ब्लॉग
Transcript में speaker labels कैसे सुधारें
लेखक: Hushscript प्रकाशित: अंतिम समीक्षा:
Transcript में speaker labels सुधारने के लिए editor में काम करें: किसी label से जुड़ी हर पंक्ति बदलने के लिए एक बार उसका नाम बदलें, बोलने की किसी एक बारी को दूसरे वक्ता से जोड़ें और जहाँ सीमा गलत हो, वहाँ बारियाँ split या merge करें। आपको file दोबारा transcribe करने की ज़रूरत नहीं है। Automatic labels पहला मसौदा होते हैं और कुछ मिनट की जाँच उन्हें भरोसेमंद बनाती है।
वक्ता A की जगह असली नाम लिखें
Automatic labels तटस्थ होते हैं। Transcript में वक्ता A और वक्ता B इसलिए दिखते हैं क्योंकि system आवाज़ों को समूहों में रखता है; उसे नहीं पता कि वे लोग कौन हैं। लोगों को पहचान लेने पर speaker names वाला dialog खोलें और हर label के लिए नाम लिखें। Editor और exports, दोनों में उस वक्ता की हर पंक्ति पर label की जगह नाम आ जाता है।
आप नाम की जगह भूमिका भी लिख सकते हैं। जब नाम file में नहीं रखने हों, तब Interviewer और Participant उपयोगी हैं। अगर Insights मौजूद हैं, तो Hushscript जाँचने के लिए एक block में speaker names सुझा सकता है। आपकी स्वीकृति के बाद ही वे लागू होते हैं। वक्ता पहचान पेज बताता है कि labels क्या बताते हैं और क्या दावा नहीं करते।
गलत label वाली बारी को सही वक्ता से जोड़ें
कभी-कभी सिर्फ़ एक पंक्ति पर गलत label होता है, जबकि उस वक्ता की बाकी पंक्तियाँ सही होती हैं। सिर्फ़ उस बारी का वक्ता बदलें। सूची से सही वक्ता चुनें, या अगर पंक्ति उस आवाज़ की है जिसे transcript पहचान नहीं पाया, तो नया वक्ता चुनें।
Audio सुनते हुए transcript जाँचते जाएँ। हर विराम के बाद पहली पंक्ति और विषय बदलने की हर जगह जाँचें। इन्हीं जगहों पर label बदल जाने की संभावना सबसे ज़्यादा होती है।
दो वक्ताओं वाली बारी split करें
जब दो लोग जल्दी-जल्दी एक के बाद एक बोलते हैं, तो engine दोनों की बात एक ही बारी में रख सकता है। जहाँ दूसरी आवाज़ शुरू हो, वहीं बारी split करें, फिर दूसरे हिस्से को सही वक्ता से जोड़ें। आवाज़ बदलने की जगह पर ही split करें, ताकि हर हिस्से में एक ही आवाज़ रहे।
संबंधित बारियाँ merge करें
इसके उलट समस्या तब होती है जब एक वक्ता का वाक्य दो बारियों में बँट जाता है, अक्सर विराम या खाँसी की वजह से। दोनों को जोड़ने के लिए बारी को अगली बारी के साथ merge करें। यह तभी ठीक से काम करता है जब दोनों बारियों का वक्ता एक ही हो, इसलिए पहले label सुधारें।
एक ही व्यक्ति दो labels के तहत भी दिख सकता है, जैसे वक्ता A और वक्ता C। दो speaker labels को merge करने के लिए कोई अलग command नहीं है। अतिरिक्त label वाली बारियों को सही वक्ता से जोड़ें। जब ऐसी कोई बारी नहीं बचेगी, तो वह label transcript से हट जाएगा।
हर edit को undo और redo किया जा सकता है, और अगर editing का कोई दौर गलत हो जाए, तो पूरे transcript को उसके मूल रूप में लौटाया जा सकता है।
Speaker labels गलत क्यों आते हैं
कारण जानने से पता चलता है कि कहाँ जाँचना है। speaker diarization कैसे काम करता है, इस गाइड में और जानकारी है। ये आम वजहें हैं:
- एक साथ बोलना। जब दो लोग एक साथ बोलते हैं, तो अक्सर एक आवाज़ हावी हो जाती है। जहाँ कोई बीच में बोलता है, वहाँ बारियाँ छूट सकती हैं या आपस में जुड़ सकती हैं।
- मिलती-जुलती आवाज़ें। जिन दो वक्ताओं की आवाज़ की pitch और tone मिलती हों, उन्हें एक ही label मिल सकता है।
- फ़ोन और video call का audio। Compression और बदलता connection एक व्यक्ति की आवाज़ बदल देते हैं, जिससे उसे दो labels मिल सकते हैं।
