Что такое транскрипция аудиофайлов?

Аудиофайлы могут содержать разных говорящих, акценты и специализированную лексику. Качество звука также может сильно различаться. Для преобразования речи в текст требуется понимание устной речи и знание грамматики, чтобы получить читаемый результат.

Ранее программы для конвертации аудио в текст часто ошибались, создавая неудобочитаемые и структурно неправильные стенограммы. Современные решения обеспечивают гораздо более точное распознавание, формируя тексты, близкие к оригинальной речи, с корректной структурой и грамматикой.

Amazon Transcribe – это полностью управляемый сервис, который преобразует речь в текст с помощью технологии автоматического распознавания речи (ASR). Он может обрабатывать различные характеристики речи, включая различия в скорости речи, высоте тона и громкости. Его можно транскрибировать на более чем 100 языках, подключаясь к рабочим процессам разработчиков и инфраструктуре AWS в соответствии с корпоративными требованиями к преобразованию аудио в текст.

Amazon Transcribe предлагает ряд дополнительных функций для создания более полезных, безопасных и точных транскриптов при конвертации аудио- или видеофайлов.

Настраиваемые словари и языковые модели

Пользователи могут создавать собственные словари и языковые модели для точного захвата и расшифровки аудиозаписей с использованием фирменных наименований, акронимов, технических слов и жаргона, относящихся к конкретной области. Индивидуальные языковые модели приносят пользу крупным организациям с процветающими внутренними языковыми экосистемами или узкоспециализированными техническими отраслями.

Пользовательские словари – это созданные пользователем файлы, в которых показано, как произносить определенные слова. Например, проект под названием VX02Q можно добавить в собственный словарь с произношением V.X.-zero-two-Q.

Пользовательские языковые модели позволяют модели преобразования аудио в текст пройти дополнительное обучение на существующем наборе данных для понимания контекста предметного языка. Например, если вы обучите свою модель, загрузив текстовый текст исследовательских работ по климатологии, модель может понять, что «льдина» – это более вероятная пара слов, чем «ледяной поток». Аналогичным образом, если вы ссылаетесь на продукт под названием «Bzntry», набор данных аудиофайлов с несколькими упоминаниями слова «bee-zen-tree» автоматически сопоставит звук с выходным словом.

Пакетная и потоковая транскрипция аудио в текст поддерживает собственные словари и пользовательские языковые модели.

Автоматическая модерация

Настраиваемый словарный фильтр позволяет маскировать, заменять или отмечать ("vocabularyFilterMatch": true) определенное слово или словосочетание в выходных данных расшифровки JSON.

Примеры

• Замаскируйте нецензурные слова тремя звездочками (***)
• Замените секретное название продукта перед запуском на рынок словом «NewProduct»
• Подсчитайте количество тегов с надписью «эм» или «лайк» в стенограмме, чтобы помочь оратору отточить свои навыки публичных выступлений

Пакетная и потоковая транскрипция аудио в текст поддерживают словарные фильтры.

Идентификация и редактирование информации, позволяющей установить личность (PII)

Персональные данные (PII) могут быть автоматически отредактированы и помечены в аудиотекстовых транскриптах. Это важно для хранения конфиденциальной информации на предприятиях, поскольку информация, позволяющая установить личность (PII), может подпадать под действие строгих законов о конфиденциальности.

Типы PII, включенные в Amazon Transcribe, – это имена, адреса, адреса электронной почты, номера телефонов, банковские реквизиты, PIN-коды и номера социального страхования. Конвертер аудио в текст заменяет слово в файле JSON на [PII] в основном тексте расшифровки. В поле JSON «Редакции» оно подсчитывается и классифицируется по типу.

Создание субтитров

Amazon Transcribe позволяет пользователям создавать файлы субтитров WebVTT (*.vtt) и SubRip (*.srt) для сопряжения с видео вместе с обычным выходным файлом JSON. Субтитры отображаются одновременно с произнесением текста в аудио- или видеофайле и остаются видимыми до тех пор, пока в звуке не наступит естественная пауза или пока динамик не закончит разговор.

Обнаружение токсичности

Amazon Transcribe можно использовать для идентификации и классификации токсичных выражений. Токсичный контент помечается тегами и классифицируется по семи категориям: сексуальные домогательства, разжигание ненависти, угрозы, оскорбления, ненормативная лексика, оскорбления и тяжелые для восприятия выражения. Amazon Transcribe использует передовые методы идентификации, включая тон и высоту тона, чтобы придать разговорам дополнительный контекст.

Аналитика вызовов

Amazon Transcribe предлагает специальный API для обслуживания клиентов и звонков по продажам. Вы можете использовать его для получения информации о настроениях клиентов и агентов, факторах звонков, упоминаниях фраз, времени без разговора, перерывах, скорости разговора, обнаружении проблем в реальном времени и обобщении разговоров. Amazon Transcribe также может редактировать аудиозаписи после разговора, заменяя сохраненные вызовы на PII тишиной.

Расшифровка медицинских терминов

Amazon Transcribe предлагает API-интерфейсы, совместимые с HIPAA, которые обеспечивают точную транскрипцию аудиофайлов в текст на медицинском языке, уделяя приоритетное внимание конфиденциальности и безопасности данных пациентов. Это полезно при взаимодействии врача с пациентом, когда ведение заметок отнимает много времени, отвлекает внимание и мешает.