Considero que há fakenews sobre transcrição quando dizem que a transcrição automática funciona muito bem e com poucos erros, considere que o importante é a qualidade do som gravado e a dicção dos falantes assim como a especificidade do assunto e sua complexidade.

Desde que o assunto não misture muitas palavras de línguas diferentes ou nomes próprios ou ainda termos bastante específicos de uma determinada ciência humana, uma transcrição automática pode conter bons resultados.

O que são bons resultados em transcrição automática?

As fakenews sobre transcrição não consideram importantes os erros que ocorrem na transcrição automática. Considerando um áudio de boa qualidade com todos os atributos anteriores, tivemos o seguinte resultado, foi uma transcrição de áudio que foi gerada sem pontuação.

Transcrição automática gerada sem pontuação

Oi pessoal tudo bem com vocês a dica de hoje será a respeito de transcrição de áudios muita gente durante suas pesquisas de pós-graduação precisa realizar essa transição geralmente de vídeos longos ou de entrevistas que realize né e não sabe como uma forma fácil gratuita de conseguir um bom resultado Então vamos mostrar isso para você Eu tô aqui com meu celular que Android e nele eu baixei um aplicativo gratuito chamado fala em texto notas em inglês o nome dele é escrito certo Vocês conseguem achar bem fácil na Play Store então a gente vocês estão com aplicativos já baixados no celular criar um novo documento e começarem a falar ou a reproduzir o áudio que vocês querem ele tem uma interface Bem Simples então é só você criar um novo documento nele e o seu microfone já fica ligado então tudo que ele escutar ele vai transcrever no caso de vocês já seria uma entrevista feita é só você se reproduzirem as entrevista com o aplicativo ligado assim ele vai realizar a transcrição eu já fiz algumas transcrições com ele e teve resultados muito bons é claro que algumas palavras pode ser que seja mais difícil de compreender nomes próprios mas aí a gente faz as correções né para quem já fez transcrição a mão a pessoa já sabe né um trabalho muito difícil muito demorado e esse aplicativo que tem me ajudado bastante não deixa então de testar Pai deixa aqui nos comentários O que é que vocês acharam se funciona para vocês também tá se restaura Nossa dica não esqueçam de curtir esse vídeo ele se inscrever aqui no canal gente também vão lá no Facebook na página pós-graduação um beijo

Erros encontrados durante a revisão de texto transcrito

Fiz uma revisão ouvindo o áudio novamente e encontrei 120 trechos ou palavras ou pontuações que tiveram que ser inseridas ou modificadas.

Logo, realizei 120 modificações em um total de 297 palavras transcritas automaticamente nesse vídeo de apenas 2 minutos e 20 segundos.

Desses, aproximadamente 45 eram palavras erradas originadas de um texto bem simples. 75 correções se referiam a 39 vírgulas, 19 pontos finais e 1 ponto de interrogação. Consequentemente, mais 24 modificações de letras minúsculas para maiúsculas foram necessárias.

A fakenews sobre transcrição nada fala sobre estatística de erros em 1 hora de transcrição de áudio

A fakenws sobre transcrição não falam que normalmente um arquivo de 60 minutos contém 9 mil palavras. Transpondo-se por regra de três teremos em 9 mil palavras cerca de 3 mil e 600 erros a serem corrigidos para um áudio de conteúdo simples e de excelente qualidade com fala tranquila e calma.

Problemas de transcrição automática de entrevistas

O problema que ninguém fala quando dá a fakenews sobre transcrição de que transcrição de áudio automática funciona é o seguinte: entrevistas requerem mudanças de turnos, há um perguntador e um respondente.

A cada mudança de turno de fala será necessário declarar quem está proferindo as palavras, se o entrevistador ou o entrevistado. Cada turno necessita de um novo parágrafo também.

O segundo ponto de atenção é a dicção dos falantes e o terceiro ponto de atenção é a qualidade da interação entre ambos, se há momentos em que os dois falam juntos ou não.

Finalmente o quarto ponto a se ater é se os dois têm timbres muito diferentes de vozes. Computadores costumam não reconhecer bem quando há mudanças no timbre de voz e acabam levando 2 a 3 segundos para reconhecer palavras. Nesses 2 a 3 segundos se perdem entre 4 e 7 palavras não transcritas que deverão ser anotadas durante a revisão.

A qualidade da gravação pode atrapalhar a transcrição de áudio automática

Outros pontos importantes que as fakenews sobre transcrição não tocam são a presença de ruídos e a nitidez da gravação. A nitidez das vozes pode ser prejudicada por um equipamento de gravação inadequado ou ainda distância inadequada do microfone do dispositivo. Vozes abafadas e distantes não são bem reconhecidas pelos mecanismos de reconhecimento de fala.

Portanto se o mínimo de intervenções que terei que fazer em um áudio de excelente qualidade é de 40%, como foi demonstrado, a qual nível cairia a capacidade de reconhecimento do computador quando se depara com adversidades presentes na gravação como as descritas?

Uma empresa de transcrição de áudio automática nos desafiou

Recentemente, há cerca de seis meses atrás, lançamos esse desafio a uma empresa de transcrição de áudio automática que alardeava usar inteligência artificial de alta qualidade capaz de pontuar e separar falantes. Enviamos uma entrevista de dificuldade 2 em 5 (um áudio com dois falantes presentes e um áudio de média qualidade) perfeitamente audível para um transcritor humano.

Como a transcrição de áudio já havia sido feita por nós, enviamos um pedaço da gravação para que o computador fizesse a transcrição, pontuando o texto automaticamente.

Nível de acertos da transcrição por máquina

O resultado foi bem decepcionante, o nível de acertos da máquina foi de 17%, tivemos 83% entre erros de reconhecimento de palavras e a maior parte da pontuação realizada automaticamente pela máquina teve que ser desconsiderada ou reposicionada.

Portanto ainda hoje, quando me oferecem uma transcrição de áudio automática, fico imaginando o quanto ainda falta para um computador realmente começar a reconhecer um discurso e colocar as palavras adequadas corretamente.

Em uma fala, por exemplo, pode aparecer alguma rase diferente como: “um instantinhozinho bem pequeininho”. O computador é capaz de reconhecer o instantinhozinho bem pequenininho como um átimo de instante? Acho difícil. E isso sim, naõ é fakenews sobre transcrição.