Почему распознавание речи ошибается: диагностика по симптомам

Ошибки распознавания возникают по разным причинам: речь плохо слышна, участники перебивают друг друга, термин неоднозначен, число произнесено разговорно или неверно распределены голоса. Поэтому первый полезный вопрос — какой именно тип ошибки повторяется и на каком исходнике.

Диагностика помогает выбрать действие. Иногда нужен другой файл, иногда словарь терминов, иногда правка участника, а иногда честная пометка «неразборчиво». Повторная отправка неизменённой записи не объясняет причину и не гарантирует улучшение.

Начните с вида ошибки

Не объединяйте все случаи словом «неточность». У пропуска аудиоканала и неправильной пунктуации разные последствия и способы исправления.

Что известно об ошибках из исследований

В исследовании Stolcke и Droppo сравнивали человеческую и автоматическую транскрибацию разговорной телефонной речи. Авторы обнаружили пересечение частых замен, пропусков и вставок; отдельное различие касалось коротких речевых сигналов. Это работа на конкретном англоязычном наборе, а не оценка современных русскоязычных сервисов.

Практический вывод: человек тоже ошибается, а короткая реплика может иметь функцию, которую легко потерять. «Угу» как подтверждение и пауза перед ответом не обязательно означают одно и то же. Проверка должна сохранять не только крупные существительные, но и отношение говорящего к сказанному.

Учебный пример: три ошибки в одном ответе

Исходная реплика инженера:

«Не пятнадцать, пятьдесят миллиметров. И замену до пятницы мы не согласовали».

В черновике получилось:

«Пятнадцать миллиметров. Замену до пятницы согласовали».

Здесь не одна проблема, а три: потеря самокоррекции числа, пропуск отрицания и изменение статуса решения. Аналитический отчёт такого текста может превратить обсуждение в готовое поручение.

Правильное действие — восстановить реплику по записи и проверить соседние обсуждения размера и срока. Если «пятьдесят» неразборчиво, не выбирать значение по здравому смыслу. Зафиксировать неопределённость и уточнить у компетентного участника.

Когда виноват исходный звук

Прослушайте проблемный фрагмент в обычном плеере с обоими каналами. Если голос тихий, далеко от микрофона или скрыт другим голосом, сначала ищите более качественную версию: оригинал диктофона, отдельную дорожку участника, исходную запись встречи.

В инструкции Audacity по записи перегрузка и слишком низкий уровень рассматриваются как разные проблемы. Увеличение громкости тихого файла не восстанавливает уже потерянные детали, а перегруженный звук нельзя исправить простым уменьшением уровня после записи.

Признаки полезной диагностики: ошибка совпадает с конкретным шумом, появляется только у дальнего участника или начинается после поворота микрофона. Это наблюдение подсказывает, что менять на следующей встрече.

Если человек вообще не слышен в исходнике, дальнейшая обработка не создаёт надёжный источник его слов. Проверьте, записывался ли нужный канал и не выключили ли микрофон.

Когда мешает терминология

Редкое название может быть хорошо слышно, но иметь несколько вариантов написания. Соберите небольшой проверенный словарь: фамилии, бренды, сокращения, названия деталей. Источником должен быть участник или авторитетный документ, а не похожее слово из поиска.

Не заменяйте термин глобально без просмотра контекста. В одной части разговора может обсуждаться «акт», в другой — сокращение с похожим звучанием. После исправления проверьте связанные числа и единицы: неверный термин способен изменить понимание всего предложения.

Для регулярно повторяющихся записей храните редакционный словарь вместе с правилами команды. Не предполагайте, что каждое исправление автоматически научит сервис использовать термин во всех будущих файлах.

Когда проблема в обработке перед загрузкой

После сильного удаления шума запись иногда кажется чище, но речь становится менее различимой. Руководство Audacity предупреждает о возможном повреждении полезного сигнала и рекомендует слушать удаляемую составляющую.

Сравнивайте оригинал и обработанную копию на одном эпизоде. Если исчезли окончания, тихие слова или различия между согласными, вернитесь к менее сильному воздействию. Не применяйте цепочку улучшений ко всему архиву без проверки.

Чистота фона — промежуточный показатель. Конечный критерий для расшифровки — лучше ли различается речь и точнее ли передаётся содержание.

Один симптом — одна проверяемая причина

Продолжим вымышленный инженерный пример. «Не 15, а 50 миллиметров» превратилось в «15 миллиметров», а отказ согласовать замену — в согласие. Восстановить смысл по правдоподобию нельзя: обе цифры могут подходить к разным деталям.

После правки источник говорит: «Размер — 50 мм; замену до пятницы не согласовали». Это позволяет подготовить уточнение о новой дате, но не назначить её. Если участник позднее назовёт дату в другом разговоре, добавьте новый источник и актуальную договорённость. Это изменение ситуации, а не «исправление ошибки» старой записи.

Протокол сравнения звука и текста разобран в гайде по качеству транскрибации. Для одиночной подтверждённой ошибки достаточно вычитки; для повторяющегося симптома меняйте одну причину и проверяйте результат на одинаковом фрагменте.

Как проверить, что исправление помогло

Сделайте небольшой журнал. В нём нужны источник, время, ожидаемая реплика, вид ошибки, предполагаемая причина и действие. Затем повторно оцените тот же эпизод и ещё один похожий участок.

Источник: интервью 04.
Время: 18:20–18:35.
Проблема: пропало отрицание у дальнего участника.
Основание: голос слышен лучше на отдельной дорожке.
Действие: использовать эту дорожку как дополнительный источник проверки.
Результат: реплика уточнена; остальные подобные места требуют просмотра.

Не записывайте «точность повысилась» без способа измерения. Для небольшого рабочего файла достаточно конкретного перечня устранённых ошибок и оставшихся сомнений.

Исправьте источник до аналитического вывода

В Текстославе сначала проверьте важные места транскрипта, затем создавайте отчёт или запускайте исследование проекта. После начала сбора данных текст и число говорящих фиксируются, поэтому подготовка источника особенно важна.

Если в отчёте обнаружилось неверное обязательство, вернитесь к основанию. Ошибка могла возникнуть в исходном тексте или в интерпретации правильной реплики. В первом случае исправляют источник; во втором — структуру задачи и сам вывод. Не лечите оба случая повторной расшифровкой.

Оставшуюся неопределённость обозначьте вместе со временем и объясните, на какой вывод она влияет. Можно исключить спорное число из документа или запросить уточнение. Хороший результат позволяет отличить подтверждённую речь от места, требующего дополнительной работы.

Для пропавшего фрагмента используйте диагностику неполной расшифровки. Сначала определите, есть ли речь в исходнике и тексте, затем отдельно проверьте поиск и скачанный документ.