Átírás > Blog > kézikönyv

AI átírás: Mely hangfájlokkal küzd Mr. Transcription?

2025. június 7.

A Mojiokoshi-san egy mesterséges intelligencia alapú átíró szolgáltatás. Az AI a Google és az AmiVoice (egy japán beszédfelismerő rendszer szolgáltatója) technológiáját használja.

Az AI alapú átírásnak vannak erősségei és gyengeségei az átírandó hangfájlok tekintetében.

Ez a cikk bemutatja azokat a hangfájlokat, amelyekkel az AI alapú átírás nehezen boldogul, példákkal és magyarázatokkal.

Ha ismeri a példákat és az okokat, akkor olyan hangfájlokat hozhat létre, amelyek könnyebben átírhatók AI alapú átírással, ezért kérjük, vegye figyelembe.

Hangfájlok, amelyekkel az AI alapú átírás nehezen boldogul

1. Alacsony hangerő, távoli mikrofon miatt nehezen érthető hang
2. Erős zaj, amely elnyomja a hangot
3. Szoba visszhangja miatt elmosódott hang
4. Zenei elemeket, például dalszövegeket tartalmazó hang
5. Hangot nem tartalmazó fájlok 
6. Erős dialektust tartalmazó hang 
7. Több nyelvet keverő hang
8. Emberi fül számára is nehezen érthető hang 

Az ilyen hangfájlok nem írhatók át pontosan, ezért nem javasoljuk a Mojiokoshi-san használatát.    

Kapcsolódó cikkek>>6 tipp a pontos AI átíráshoz szükséges felvételhez

Ha olyan hangfájlt jelent hibásnak, amellyel az AI alapú átírás nehezen boldogul, a jelentést elutasítják, és az átírási időt sem térítik vissza.

Különösen gyakori hiba, hogy a fájl tartalma problémás. Nézzünk meg néhány valós példát.

A fájl nem tartalmaz hangot (hosszú zajos vagy néma szakaszok)

Ha a hangfájl tartalmának ellenőrzése nélkül tölti fel, előfordulhat, hogy:

A felvétel sikertelen volt, és "néma a felvétel", vagy "a mikrofon lekapcsolt a felvétel közben, és csak zaj hallható, hang nincs".

A fenti kép egy olyan fájl feltöltésének és átírásának eredménye, amelyben csak zaj hallható.  

A Mojiokoshi-san AI-val ír át. Az AI még a zajos részeket is megpróbálja átírni, amennyire csak lehetséges.

Ez a probléma különösen akkor fordul elő, ha a PerfectVoice-t használja, és a fájl elején több mint 1 perc zaj vagy csend van.

Ha olyan átírási eredményt kap, mint "aaaaaaa" vagy "nnnnnnn", vagy ugyanazt a kifejezést ismételten átírva, vagy más érthetetlen átírási eredményt, ellenőrizze a fájl tartalmát.

A probléma megelőzhető a bevezető zaj vagy csend levágásával.

Ha a fenti típusú fájlokat átírja, és felhasználja az időt, az időt nem térítjük vissza.

1. Alacsony hangerő, távoli mikrofon miatt nehezen érthető hang

Amikor ellenőrzöm a hibás hangfájlokat, a leggyakoribb probléma az, hogy

ez a példa.

Még ha sikerül is az átírás, a pontosság alacsony lesz, ezért nem ajánlott az AI alapú átírás olyan hangfájlokhoz, ahol a beszélő hangereje alacsony, vagy a mikrofon bemenete távoli, és a hang nem megfelelően rögzül.

Példa: Előadás rögzítése okostelefonnal az előadóterem hátsó részéből

2. Erős zajjal elnyomott hangok

A zaj az AI alapú átírás ellensége!

A zajos hangfelvételeken gyakran elnyomódik a beszélő hangja, és "még emberi füllel is nehezen hallható".

Rögzítéskor hajlamosak vagyunk figyelmen kívül hagyni, de a szélzaj is komoly ellenség.

