การถอดไฟล์เสียงคืออะไร

ไฟล์เสียงอาจมีผู้พูด สำเนียง และคำเฉพาะโดเมนต การบันทึกเสียงอาจมีคุณภาพเสียงที่แตกต่างกันด้วย การแปลงคำพูดเป็นข้อความต้องใช้ความเข้าใจภาษาเสียงและความรู้เกี่ยวกับไวยากรณ์ภาษาเพื่อสร้างผลลัพธ์ที่อ่านได้

ซอฟต์แวร์แปลงไฟล์เสียงเป็นข้อความรุ่นเก่ามักเกิดข้อผิดพลาดและได้ข้อความที่อ่านยาก โดยไม่มีโครงสร้างที่เหมาะสม และมีข้อผิดพลาดด้านลำดับชั้น คำ และไวยากรณ์ ซอฟต์แวร์แปลงเสียงเป็นข้อความสมัยใหม่ทำงานได้ดีขึ้นมาก โดยแปลงเสียงเป็นข้อความที่ใกล้เคียงกับคำพูดมากที่สุด พร้อมทั้งมีข้อความถอดเสียงที่แม่นยำ มีโครงสร้างการเขียนและไวยากรณ์ที่ถูกต้อง

Amazon Transcribe เป็นบริการที่มีการจัดการอย่างเต็มรูปแบบซึ่งแปลงคำพูดเป็นข้อความโดยใช้เทคโนโลยีการจดจำคำพูดอัตโนมัติ (ASR) สามารถจัดการกับลักษณะการพูดต่าง ๆ รวมถึงความแปรปรวนของอัตราการพูด เสียงสูงต่ำ และระดับเสียง สามารถถอดเสียงได้มากกว่า 100 ภาษา เชื่อมโยงเข้ากับเวิร์กโฟลว์นักพัฒนาซอฟต์แวร์และโครงสร้างพื้นฐาน AWS สำหรับความต้องการเสียงต่อข้อความขององค์กร

Amazon Transcribe มีฟีเจอร์เพิ่มเติมมากมายสำหรับการสร้างการถอดเสียงที่มีประโยชน์ ปลอดภัย และแม่นยำยิ่งขึ้นเมื่อคุณแปลงไฟล์เสียงหรือวิดีโอ

คำศัพท์และโมเดลภาษาที่กำหนดเอง

ผู้ใช้สามารถสร้างคำศัพท์และโมเดลภาษาที่กำหนดเองเพื่อบันทึกและถอดเสียงได้อย่างแม่นยำด้วยชื่อแบรนด์ คำย่อ คำศัพท์ทางเทคนิค และศัพท์เฉพาะทางเฉพาะโดเมนได้อย่างแม่นยำ โมเดลภาษาที่กำหนดเองเป็นประโยชน์ต่อองค์กรขนาดใหญ่ที่มีระบบนิเวศภาษาภายในที่ก้าวหน้าหรืออุตสาหกรรมเฉพาะทางทางเทคนิคสูง

คำศัพท์ที่กำหนดเอง เป็นไฟล์ที่ผู้ใช้สร้างขึ้นซึ่งแสดงให้เห็นถึงวิธีการออกเสียงคำเฉพาะ ตัวอย่างเช่นโครงการชื่อ VX02Q สามารถเพิ่มลงในคำศัพท์ที่กำหนดเองโดยออกเสียงว่า V.X.-zero-two-Q

โมเดลภาษาที่กำหนดเอง ช่วยให้โมเดลการแปลงเสียงเป็นข้อความสามารถทำการฝึกเพิ่มเติมบนชุดข้อมูลที่มีอยู่เพื่อทำความเข้าใจบริบทของภาษาเฉพาะโดเมน ตัวอย่างเช่น หากคุณฝึกโมเดลของคุณด้วยการอัปโหลดข้อความของเอกสารวิจัยด้านวิทยาศาสตร์เกี่ยวกับสภาพอากาศ โมเดลของคุณอาจเรียนรู้ว่า 'ice floe' เป็นคู่คำที่น่าจะเป็นไปได้มากกว่า 'ice flow' ในทำนองเดียวกัน หากคุณกำลังพูดถึงผลิตภัณฑ์ชื่อ 'Bzntry' ชุดข้อมูลไฟล์เสียงที่มีการกล่าวถึง "bee-zen-tree" หลายครั้งจะจับคู่เสียงกับคำเอาต์พุตโดยอัตโนมัติ

การถอดเสียงเป็นข้อความแบบแบทช์และผ่านการสตรีมรองรับทั้งคำศัพท์ที่กำหนดเองและโมเดลภาษาที่กำหนดเอง

