Chép lời tệp âm thanh là gì?

Các tệp âm thanh có thể chứa nhiều người nói khác nhau, các giọng vùng miền khác nhau và các từ ngữ chuyên ngành. Bản ghi âm cũng có thể khác nhau về chất lượng âm thanh. Chuyển đổi từ giọng nói thành văn bản yêu cầu hiểu ngôn ngữ giọng nói và kiến thức về cú pháp ngôn ngữ cũng như ngữ pháp để tạo đầu ra có thể hiểu được.

Phần mềm chuyển đổi âm thanh sang văn bản đời cũ thường mắc lỗi và tạo ra các bản chép lại khó đọc, thiếu cấu trúc rõ ràng, mắc lỗi về phân cấp, từ ngữ và ngữ pháp. Phần mềm chuyển đổi âm thanh sang văn bản hiện đại hoạt động tốt hơn nhiều, chuyển đổi âm thanh sang văn bản phù hợp với từ nói, với bản chép lời chính xác, có cấu trúc viết và ngữ pháp phù hợp.

Amazon Transcribe là một dịch vụ được quản lý hoàn toàn giúp chuyển đổi giọng nói thành văn bản bằng công nghệ nhận dạng giọng nói tự động (ASR). Nó có thể xử lý các đặc điểm giọng nói khác nhau, bao gồm các biến thể về tốc độ nói, cao độ và âm lượng. Nó có thể phiên âm bằng hơn 100 ngôn ngữ, kết nối vào quy trình công việc của nhà phát triển và cơ sở hạ tầng AWS cho các yêu cầu chuyển đổi âm thanh thành văn bản của doanh nghiệp.

Amazon Transcribe có một loạt các tính năng bổ sung để tạo bản sao hữu ích, an toàn và chính xác hơn khi bạn chuyển đổi các tệp âm thanh hoặc video.

Từ vựng tùy chỉnh và mô hình ngôn ngữ

Người dùng có thể tạo từ vựng tùy chỉnh và mô hình ngôn ngữ riêng để chép lời âm thanh chính xác, bao gồm các tên thương hiệu, từ viết tắt, thuật ngữ kỹ thuật và biệt ngữ chuyên ngành. Các mô hình ngôn ngữ tùy chỉnh mang lại lợi ích cho các tổ chức lớn với hệ sinh thái ngôn ngữ nội bộ phát triển mạnh hoặc các ngành công nghiệp kỹ thuật chuyên môn cao.

Từ vựng tùy chỉnh là các tệp do người dùng tạo quy định cách phát âm các từ cụ thể. Ví dụ, một dự án có tên VX02Q có thể được thêm vào từ vựng tùy chỉnh với cách phát âm V.X.-Zero-Two-Q.

Các mô hình ngôn ngữ tùy chỉnh cho phép mô hình chuyển âm thanh thành văn bản hoàn thành một “khóa đào tạo” bổ sung trên tập dữ liệu hiện có để hiểu bối cảnh của ngôn ngữ miền cụ thể. Ví dụ, nếu bạn huấn luyện mô hình của mình bằng cách tải lên các văn bản từ các bài nghiên cứu khoa học khí hậu, mô hình đó có thể học được rằng cụm từ 'ice floe' (tảng băng trôi) có khả năng đúng cao hơn so với 'ice flow' (dòng chảy băng). Tương tự, nếu bạn đang tham khảo một sản phẩm có tên 'Bzntry', tập dữ liệu tệp âm thanh có nhiều đề cập đến “bee-zen-tree” sẽ tự động khớp âm thanh với đầu ra từ.

Chuyển âm thanh sang văn bản hàng loạt và trực tiếp đều hỗ trợ từ vựng tùy chỉnh và mô hình ngôn ngữ tùy chỉnh.

