Blog

Kosakata khusus untuk transkripsi: ajari istilah Anda

Penulis: Hushscript | Diterbitkan: 13 Juli 2026 | Terakhir ditinjau: 16 Juli 2026

Mesin ucapan serbaguna memiliki konteks yang lebih sedikit untuk nama kode produk, nama keluarga khas suatu daerah, atau akronim internal yang tim Anda sebut sepuluh kali dalam satu rapat. Riset menyebut teknik untuk mengarahkan pengenalan ke istilah yang diharapkan sebagai bias kontekstual, dan sesi W3C Web Speech 2025 menggambarkannya sebagai kemampuan yang sudah tersedia di Chrome. Hushscript menerjemahkan gagasan itu menjadi empat kontrol kosakata, mulai dari tambahan sekali pakai untuk satu file hingga pengaturan tetap yang dapat Anda gunakan ulang.

Di mana kosakata khusus paling membantu

Tiga kategori menyebabkan sebagian besar kesalahan pengenalan pada model serbaguna. Nama orang adalah yang pertama, terutama ejaan yang bukan varian paling umum. Model tidak punya cara untuk menebak apakah audio mengucapkan “Nguyen” atau kata lain yang bunyinya nyaris sama, kecuali ada yang memberi tahu bahwa nama itu memang muncul. Nama produk dan merek adalah yang kedua: nama seperti “FlowBridge” terdengar sebagai dua kata biasa yang bunyinya mirip, bukan sebagai nama diri yang dipilih sebuah perusahaan tertentu. Jargon internal dan akronim adalah yang ketiga: istilah yang hanya bermakna di dalam satu tim atau industri, sehingga tidak akan pernah ada dalam kosakata umum mana pun. Nama obat dan prosedur di sebuah praktik klinis adalah masalah yang sama dalam skala lebih besar; transkripsi medis menanganinya dengan mode khusus di samping alat kosakata ini. Akronim yang diulang sepuluh kali dalam satu rapat akan salah ditranskripsi sepuluh kali atau benar sepuluh kali; tidak ada nilai sebagian, jadi memperbaikinya sekali di daftar istilah kunci atau kamus akan memperbaiki setiap kemunculannya di file itu secara otomatis.

Untuk satu file: istilah kunci dan instruksi khusus

Jika Anda mentranskripsi satu rekaman yang tidak biasa dan tidak memerlukan pengaturan permanen, tambahkan istilah kunci langsung ke pekerjaan itu. Hingga 1.000 istilah kunci (nama, merek, akronim) mengarahkan pengenalan ke kata-kata yang benar-benar Anda ucapkan, khusus untuk file tersebut. Di sampingnya, instruksi khusus hingga 2.000 karakter memberi mesin konteks yang tidak bisa diberikan audio saja: siapa yang berbicara, apa isi rekaman, dan istilah yang khusus untuk situasinya. Keduanya hilang setelah pekerjaan selesai; tidak ada yang terbawa ke file berikutnya kecuali Anda menambahkannya lagi.

Untuk pekerjaan berulang: kamus tersimpan dan preset instruksi

Jika nama dan jargon yang sama muncul dari file ke file, daftar sekali pakai tidak lagi layak diketik ulang. Kamus tersimpan menyelesaikannya: impor istilah secara massal dari file CSV atau TSV, kelompokkan ke dalam kategori, dan tambahkan variasi ejaan pada setiap istilah baku agar “McAllister” dikenali baik saat audio sumber terdengar seperti “MacAlister” maupun “McAllaster.” Preset instruksi bekerja dengan cara yang sama untuk konteks, menyimpan latar belakang yang biasanya harus Anda ketik ulang setiap kali. Tandai kamus atau preset sebagai bawaan, dan pilihan itu otomatis terpilih saat Anda mentranskripsi berikutnya, sehingga pengaturan tetap tidak perlu dipilih ulang pada setiap file.

Semuanya bisa digabung, bukan saling menggantikan

Kamus tersimpan dan tambahan sekali pakai bukan pilihan antara dua opsi; keduanya berlaku bersama pada pekerjaan yang sama. Simpan kamus bawaan berisi nama produk tim Anda dan preset instruksi bawaan yang menjelaskan isi rekaman Anda pada umumnya, lalu tambahkan satu istilah kunci sekali pakai untuk nama tamu yang hanya relevan dengan file minggu ini. Pengaturan tetap mencakup kosakata yang berulang; tambahan sekali pakai mencakup hal yang khusus untuk rekaman ini. Salah satunya tidak perlu memperhitungkan apa yang sudah ditangani oleh yang lain.

Yang tidak terpengaruh

Kosakata khusus dalam keempat bentuknya memengaruhi apa yang didengar mesin saat bertranskripsi, dan tidak mengonfigurasi pekerjaan Insights berikutnya. Insights berjalan pada transkrip yang dihasilkan. Karena itu, kosakata yang tepat sejak awal dapat memperbaiki teks sumber yang dibaca Insights, tanpa mengubah apa yang dihasilkan Insights.

Contoh kasus

Sebuah podcast mingguan mewawancarai tamu yang berbeda setiap episode, tetapi selalu membahas tiga lini produk yang sama dengan namanya. Pembawa acara membuat kamus tersimpan satu kali, diimpor dari spreadsheet berisi nama produk dan nama tim sendiri, dengan ejaan sebagaimana diucapkan di acara itu, lalu menandainya sebagai bawaan. Setiap episode mingguan otomatis mendapat manfaatnya. Untuk tamu minggu itu, nama yang tidak ada alasan bagi kamus tersimpan untuk mengenalnya, pembawa acara menambahkan satu istilah kunci sebelum mengunggah, khusus untuk file itu. Kamus tersimpan dan istilah kunci sekali pakai sama-sama berlaku pada transkrip yang sama, dan keduanya tidak perlu diutak-atik satu sama lain.

Tempat mengaturnya

Opsi kosakata berada di samping pengaturan per file lainnya di audio ke teks, baik Anda menambahkan istilah kunci sekali pakai ke satu unggahan maupun mengelola kamus tersimpan untuk pekerjaan berulang. Opsi ini bekerja dengan cara yang sama untuk bahasa mana pun dari sekitar 99 bahasa yang dideteksi otomatis oleh Hushscript dalam rekaman, dan halaman bahasa memuat daftar lengkapnya, beserta bahasa mana saja yang mendapat akurasi tingkat teratas. Untuk membuat transkripnya sendiri akurat sebelum Anda memikirkan kosakata, lihat cara mentranskripsikan podcast untuk alur kerja tamu berulang yang menjadi dasar contoh ini.