- छोटी बारियाँ। एक शब्द का जवाब, जैसे “हाँ”, system को आवाज़ का बहुत छोटा नमूना देता है, इसलिए वह उस बारी को पास की किसी बारी के वक्ता से जोड़ सकता है।
- कई वक्ता। जितने ज़्यादा लोग, उतनी ज़्यादा सीमाएँ सही पहचाननी होती हैं। आठ लोगों की panel चर्चा को दो लोगों के interview से ज़्यादा जाँच चाहिए।
इन सभी में उपाय जाँच ही है। Automatic labels सत्यापित रिकॉर्ड नहीं हैं।
Transcribe करने से पहले क्या सेट करें
कुछ समस्याओं को सुधारने के मुकाबले पहले ही रोकना कम खर्चीला होता है।
एक से ज़्यादा आवाज़ वाली किसी भी recording के लिए speaker detection चालू करें। इसके लिए अतिरिक्त मिनट नहीं लगते। अकेले वक्ता की recording में इसे बंद कर दें।
अगर हर व्यक्ति को अलग channel पर record किया गया था, तो multichannel handling इस्तेमाल करें। यह channels को अलग रखती है और हर channel के लिए मिनट लगते हैं। इससे भी transcript labels मिलते हैं, अलग-अलग आवाज़ों के tracks नहीं।
Recording की अच्छी आदतें किसी भी setting से ज़्यादा मदद करती हैं। मुमकिन हो तो हर व्यक्ति को अपना microphone दें। Mic पास रखें और कमरा शांत रखें। मेहमानों से एक-दूसरे के ऊपर न बोलने को कहें और शुरुआत में सभी से अपना नाम बुलवाएँ, ताकि आप आवाज़ों को labels से जल्दी मिला सकें।
Speaker label का सही format
कोई एक format ज़रूरी नहीं है। लिखित transcripts में आम तौर पर बोलने की हर बारी की शुरुआत में नाम या भूमिका के बाद colon लगाया जाता है। Maria: या Interviewer: जैसी एक शैली चुनें और पूरे transcript में उसी का इस्तेमाल करें।
Exports भी यही तरीका अपनाते हैं। TXT, DOCX और subtitle formats में हर बारी या cue की शुरुआत speaker name और colon से होती है। Markdown में हर बारी के ऊपर नाम bold में आता है। CSV और TSV में speaker column होता है। JSON में हर utterance के साथ मूल label और उसके साथ saved names रहते हैं। TXT, Markdown, HTML, RTF, ODT और PDF में plain text चाहिए तो आप speaker labels बंद कर सकते हैं।
Subtitles में एक और विकल्प है। WebVTT specification किसी cue के वक्ता का नाम बताने के लिए voice span परिभाषित करता है। Hushscript का VTT export इसके बजाय हर cue की शुरुआत में नाम plain text के रूप में लिखता है, ताकि कोई भी player उसे आम caption text की तरह दिखाए।
Export करने से पहले speakers के नाम बदलें। Export में वही नाम आते हैं जो उस समय मौजूद होते हैं।
Labels edit करें या दोबारा transcribe करें
लगभग हर मामले में edit करें। सुधार मुफ़्त हैं, तुरंत लागू होते हैं और आपके बाकी edits बने रहते हैं।
दोबारा तभी transcribe करें जब शुरुआत से ही कोई setting गलत थी: speaker detection बंद था, गलत भाषा चुनी गई थी या अलग channels को channels की तरह नहीं संभाला गया था। नई transcription एक नया job है, जिसके लिए audio की पूरी अवधि के मिनट लगते हैं, और नए transcript में आपके manual edits नहीं होते। Options में setting सुधारें, फिर file को एक बार और चलाएँ।
अगर आप Insights generate करना चाहते हैं, तो पहले labels का काम पूरा करें। Insights transcript version से जुड़े होते हैं और बाद में उन्हें दोबारा generate करने में मिनट लगते हैं।
स्वतंत्र स्रोत और मानक
Hushscript ने इन स्वतंत्र, गैर-प्रतिस्पर्धी स्रोतों का संदर्भ लिया है। ये शोध, मानकों या प्लेटफ़ॉर्म के काम करने के तरीके को समझाते हैं और Hushscript का समर्थन नहीं करते।
स्रोतों की समीक्षा: