Алина Саратова

© SmartBabr

Наука и технологииИнтернет и ИТМир

5021

30.05.2017, 13:54

Там, где машинный интеллект бессилен. Как работают «расшифровщики аудиозаписей»

Машинный интеллект может многое, но не всё. Одна из неподдающихся автоматизации задач — перевод сложных аудиозаписей в текст. Эту работу сегодня поручают фрилансерам и на первый взгляд она кажется лёгкой. Обозреватель SmartBabr рассказывает, каково это — быть «расшифровщиком аудиозаписей», и какие технологии все-таки могут в этом деле пригодиться.


У меня есть любимая работа, которая меня полностью удовлетворяет. Но, как известно, денег много не бывает – и со мной согласятся все, кто ищет дополнительный заработок. Именно поэтому так популярны все эти инфобизнесы, и, наверное, именно это является причиной распространенности и процветания всяких «работ», где нужно отправить предварительно некую сумму «на материалы» или «на документы». Покопавшись на бирже фриланса и пообщавшись с подругами, я наткнулась на вакансию расшифровщика аудиозаписей.

Эту вакансию размещают те, кто занимается социологическими исследованиями. У них есть такая штука, как «фокус-группа», когда собирается несколько человек по определенным параметрам, и проводится беседа на определенную, опять же, тему. Беседа записывается на диктофон, и вот эти-то записи и требуют так называемой расшифровки.

Доверить столь тонкую работу машинам не получается, как бы они не были умны

Причина проста: в самых обычных компьютерах не используются технологии, которые могут распознавать голоса. Машина переводит аудио в текст сплошным потоком, и потом этот поток требуется расшифровывать заново: программа не различает мужские и женские голоса, не может назвать имена и возраст, и не соображает, где вопрос, а где восклицание.

И тут мне, что называется, подфартило. Одна очень хорошая женщина предложила попробовать свои силы в расшифровке бесед. При этом она предлагала в четыре раза больше, чем платят за это дело на биржах. Ну кто от такого откажется? Тем более, имея опыт перевода диктофонных интервью (не своих).

— А тут что делать-то? — думала я. — Сиди себе, наушники в уши, да строчи — дословно же надо, никакой обработки. Ну или почти никакой…

И я согласилась.

После первой расшифровки у меня дрожали руки. После второй начал дергаться глаз. После третьей, кое-как поднявшись от компьютера и разогнув скрюченные пальцы, я поняла, что за последние трое суток я спала три часа, я не помню, как выглядит мой ребенок, а еще не знаю, когда я ела, когда причесывалась и как меня зовут. Я позвонила заказчице и попросила освободить меня от такого «удовольствия».

Эту работу могут делать те, у кого нет семьи, нет другой работы, хорошая память и высочайшая скорость набора текста

Для тех, кто усмехается: «Вот я-то, в отличии от тебя, все смогу и уж такую возможность не упущу!», кратко о работе. Дается аудиофайл, который нужно перевести в текстовый документ дословно. На файле беседа, не менее 8 человек, и очень плотная — никто не задумывается, все говорят по делу. Требуемым шрифтом требуемого размера полуторачасовая беседа занимает не менее 30 страниц. И целый список требований к оформлению: после набора я расставляла скобки, выделяла курсивом и полужирным шрифтом и ставила комментарии к репликам в одном тексте еще 4 часа.

Отказавшись от дальнейшего самоистязания, я проспала 15 часов. А потом, уже приняв ванну и вкусив чашечку чаю (от кофе, думаю, меня еще долго будет тошнить), подумала:

А вдруг меня спасли бы средства голосового набора?

Я бы перевела ручкой на бумажку, с указанием персонажей и выделением вопросов и восклицаний, с выведением эмоций и так далее, а потом аккуратно и вдумчиво, как учитель диктант для только научившихся писать первоклашек, прочитала бы это все в микрофон, а компьютер сам за меня набрал это? Может, так было бы проще и легче? И я полезла искать, пробовать, анализировать и сравнивать программы для голосового набора. Конечно, мне они уже не так уж и нужны — но пригодятся тем, кто пишет дипломы, статьи, лекции и так далее.

