Cos’è la trascrizione di file audio?

I file audio possono contenere più oratori, accenti e parole specifiche del dominio. Le registrazioni audio possono anche variare nella qualità del suono. La conversione di parole pronunciate in testo richiede la comprensione del linguaggio vocale e la conoscenza della sintassi e della grammatica della lingua per produrre un output leggibile.

Il software di conversione da audio a testo precedente commetteva errori e produceva trascrizioni difficili da leggere, senza una struttura adeguata ed errori gerarchici, verbali e grammaticali. Il moderno software di conversione da audio a testo offre prestazioni molto migliori, convertendo l’audio in testo in modo molto simile alla parola pronunciata, con trascrizioni accurate e struttura e grammatica corrette.

Amazon Transcribe è un servizio di conversione da audio a testo che usa il riconoscimento vocale automatico (ASR) completamente gestito. È in grado di gestire varie caratteristiche del parlato, comprese le variazioni della velocità, del tono e del volume della voce. Può trascrivere in oltre 100 lingue, collegandosi ai flussi di lavoro degli sviluppatori e all’infrastruttura AWS per i requisiti di conversione da audio a testo aziendali.

Amazon Transcribe offre una serie di funzionalità aggiuntive per creare trascrizioni più utili, sicure e accurate durante la conversione di file audio o video.

Vocabolari e modelli linguistici personalizzati

Gli utenti possono creare vocabolari e modelli linguistici personalizzati per acquisire e trascrivere con precisione l’audio con nomi di marchi, acronimi, parole tecniche e gergo specifici del dominio. I modelli linguistici personalizzati avvantaggiano le grandi organizzazioni con ecosistemi linguistici interni in crescita o settori tecnici altamente specializzati.

I vocabolari personalizzati sono file creati dagli utenti che dimostrano come pronunciare parole specifiche. Ad esempio, un progetto chiamato VX02Q può essere aggiunto a un vocabolario personalizzato con la pronuncia V.X.-zero-due-Q.

I modelli linguistici personalizzati consentono al modello di conversione da audio a testo di completare un addestramento aggiuntivo su un set di dati esistente per comprendere il contesto del linguaggio specifico del dominio. Ad esempio, se addestri il tuo modello caricando articoli di ricerca sulla climatologia, il modello potrebbe apprendere che “lastra di ghiaccio” è una coppia di parole più probabile rispetto ad “asta di ghiaccio”. Allo stesso modo, se fai riferimento a un prodotto denominato “Bzntry”, un set di dati di file audio con più menzioni di “bi-zen-tri” abbinerà automaticamente l’audio con la parola di output.

La trascrizione da audio a testo in batch e in streaming supporta sia vocabolari personalizzati che modelli linguistici personalizzati.

Moderazione automatica

Un filtro del vocabolario personalizzato consente di mascherare, sostituire o etichettare (“vocabularyFilterMatch”: true) una parola o una combinazione di parole specifica nell’output della trascrizione JSON.

Esempi:

• Maschera le parole profane con tre asterischi (***)
• Sostituisci il nome segreto di un prodotto pre-lancio con la parola “NuovoProdotto”
• Conta il numero di tag etichettati “ehm” o “cioè” in una trascrizione per aiutare un oratore ad affinare le proprie capacità di parlare in pubblico

La trascrizione da audio a testo in batch e in streaming supporta entrambi i filtri del vocabolario.

Identificazione e oscuramento delle informazioni di identificazione personale (PII)

Le informazioni di identificazione personale (PII) possono essere automaticamente oscurate e contrassegnate nelle trascrizioni da audio a testo. Questo procedimento è importante per l’archiviazione di informazioni sensibili nelle aziende, poiché le PII possono rientrare in rigide leggi sulla riservatezza.

I tipi di PII inclusi in Amazon Transcribe sono nomi, indirizzi, indirizzi e-mail, numeri di telefono, coordinate bancarie, PIN e codici fiscali. La parola nel file JSON viene sostituita con [PII] nel corpo del testo principale della trascrizione dal convertitore da audio a testo e viene contata e classificata per tipo nel campo JSON “oscuramenti”.

Sottotitolazione

Amazon Transcribe consente agli utenti di generare file di sottotitoli WebVTT (*.vtt) e SubRip (*.srt) da abbinare ai video, oltre al normale file JSON di output. I sottotitoli vengono visualizzati contemporaneamente alla pronuncia del testo nel file audio o video e rimangono visibili fino a quando non si verifica una pausa naturale nell’audio o l’oratore finisce di parlare.

Rilevamento di contenuti inappropriati

Amazon Transcribe può essere usato per identificare e classificare un linguaggio non appropriato. I contenuti non appropriati sono segnalati e classificati in sette categorie, tra cui molestie sessuali, incitamento all’odio, minacce, abusi, parolacce, insulti e immagini. Amazon Transcribe usa tecniche di identificazione avanzate, tra cui timbro e intonazione, per fornire un contesto aggiuntivo alle conversazioni.

Analisi delle chiamate

Amazon Transcribe offre un’API speciale per il servizio clienti e le chiamate di vendita. Puoi utilizzarlo per ottenere informazioni sul sentiment di clienti e agenti, sui driver di chiamata, sulle frasi citate, sui tempi di non conversazione, sulle interruzioni, sulla velocità di conversazione, sul rilevamento dei problemi in tempo reale e sul riepilogo delle conversazioni. Amazon Transcribe può anche eseguire l’oscuramento della registrazione audio post-chiamata, sostituendo le informazioni personali con il silenzio per le chiamate archiviate.

Trascrizione medica

Amazon Transcribe offre API conformi a HIPAA che forniscono trascrizioni accurate in linguaggio medico dai file audio, dando priorità alla privacy e alla sicurezza dei dati dei pazienti. È utile nelle interazioni medico-paziente, in cui prendere appunti richiede tempo, distrae e può esser di disturbo.