Ha "még emberi füllel is nehezen hallható", akkor az AI sem tudja pontosan átírni.

Példa: Rögzítés zsúfolt környezetben, például kávézóban, ahol edényzaj vagy zene (háttérzene) van jelen.

A száj és a mikrofon túl közel van egymáshoz, ami légzési szélzajt okoz.

3. A szoba visszhangja miatt elmosódott hangok

A szoba visszhangja olyasmi, amit a mindennapi hallgatás során meglepően nehéz észrevenni.

Felvett hang esetén a visszhang gyakran tompa hangként vagy távoli hangként hallatszik.

Különösen a négyzet alakú, kevés tárgyat tartalmazó szobákban könnyen keletkezik visszhang.

Példa: Több ember beszélgetésének rögzítése egyetlen IC-felvevővel egy tárgyalóteremben, ahol különböző helyeken ülnek.

Előadás tartása egy tárgyalóteremben, de a felvétel elmosódott a szoba visszhangja miatt.

4. Dalok szövegei vagy zenét tartalmazó anyagok

Az AI alapú átírás nem tud dalokat átírni.

Vannak, akik úgy gondolják, hogy letöltenek szöveg nélküli dalokat a YouTube-ról, és megpróbálják átírni őket!

Azonban az AI alapú átírás elsősorban beszélgetések átírására szolgál.

Nem tud dalokat átírni.

Példa: YouTube dalok letöltése és átírása

5. Hang nélküli anyagok

A néma hangfájlokat nem lehet átírni.

Természetesen a hang nélküli fájlokat nem lehet átírni.

Valószínűleg megpróbálták átírni anélkül, hogy tudták volna, hogy a mikrofon bemenet 0 volt.

Mielőtt megpróbálná az átírást, ellenőrizze a hangfájlt a saját eszközén, és győződjön meg róla, hogy a hang megfelelően be van-e rögzítve, mielőtt kipróbálná az AI alapú átírást.

Példa: Nem vették észre, hogy a mikrofon bemenet nem működik.

6. Erős dialektusok

Az AI alapú átírás nem boldogul jól a dialektusokkal.

Az AI alapú átírást, ahogy a neve is mutatja, „AI” végzi. Az AI-t úgy képzik, hogy a standard nyelvre alapozva végezze az átírást. Ezért nem boldogul jól a dialektusok átírásával.

Bár nem lehetetlen az AI-val átírni, még akkor is, ha a felvételi környezet kiváló, és a beszélő tisztán és lassan beszél,

az átírás hiányos lehet, vagy csak egy kis része készül el.

Példa: Hangfelvétel egy regionális értekezlet jegyzőkönyvéhez → a beszélő erős dialektussal beszél.

Példa: Japán dialektusok esetén

Még egy jó kiejtéssel rendelkező bemondó hangja is, amelyet egy televíziós stúdió kiváló felvételi környezetében rögzítettek, nehezen írható át, ha dialektusról van szó.

7. Amit az emberi fül nehezen hall

Ami az embernek nehezen hallható, az az AI-nak még nehezebben hallható.

Az „AI” hallatán az ember azt gondolná, hogy nagyon sokoldalú és jobb munkát végez, mint az ember.

Azonban az AI még mindig nem éri el az ember szintjét.

Ha rugalmasságra van szükség, az AI munkájának pontossága hirtelen csökken.

Az AI alapú átírás esetében, ha az emberi fül számára „nehezen hallható” a hang, az AI átírás pontossága jelentősen csökken.

Ha ember végzi az átírást, még ha kissé nehezen is hallható a hang, a beszélgetés kontextusa és az előző/következő részek alapján „valószínűleg ez” alapon tud következtetni.

Azonban az AI alapú átírás csak azt tudja átírni, „amit hall”. Nem tud kiegészíteni vagy következtetni, mint az ember.

Hogyan érhető el nagy pontosságú átírás AI alapú átírással?

De átírtam AI-val, és rendben van.