บล็อก

วิธีแก้ป้ายกำกับผู้พูดในข้อความถอดเสียง

ผู้เขียน: Hushscript | เผยแพร่: 6 ตุลาคม 2569 | ตรวจสอบล่าสุด: 6 ตุลาคม 2569

หากต้องการแก้ป้ายกำกับผู้พูดในข้อความถอดเสียง ให้ทำในตัวแก้ไข: เปลี่ยนชื่อป้ายกำกับครั้งเดียวเพื่อแก้ทุกบรรทัดที่ใช้ป้ายนั้น เปลี่ยนช่วงพูดเดียวไปเป็นผู้พูดอื่น และแยกหรือรวมช่วงพูดเมื่อขอบเขตผิด ไม่จำเป็นต้องถอดเสียงไฟล์ใหม่ ป้ายกำกับอัตโนมัติเป็นฉบับร่าง และการตรวจทานสักไม่กี่นาทีช่วยให้น่าเชื่อถือขึ้น

เปลี่ยนผู้พูด A เป็นชื่อจริง

ป้ายกำกับอัตโนมัติเป็นกลาง ข้อความถอดเสียงแสดงผู้พูด A และผู้พูด B เพราะระบบจัดกลุ่มเสียง ไม่ได้รู้ว่าบุคคลเหล่านั้นเป็นใคร เมื่อจำผู้พูดได้แล้ว ให้เปิดกล่องชื่อผู้พูดและกรอกชื่อให้แต่ละป้าย ชื่อจะแทนป้ายกำกับในทุกบรรทัดของผู้พูดคนนั้น ทั้งในตัวแก้ไขและไฟล์ส่งออก

ใช้บทบาทแทนชื่อก็ได้ ผู้สัมภาษณ์และผู้เข้าร่วมเหมาะกับกรณีที่ไม่ควรมีชื่ออยู่ในไฟล์ หากมี Insights แล้ว Hushscript สามารถแนะนำชื่อผู้พูดในส่วนที่ตรวจทานได้ จะไม่มีการนำไปใช้จนกว่าคุณจะยอมรับ หน้าการระบุผู้พูด อธิบายว่าป้ายกำกับบอกอะไรและไม่ได้ยืนยันอะไร

ย้ายช่วงพูดที่ระบุผิดไปยังผู้พูดที่ถูกต้อง

บางครั้งมีบรรทัดเดียวใช้ป้ายกำกับผิด ทั้งที่ส่วนอื่นของผู้พูดคนนั้นถูกต้อง ให้เปลี่ยนผู้พูดเฉพาะช่วงนั้น เลือกผู้พูดที่ถูกต้องจากรายการ หรือเลือกผู้พูดใหม่หากบรรทัดนั้นเป็นเสียงที่ข้อความถอดเสียงตกหล่นไป

ไล่ตรวจข้อความถอดเสียงพร้อมเปิดเสียงฟัง ตรวจบรรทัดแรกหลังหยุดพูดแต่ละครั้งและทุกจุดที่เปลี่ยนหัวข้อ จุดเหล่านี้มีโอกาสที่ป้ายกำกับจะสลับผิดมากที่สุด

แยกช่วงพูดที่มีผู้พูดสองคน

เมื่อสองคนพูดต่อกันอย่างรวดเร็ว ระบบอาจรวมทั้งคู่ไว้ในช่วงพูดเดียว แยกช่วงตรงจุดที่เสียงคนที่สองเริ่ม แล้วกำหนดส่วนที่สองให้ผู้พูดที่ถูกต้อง วางจุดแยกให้พอดีเพื่อให้แต่ละส่วนมีเสียงของคนเดียว

รวมช่วงพูดที่ควรอยู่ด้วยกัน

ปัญหาตรงกันข้ามคือประโยคของผู้พูดคนเดียวถูกตัดเป็นสองช่วง มักเกิดจากการหยุดหรือไอ รวมช่วงพูดนั้นกับช่วงถัดไปเพื่อเชื่อมกัน วิธีนี้ให้ผลเรียบร้อยเมื่อทั้งสองช่วงเป็นผู้พูดคนเดียวกัน จึงควรแก้ป้ายกำกับก่อน

คนเดียวอาจปรากฏภายใต้สองป้ายกำกับ เช่น ผู้พูด A และผู้พูด C ไม่มีคำสั่งเฉพาะสำหรับรวมป้ายกำกับผู้พูดสองป้าย ให้เปลี่ยนช่วงพูดที่ใช้ป้ายส่วนเกินไปเป็นผู้พูดที่ถูกต้อง เมื่อไม่เหลือช่วงดังกล่าว ป้ายนั้นก็หายไปจากข้อความถอดเสียง

ทุกการแก้ไขสามารถเลิกทำและทำซ้ำได้ และย้อนข้อความถอดเสียงทั้งฉบับกลับเป็นต้นฉบับได้หากแก้ไขรอบนั้นผิดพลาด

ทำไมป้ายกำกับผู้พูดจึงผิด

เมื่อรู้สาเหตุก็จะรู้ว่าควรตรวจตรงไหน คู่มือการทำงานของการแยกผู้พูด อธิบายลึกกว่านี้ สาเหตุที่พบบ่อยมีดังนี้:

• พูดทับกัน เมื่อสองคนพูดพร้อมกัน เสียงหนึ่งมักเด่นกว่า ช่วงที่ขัดจังหวะกันจึงอาจมีช่วงพูดตกหล่นหรือถูกรวม
• เสียงคล้ายกัน ผู้พูดสองคนที่มีระดับเสียงและโทนใกล้กันอาจถูกรวมเป็นป้ายเดียว
• เสียงจากโทรศัพท์และวิดีโอคอล การบีบอัดและการเชื่อมต่อที่เปลี่ยนไปทำให้เสียงคนเดียวเปลี่ยน จนอาจถูกแยกเป็นสองป้าย
• ช่วงพูดสั้น คำตอบสั้นเพียงคำเดียว เช่น “ใช่” ให้ข้อมูลเสียงแก่ระบบน้อย จึงอาจถูกกำหนดให้ผู้พูดที่อยู่ติดกัน
• ผู้พูดหลายคน ยิ่งคนมาก ยิ่งมีขอบเขตที่ต้องแบ่งให้ถูก การเสวนาแปดคนต้องตรวจทานมากกว่าบทสัมภาษณ์สองคน

ทุกกรณีนี้แก้ได้ด้วยการตรวจทาน ป้ายกำกับอัตโนมัติไม่ใช่บันทึกที่ผ่านการยืนยันแล้ว

ควรตั้งค่าอะไรก่อนถอดเสียง

บางปัญหาป้องกันได้โดยเสียเวลาน้อยกว่าตามแก้

เปิดการตรวจจับผู้พูดสำหรับไฟล์บันทึกที่มีมากกว่าหนึ่งเสียง โดยไม่ใช้นาทีเพิ่ม หากเป็นไฟล์บันทึกผู้พูดคนเดียว ให้ปิด

หากบันทึกแต่ละคนแยกช่องเสียง ให้ใช้การจัดการเสียงหลายช่อง ระบบจะแยกช่องไว้ และคิดนาทีทุกช่อง ผลลัพธ์ยังเป็นป้ายกำกับในข้อความถอดเสียง ไม่ใช่แทร็กเสียงที่แยกผู้พูด

วิธีบันทึกที่ดีช่วยได้มากกว่าการตั้งค่าใด ๆ หากทำได้ ให้แต่ละคนมีไมโครโฟนของตัวเอง วางไมโครโฟนใกล้และใช้ห้องที่เงียบ ขอให้แขกไม่พูดทับกัน และให้ทุกคนบอกชื่อตอนเริ่ม เพื่อจับคู่เสียงกับป้ายกำกับได้เร็ว

รูปแบบที่เหมาะสมของป้ายกำกับผู้พูด

ไม่มีรูปแบบบังคับเพียงแบบเดียว ธรรมเนียมที่ใช้กันทั่วไปในข้อความถอดเสียงคือวางชื่อหรือบทบาทที่ต้นแต่ละช่วงพูด ตามด้วยเครื่องหมายทวิภาค เลือกรูปแบบเดียว เช่น มาเรีย: หรือ ผู้สัมภาษณ์: แล้วใช้ตลอดข้อความถอดเสียง

ไฟล์ส่งออกใช้รูปแบบนี้ ใน TXT, DOCX และรูปแบบซับไตเติ้ล แต่ละช่วงพูดหรือช่วงคำบรรยายเริ่มด้วยชื่อผู้พูดและเครื่องหมายทวิภาค Markdown วางชื่อเป็นตัวหนาเหนือแต่ละช่วงพูด CSV และ TSV มีคอลัมน์ผู้พูด JSON เก็บป้ายกำกับดิบไว้กับแต่ละช่วงคำพูด พร้อมชื่อที่บันทึกไว้ สำหรับ TXT, Markdown, HTML, RTF, ODT และ PDF ปิดป้ายกำกับผู้พูดได้หากต้องการข้อความล้วน

ซับไตเติ้ลมีอีกทางเลือกหนึ่ง ข้อกำหนด WebVTT นิยาม ช่วงข้อความระบุเสียง สำหรับตั้งชื่อผู้พูดของช่วงคำบรรยาย แต่การส่งออก VTT ของ Hushscript เขียนชื่อเป็นข้อความธรรมดาที่ต้นแต่ละช่วงแทน โปรแกรมเล่นใด ๆ จึงแสดงเป็นข้อความคำบรรยายตามปกติ

เปลี่ยนชื่อผู้พูดก่อนส่งออก ไฟล์ส่งออกใช้ชื่อตามที่บันทึกไว้ ณ เวลานั้น

แก้ป้ายกำกับหรือถอดเสียงใหม่

แทบทุกกรณีควรแก้ไข การแก้ไขฟรี มีผลทันที และเก็บการแก้ไขอื่นไว้

ถอดเสียงใหม่เฉพาะเมื่อตั้งค่าผิดตั้งแต่ต้น เช่น ปิดการตรวจจับผู้พูด เลือกภาษาผิด หรือไม่ได้จัดการช่องเสียงที่แยกไว้เป็นช่องเสียง การถอดเสียงใหม่เป็นงานใหม่ที่คิดนาทีตามความยาวเสียงทั้งหมด และข้อความถอดเสียงใหม่จะไม่มีการแก้ไขด้วยมือเดิม แก้การตั้งค่าในตัวเลือก แล้วจึงเริ่มไฟล์อีกครั้ง

หากวางแผนจะสร้าง Insights ให้แก้ป้ายกำกับให้เสร็จก่อน Insights ผูกกับเวอร์ชันข้อความถอดเสียง และการสร้างใหม่ภายหลังใช้นาที