การควบคุมอัตโนมัติ

ตัวกรองคำศัพท์แบบกำหนดเองช่วยให้คุณสามารถปิดบัง แทนที่ หรือแท็ก ("vocabularyFilterMatch": true) คำเฉพาะหรือชุดคำใน JSON เอาต์พุตการถอดเสียง

ตัวอย่าง

• ปิดบังคำหยาบคายด้วยเครื่องหมายดอกจันสามตัว (***)
• แทนที่ชื่อผลิตภัณฑ์ที่เป็นความลับก่อนเปิดตัวด้วยคำว่า 'ผลิตภัณฑ์ใหม่'
• นับจำนวนแท็กที่มีป้ายกำกับว่าว่า “อืม” หรือ “อย่างเช่น” ในบันทึกการสนทนาเพื่อช่วยให้ผู้พูดพัฒนาทักษะการพูดในที่สาธารณะ

การถอดเสียงเสียงเป็นข้อความแบบแบทช์และผ่านการสตรีมทั้งสองรองรับตัวกรองคำศัพท์

การแก้ไขและการระบุราย PII

ข้อมูลการระบุตัวบุคคล (PII) สามารถแก้ไขและติดแท็กโดยอัตโนมัติในถอดเสียงเป็นข้อความ สิ่งนี้มีความสำคัญสำหรับการจัดเก็บข้อมูลที่ละเอียดอ่อนในธุรกิจ เนื่องจาก PII อาจอยู่ภายใต้กฎหมายการรักษาความลับที่เข้มงวด

ประเภท PII ที่รวมอยู่ใน Amazon Transcribe ได้แก่ ชื่อ ที่อยู่ ที่อยู่อีเมล หมายเลขโทรศัพท์ รายละเอียดหมายเลขธนาคาร PIN และหมายเลขประกันสังคม คำในไฟล์ JSON จะถูกแทนที่ด้วย [PII] ในเนื้อหาข้อความหลักของการถอดเสียงของคุณโดยตัวแปลงเสียงเป็นข้อความ และถูกนับและจัดหมวดหมู่ตามประเภทในฟิลด์ JSON “การแก้ไข”

คำบรรยาย

Amazon Transcribe ช่วยให้ผู้ใช้สามารถสร้างไฟล์คำบรรยาย WebVTT (*.vtt) และ SubRip (*.srt) เพื่อจับคู่กับวิดีโอพร้อมกับเอาต์พุตปกติในแบบไฟล์ JSON คำบรรยายจะแสดงในเวลาเดียวกับข้อความที่พูดในไฟล์เสียงหรือวิดีโอ และยังคงมองเห็นได้จนกว่าจะมีการหยุดชั่วคราวตามธรรมชาติในเสียงหรือผู้พูดพูดเสร็จสิ้น

การตรวจจับความเป็นพิษ

Amazon Transcribe สามารถใช้ระบุและจำแนกภาษาที่เป็นพิษได้ เนื้อหาที่ไม่เหมาะสามจะถูกระบุและจำแนกเป็นเจ็ดหมวดหมู่ ได้แก่ การล่วงละเมิดทางเพศ คำพูดเกลียดชัง การคุกคาม การล่วงละเมิด การหยาบคาย การดูถูกและกราฟิก Amazon Transcribe ใช้เทคนิคการระบุขั้นสูง รวมถึงน้ำเสียงและระดับเสียง เพื่อมอบบริบทเพิ่มเติมให้กับบทสนทนา

การวิเคราะห์การโทร

Amazon Transcribe เสนอ API พิเศษสำหรับการบริการลูกค้าและการโทรสำหรับงานขาย คุณสามารถใช้เพื่อรับข้อมูลเชิงลึกเกี่ยวกับความรู้สึกของลูกค้าและตัวแทน ผู้ขับเคลื่อนการโทร การกล่าวถึงวลีการพูดคุย การหยุดชะงัก ความเร็วในการสนทนา การตรวจจับปัญหาแบบเรียลไทม์ และการสรุปการสนทนา Amazon Transcribe ยังสามารถดำเนินการแก้ไขการบันทึกเสียงหลังการโทร โดยแทนที่ PII ด้วยความเงียบสำหรับการโทรที่เก็บไว้

การถอดเสียงทางการแพทย์

Amazon Transcribe มอบ API ที่สอดคล้องกับ HIPAA ซึ่งให้การถอดเสียงเป็นข้อความในภาษาทางการแพทย์ที่ถูกต้องจากไฟล์เสียงในขณะที่ให้ความสำคัญกับความเป็นส่วนตัวและความปลอดภัยของข้อมูลผู้ป่วย ระบบนี้มีประโยชน์ในการโต้ตอบของแพทย์กับผู้ป่วย ซึ่งการจดบันทึกจะใช้เวลานาน เป็นการก่อกวน และรบกวน