite lisamise funktsioon, mille täpsus oli 72 protsenti, toimis algoritmipõhise transkriptsiooniga oluliselt paremini kui Trint. Kuid YouTube ei ole mõeldud seda tüüpi transkribeerimiseks, mida ajakirjanikud igapäevaselt vajavad, ega paku ühtegi redigeerimisfunktsiooni.

Kuigi noorel idufirmal Happy Scribe läks meie täpsustestides 62-protsendilise määraga pisut paremini ja see on umbes kolmandiku Trinti hinnast, puuduvad sellel paljud lisafunktsioonid, mis muudavad Trinti kasulikuks. Võimalus üles laadida paljudest allikatest, leida ja asendada teksti ja kõlarite identifitseerimist on väikesed, kuid olulised töövoo tööriistad. Kui otsite lihtsalt kiiret ja räpast ärakirja, võib Happy Scribe olla õige tee.

Ja kuigi on tõsi, et selle 61 protsenti pole kaugeltki täiuslik, olid meie testid pisut keerulisemad kui enamik reaalseid kasutusi.

Testisime ka inimeste tõlketeenust Rev ja oTranscribe, mis pakub ajakirjanikele käepäraseid tööriistu heli iseseisvaks transkribeerimiseks. Leidsime, et Rev on 1 dollar/minuti transkribeeritud heli jaoks keskmisele ajakirjanikule regulaarseks kasutamiseks liiga kallis. Ja kuigi oTranscribe oli mugav, ei lahenda see transkribeerimise tüdimust ja aega.

Tüüpilist kasutust silmas pidades on Trint ajakirjanike jaoks parim universaalne automaatne transkriptsioonitööriist.

Parandus: teatasime varem, et Sonix seda ei tee pakkuma leida ja asendada tööriist, kuid see tegelikult teeb seda. Vabandame selle puudumise pärast.

Lisateavet ajakirjandustööriistade kohta leiate jaotisest Proovi seda! — Ajakirjanduse tööriistad. Proovi seda! toidab Google News Lab . Seda toetab ka Ameerika pressiinstituut ja John S. ja James L. Knight Foundation