Компания Google, которая занимает лидирующие позиции в области машинного обучения и искусственного интеллекта, предлагает сразу несколько приложений для своего браузера. Установив эти приложения и помощники, вы получите тот самый инструмент для набора текстов посредством чтения его в микрофон.

Первое из них – голосовой блокнот. Это бесплатное приложение. Оно есть как в интернет-магазине браузера, так и на конкретном сайте .

Голосовой блокнот может проводить транскрибацию, но потоком. А когда надиктовываешь ему текст, нужно называть словами знаки препинания. Буквально как в том анекдоте:

«Кто там знак вопроса это мы запятая Вася и Петя запятая твои друзья точка»

При очень медленном чтении с выделением голоса блокнот может и сам поставить знаки препинания, но перед тем как брать файл и использовать его нужно проверить: а правильно ли он вас понял.

Второе приложение – это Войснот II . Он работает точно так же, как блокнот, но имеет несколько другой интерфейс и кому-то покажется более удобным.

Сервис Август предлагает не только голосовой блокнот, но ряд других услуг, которые являются платными. А вот запись текста голосом в нем доступна только для браузера Google Chrome. Голосовой помощник сервиса бесплатен и распознает русский, украинский, английский, немецкий, французский и итальянский языки.

Следующий сервис TalkTyper – бесплатный, и удобен тем, что имеет голосовые подсказки и возможности просмотра вариантов распознавания. Также в сервисе есть удобный редактор, с помощью которого довольно просто скопировать полученный текст или сразу с сайта распечатать его на принтере. Также ваш материал с помощью TalkTyper можно сразу перевести, скажем, на английский или французский. Если честно, иностранными владею на уровне «здороваюсь со словарем», поэтому именно эту функцию проверить не смогла. А так – сойдет. Очень удобно, что слова, которые программа не смогла распознать точно, подсвечиваются, и при нажатии на них можно выбрать другие варианты.

Есть программы, которые требуют установки, самые известные – Voco и MSpeech. Первая – платная, ее стоимость от 1690 рублей. Вторая — бесплатная. Voco не только печатает на компьютере и устанавливает знаки препинания, но и умеет транскрибировать аудио (потоком). MSpeech может распознавать голос на 50 языках и имеет горячие клавиши. Можно самому выбирать источник звука, корректировать распознанный текст.

Для всех программ и приложений требуется браузер Google Chrome, практически абсолютная тишина в комнате и очень чувствительный микрофон. Также желательна хорошая дикция – чтобы не пришлось потом много править в готовом документе. Также практически весь софт недостаточно хорошо распознает отдельные слова и приходится четко их проговаривать, а это снижает скорость появления текста.

В принципе, попробовать можно.

Читайте также:

Работа в интернете на дому и без вложений: что скрывается за заманчивыми предложениями

Алина Саратова

© SmartBabr

Наука и технологииИнтернет и ИТМир

5021

30.05.2017, 13:54

URL: https://babr24.info/?IDE=272319

Bytes: 7734 / 6789

Версия для печати

Скачать PDF

Поделиться в соцсетях:

Также читайте эксклюзивную информацию в соцсетях:
- Телеграм
- ВКонтакте

Связаться с редакцией Бабра:
newsbabr@gmail.com

Автор текста: Алина Саратова.

Другие статьи в рубрике "Наука и технологии"

Учёные ТГУ: ИИ для ускорения поиска материалов и новый способ предсказания об астероидах

В Томском государственном университете сразу две разработки демонстрируют, как новые вычислительные методы меняют подход к задачам, которые традиционно требуют огромных затрат времени и ресурсов.

Андрей Тихонов

Наука и технологииОбразованиеТомск

979

19.11.2026

Инсайд. Поможет ли ИИ чиновникам новосибирской мэрии?

СМИ радостно сообщили, что портал мэрии Новосибирска обзавёлся ИИ-помощником и что бот использует аж 38 регламентов для предоставления точной информации и рекомендаций с целью разгрузить районные администрации. Называют его пока «робот-помощник-383».

Ярослава Грин

Наука и технологииНедвижимостьНовосибирск

2342

16.11.2026

Бренд Красноярска: свобода быть разным за 1,25 миллиона?

12 ноября в Красноярске открылся четвёртый всероссийский форум коммуникаций PRСРЕДА. Тема года – «Быть в рынке». В программе первого дня стояла лекция медиаменеджера Родиона Скрябина о нейросетях.

