Мистер Транскрипция > Блог > руководство

Проблемные аудио для ИИ-транскрипции: примеры и причины

7 июня 2025 г.

Mojiokoshi-san — это сервис транскрибации на основе ИИ, использующий технологии Google и AmiVoice (японский поставщик систем распознавания речи).

ИИ-транскрибация имеет свои сильные и слабые стороны в отношении аудиофайлов, которые она обрабатывает.

В этой статье мы рассмотрим примеры и причины того, какие аудиофайлы плохо подходят для ИИ-транскрибации.

Зная эти примеры и причины, вы сможете создавать аудиофайлы, которые легко транскрибируются с помощью ИИ. Пожалуйста, используйте эту информацию.

Аудиофайлы, плохо подходящие для ИИ-транскрибации

1. Тихий звук, удаленный микрофон, затрудняющий восприятие.
2. Сильный шум, заглушающий речь.
3. Размытый звук из-за эха в помещении.
4. Аудио с музыкой, например, тексты песен.
5. Отсутствие звука. 
6. Сильный диалект. 
7. Смешение нескольких языков.
8. Звук, который трудно расслышать даже человеку. 

Для таких аудиофайлов точная транскрибация невозможна, поэтому не рекомендуется использовать Mojiokoshi-san.    

Связанная статья >6 советов по записи для точной транскрибации с помощью ИИ

Если вы сообщите об ошибке в аудиофайле, который плохо подходит для ИИ-транскрибации, ваш запрос будет отклонен, и время не будет возвращено.

В частности, многие сообщения об ошибках связаны с проблемами в содержимом файла. Давайте рассмотрим реальные примеры.

В файле нет записи голоса (есть периоды шума или тишины)

Если загрузить аудиофайл, не проверив его содержимое, может оказаться, что запись не удалась, и файл содержит «тишину из-за неудачной записи» или «микрофон отключился во время записи, и слышен только шум, без голоса».

Изображение выше показывает результат транскрибации файла, который содержал только шум.  

Mojiokoshi-san использует ИИ для транскрибации. ИИ старается транскрибировать даже шумовые части, насколько это возможно.

Эта проблема особенно часто возникает при использовании PerfectVoice, если в начале файла есть шум или тишина продолжительностью более 1 минуты.

Если вы получили непонятный результат транскрибации, например, «ааааааааа», «мммммммм» или многократное повторение одной и той же фразы, проверьте содержимое файла.

Вы можете предотвратить эту проблему, обрезав шум или тишину в начале файла.

Даже если вы транскрибируете такой файл и потратите время, оно не будет возвращено.

1. Тихий звук, удаленный микрофон, затрудняющий восприятие

При проверке аудио, вызвавшего ошибку, чаще всего встречается...

именно этот случай.

Даже если транскрипция возможна, ее точность будет низкой. Мы не рекомендуем использовать ИИ-транскрипцию для аудиофайлов, где громкость говорящего низкая или микрофон находится далеко и звук плохо улавливается.

Пример: Запись лекции на смартфон с задних рядов аудитории.

2. Аудио с сильным шумом, заглушающим речь

Шум — злейший враг для ИИ-транскрипции!

В аудио с шумом голос говорящего часто заглушается, и его бывает «трудно разобрать даже человеку».

Шум ветра также является серьезным препятствием, хотя его часто упускают из виду при записи.

Если «человеку трудно разобрать» что-то, то ИИ тем более не сможет точно это транскрибировать.

Пример: Запись в людных местах, таких как кафе на улице, или в условиях с шумом посуды или музыкой (фоновой).

Расстояние между ртом и микрофоном слишком мало, что приводит к шуму ветра от дыхания.

3. Аудио с размытым звуком из-за эха в помещении

Эхо в помещении часто бывает трудно заметить, когда слушаешь своим ухом.

В записанном аудио эхо может звучать глухо или создавать впечатление, что голос доносится издалека.

Особенно часто эхо возникает в квадратных комнатах или комнатах с малым количеством мебели.

Пример: Запись разговора нескольких человек, сидящих в разных местах конференц-зала, с помощью одного диктофона.

Запись презентации в конференц-зале, где звук размыт из-за эха в помещении.

4. Аудио с музыкой, например, тексты песен

ИИ-транскрипция не может транскрибировать песни.

Некоторые люди думают: «Скачаю песню без слов с YouTube и попробую ее транскрибировать!»

Однако ИИ-транскрипция предназначена исключительно для транскрибирования речи.

Транскрибировать песни она не может.

Пример: Скачивание песни с YouTube для транскрипции.

5. Аудио без звука

Невозможно расшифровать беззвучный аудиофайл.

Конечно, невозможно расшифровать то, что не содержит звука.

Вероятно, вы пытались расшифровать, не зная, что вход микрофона был установлен на ноль.

Прежде чем пытаться расшифровать, проверьте аудиофайл вручную и убедитесь, что звук правильно записан, а затем попробуйте использовать ИИ-расшифровку.

Пример: Не заметили, что вход микрофона не работает

6. Сильные диалекты

ИИ-расшифровка плохо справляется с диалектами.

ИИ-расшифровка, как следует из названия, выполняется «ИИ». ИИ обучается расшифровке на основе стандартного языка. Поэтому он плохо справляется с расшифровкой диалектов.

Хотя ИИ может расшифровывать диалекты, даже при отличных условиях записи и четкой, медленной манере речи, результат может быть неполным или содержать лишь фрагменты.

Пример: Запись аудио для протокола региональной конференции → сильный диалект говорящего

Пример: В случае японских диалектов

Даже если диктор с хорошим произношением записывает аудио на телевидении в хороших условиях записи, диалекты плохо расшифровываются.

7. То, что трудно услышать человеку

То, что трудно услышать человеку, еще труднее услышать ИИ.

Когда мы слышим «ИИ», мы склонны думать, что это очень универсально и способно выполнять работу лучше, чем человек.

Однако ИИ все еще не дотягивает до человека.

Когда требуется гибкость, точность работы ИИ резко снижается.

В случае ИИ-расшифровки, если человеку трудно что-либо услышать, точность расшифровки ИИ значительно снижается.

Когда человек расшифровывает, даже если что-то трудно услышать, он может предположить, что это «вероятно, так», исходя из контекста разговора и предыдущих/последующих фраз.

Однако ИИ-расшифровка может расшифровывать только то, что она «слышит». Она не может дополнять или предсказывать, как это делает человек.

Как добиться высокоточной расшифровки с помощью ИИ?

Но я расшифровал с помощью ИИ, и это было хорошо.

```html и не может быть расшифрован