پیش از ضبط، کیفیت صدا را آماده کنید
جای میکروفون، بازتاب اتاق و هم‌پوشانی صداها مستقیماً بر زمان بازبینی اثر می‌گذارند. پیش از جلسه، راهنمای آماده‌سازی صدای مصاحبهٔ چندگوینده را بررسی کنید.
برای تبدیل مصاحبه فارسی به متن، فایل ضبط‌شده را بارگذاری می‌کنید، زبان و مدل تبدیل را انتخاب می‌کنید و مشخص می‌کنید تفکیک گوینده لازم است یا نه. نتیجه، متنی زمان‌دار و قابل ویرایش است. اگر تفکیک را روشن کرده باشید، بخش‌های گفتگو با برچسب گوینده نمایش داده می‌شوند.
خروجی هوش مصنوعی پیش‌نویس است، نه نسخهٔ نهایی مصاحبه. نام‌های خاص، عددها، اصطلاح‌های تخصصی و جمله‌هایی که چند نفر هم‌زمان گفته‌اند باید با صدای اصلی تطبیق داده شوند. گفتار متن خام مدل را نگه می‌دارد تا هنگام اصلاح بتوانید به نتیجهٔ اولیه برگردید.
پیش از ضبط مصاحبه چه کار کنید؟
- میکروفون را نزدیک گفت‌وگو بگذارید، نه وسط اتاق یا کنار پنجره.
- اگر ممکن است، اعلان تلفن و صدای وسایل محیط را قطع کنید.
- پیش از شروع، چند ثانیه نمونه ضبط کنید و صدای هر دو نفر را بشنوید.
- از مهمان بخواهید پاسخ را پس از پایان سؤال شروع کند تا صداها کمتر روی هم بیفتند.
فرمت فایل به‌تنهایی کیفیت متن را تعیین نمی‌کند. صدای واضح و فاصلهٔ مناسب از میکروفون معمولاً از افزایش نرخ نمونه‌برداری یک ضبط ضعیف مؤثرتر است. فایل اصلی را نگه دارید؛ ویرایش یا فشرده‌سازی دوباره ممکن است بخشی از جزئیات گفتار را حذف کند.
چه وقت تفکیک گوینده را فعال کنید؟
اگر متن باید نشان دهد هر جمله را چه کسی گفته است، تفکیک گوینده را فعال کنید. این گزینه برای مصاحبه، گفت‌وگوی پژوهشی و میزگرد مفید است. برای تک‌گویی یا یادداشت صوتی یک‌نفره، خاموش‌بودن آن خروجی ساده‌تری می‌دهد و اعتبار کمتری از بسته مصرف می‌کند. ضریب مصرف پیش از شروع تبدیل در تنظیمات پیشرفته نمایش داده می‌شود.
تفکیک گوینده نام افراد را از صدا حدس نمی‌زند. خروجی ابتدا برچسب‌هایی مانند «گوینده ۱» و «گوینده ۲» دارد. نام‌گذاری و بررسی برچسب‌ها مرحله‌ای جدا از تشخیص متن است و باید با گوش‌دادن به بخش‌های مربوط انجام شود.
متن مصاحبه را چگونه بازبینی کنید؟
- یک‌بار متن را بدون ویرایش بخوانید و بخش‌های نامفهوم را پیدا کنید.
- نام اشخاص، مکان‌ها، تاریخ‌ها و عددها را با فایل صوتی تطبیق دهید.
- در متن چندگوینده، جابه‌جایی احتمالی برچسب‌ها را بررسی کنید.
- نشانه‌گذاری و شکست پاراگراف‌ها را متناسب با کاربرد نهایی اصلاح کنید.
- پس از بازبینی، خروجی مناسب را برای انتشار یا آرشیو دریافت کنید.
زمان هر جمله کمک می‌کند مستقیم به همان بخش فایل برگردید. لازم نیست برای پیدا کردن یک نام یا عبارت، کل مصاحبه را از ابتدا پخش کنید. در گفت‌وگوهای حساس، بهتر است یک نفر آشنا با موضوع بازبینی نهایی را انجام دهد؛ مدل ممکن است واژه‌ای روان اما نادرست جایگزین اصطلاح تخصصی کند.
خروجی مناسب برای پژوهش، رسانه و آرشیو
متن ساده برای جست‌وجو و انتقال سریع مناسب است. Word و PDF برای بازبینی یا تحویل سند کاربرد دارند. SRT و WebVTT زمانی مفیدند که متن مصاحبه را به‌عنوان زیرنویس ویدیو استفاده می‌کنید. پیش از انتشار زیرنویس، زمان‌بندی و طول جمله‌ها را در پخش واقعی ویدیو بررسی کنید.
برای دیدن همهٔ مراحل، راهنمای تبدیل صوت به متنرا بخوانید. اگر فایل آماده است، از صفحهٔ آپلود فایلشروع کنید؛ پیش از پردازش، مدل و وضعیت تفکیک گوینده قابل انتخاب است.