Kiểm duyệt tự động

Bộ lọc từ vựng tùy chỉnh cho phép bạn che giấu, thay thế hoặc gắn thẻ (“VocabularyFilterMatch”: true) một từ hoặc kết hợp từ cụ thể trong tệp chép lời JSON đầu ra.

Ví dụ:

• Che từ tục tĩu với ba dấu hoa thị (***)
• Thay thế tên sản phẩm bí mật trước khi ra mắt bằng từ 'NewProduct'
• Đếm số thẻ có nhãn “um” hoặc “như là” trong bản chép lời để giúp người nói trau dồi kỹ năng nói trước đám đông của họ

Chuyển âm thanh sang văn bản hàng loạt và trực tiếp đều hỗ trợ bộ lọc từ vựng.

Biên tập và nhận dạng PII

Thông tin nhận dạng cá nhân (PII) có thể được tự động chỉnh sửa và gắn thẻ trong bản chép lời âm thanh thành văn bản. Yếu tố này rất quan trọng để lưu trữ thông tin nhạy cảm trong các doanh nghiệp, vì PII có thể thuộc luật bảo mật nghiêm ngặt.

Các loại PII có trong Amazon Transcribe là tên, địa chỉ, địa chỉ email, số điện thoại, chi tiết số ngân hàng, mã PIN và Số An sinh Xã hội. Công cụ chuyển âm thanh thành văn bản sẽ che đi từ đó trong văn bản chính bằng ký hiệu [PII], và sẽ thống kê, phân loại những từ bị che đó trong một trường riêng của tệp JSON gọi là “redactions”.

Tạo phụ đề

Amazon Transcribe cho phép người dùng tạo các tệp phụ đề WebVTT (*.vtt) và SubRip (*.srt) để ghép nối với video, cùng với tệp JSON đầu ra thông thường. Phụ đề được hiển thị cùng lúc với văn bản được nói trong tệp âm thanh hoặc video và vẫn hiển thị cho đến khi có sự tạm dừng tự nhiên trong âm thanh hoặc loa kết thúc nói chuyện.

Phát hiện nội dung độc hại

Amazon Transcribe có thể được sử dụng để xác định và phân loại ngôn ngữ độc hại. Nội dung độc hại được gắn cờ và phân loại theo bảy loại bao gồm quấy rối tình dục, ngôn từ thù ghét, đe dọa, lạm dụng, tục tĩu, xúc phạm và phản cảm. Amazon Transcribe sử dụng các kỹ thuật nhận dạng tiên tiến, bao gồm âm điệu và cao độ, để cung cấp ngữ cảnh bổ sung cho các cuộc trò chuyện.

Phân tích cuộc gọi

Amazon Transcribe cung cấp API đặc biệt cho dịch vụ khách hàng và cuộc gọi bán hàng. Bạn có thể sử dụng nó để có được thông tin chuyên sâu về tâm lý của khách hàng và nhân viên hỗ trợ, nguyên nhân chính của cuộc gọi, các cụm từ/từ khóa được nhắc đến, thời gian chết, các gián đoạn, tốc độ nói, phát hiện sự cố theo thời gian thực và tóm tắt cuộc trò chuyện. Amazon Transcribe cũng có thể thực hiện chỉnh sửa ghi âm sau cuộc gọi, tắt âm các thông tin PII cho các cuộc gọi được lưu trữ.

Chép lời y tế

Amazon Transcribe cung cấp các giao diện lập trình ứng dụng (API) tuân thủ HIPAA, giúp chuyển đổi âm thanh ngôn ngữ y tế thành văn bản một cách chính xác từ các tệp âm thanh, đồng thời ưu tiên bảo mật và quyền riêng tư dữ liệu của bệnh nhân. Công cụ này đặc biệt hữu ích trong các buổi thăm khám giữa bác sĩ và bệnh nhân, giúp loại bỏ việc ghi chép thủ công vốn gây mất tập trung, mất thời gian và ảnh hưởng đến sự liền mạch của cuộc trao đổi.