Лера Крышкина

Наука и технологииСобытияОбществоКрасноярск Россия

1356

13.11.2026

PRСРЕДА: быть в рынке и в ответах нейросети

В Красноярске 12 ноября начался четвёртый форум коммуникаций «PRСРЕДА». Тема года – «Быть в рынке»: как оставаться востребованным, когда меняются площадки, аудитория и правила игры. Два дня площадкой служит Конгресс-холл СФУ.

Вера Назарова

Наука и технологииСобытияКрасноярск Россия

1552

12.11.2026

Уголовное дело. От любви до ненависти — один шаг...

...А у директора новосибирского филиала НИИ был лишь один шаг от высокого положения до возбуждения уголовного дела. Этим шагом стала крупная взятка, в получении которой подозревают Анжелику Новикову. Бабр решил разобраться в ситуации подробнее.

Андрей Тихонов

Наука и технологииКриминалСкандалыНовосибирск

2570

06.11.2026

Учёные ТГУ: очистка рек от нефтепродуктов и имплантаты нового поколения

Учёные Томского государственного университета подводят итоги своей работы. Главные события — ликвидация последствий одной из крупнейших экологических катастроф последних лет в Арктике и прорывные разработки в области медицины.

Андрей Тихонов

Наука и технологииЭкологияЗдоровьеМир Томск

6311

27.10.2026

Инсайд. Красноярские учёные выяснили, что реформы развалили управление лесами

За последние 30 лет реформы лесного законодательства привели к серьёзным проблемам в лесном секторе. К такому выводу пришли учёные Красноярского научного центра СО РАН.

Кирилл Богданович

Наука и технологииОбществоЭкологияКрасноярск

6165

20.10.2026

Учёные ТГУ: лидерство в мировых рейтингах и прорыв в нейробиологии

Томский государственный университет продолжает укреплять свои позиции как один из ведущих научно-образовательных центров мира. Согласно данным международного рейтинга RUR в 2026 году ТГУ вошёл в тройку лидеров среди российских вузов в категории «Естественные науки».

Андрей Тихонов

Наука и технологииСобытияЗдоровьеТомск

2069

15.10.2026

Томский кампус: столько лет – и ни черта нет

С 2019 года тянется эпопея с томским межвузовским кампусом, а его всё никак не начнут возводить. В начале октября 2026 года «Интерфакс» со ссылкой на региональный департамент строительства сообщил о том, что подготовительные работы по студгородку приостановлены.

Андрей Игнатьев

Наука и технологииОбразованиеЭкономикаТомск

2052

15.10.2026

Монголия и наука: религия, осадки и перелетные птицы

Эпоха Чингисхана занимает особое место в монгольской историографии. Но это не мешает ученым уделять внимание и другим периодам. Например, на днях в Улан-Баторе состоялась конференция, посвященная более древним культурам, населявшим территорию современной Монголии.

Эрнест Баатырев

Наука и технологииОбществоЭкологияМонголия

5344

15.10.2026

Морской офицер, создавший байкальскую навигацию: итоги викторины Бабра

Это выдающийся русский гидрограф, посвятивший значительную часть своей работы исследованию Байкала. В конце XIX – начале XX века он руководил масштабной гидрографической экспедицией, в ходе которой впервые были подробно изучены глубины, берега и навигационные особенности озера.

Есения Линней

Наука и технологииИсторияЭкологияБайкал Байкал Иркутск

13876

09.10.2026

Монголия и наука: инженеры, медики и региональная геология

Монгольское руководство старается идти в ногу со временем и постоянно работает над развитием образовательной инфраструктуры. Благодаря этому в стране открываются учебные заведения, которые сотрудничают с ведущими зарубежными вузами. При этом не остаются без внимания и традиционные направления.

Эрнест Баатырев

Наука и технологииОбществоМолодежьМонголия

11981

24.09.2026

Лица Сибири

Часовитин Владимир

Потехин Александр

Микуляк Андрей

Баданов Юрий

Коновалов Андрей

Яковлева Елена

Полушин Дмитрий

Татаринов Андрей

Тумурова Ольга

Тенигин Алексей