Lydtranskripsjon

Definisjon

Lydtranskripsjon er prosessen med å konvertere talespråk til skriftlig tekst. Den lager strukturerte tekstdata fra rå taleopptak.

Formål

Hensikten er å gjøre tale søkbar, analyserbar og brukbar for oppgaver innen naturlig språkbehandling. Det er mye brukt innen tilgjengelighets-, medie- og forretningsanalyse.

Viktigheten

• Aktiverer teksting og tilgjengelighetstjenester.
• Gir tekstinndata for trening av NLP-modeller.
• Kvaliteten avhenger av nøyaktigheten til konverteringen fra tale til tekst.
• Følsom for bakgrunnsstøy, aksenter og opptakskvalitet.

Slik fungerer det

1. Spill inn eller importer lydfiler.
2. Del opp talen i mindre enheter.
3. Bruk automatisert talegjenkjenning (ASR) eller manuell transkripsjon.
4. Korriger og valider tekst for nøyaktighet.
5. Lagre transkripsjoner med tidsstempler eller metadata om nødvendig.

Eksempler (den virkelige verden)

• Rev: transkripsjonstjeneste for media og næringsliv.
• Otter.ai: AI-basert møtetranskripsjon i sanntid.
• YouTube: genererer teksting ved hjelp av ASR-modeller.

Referanser / Videre lesning

• Automatisk talegjenkjenning — NIST.
• ISO/IEC 15938-4: Beskrivelse av multimedieinnhold — ISO.
• Tale- og språkbehandling — Jurafsky og Martin, Stanford.