句読点復元とは、認識された生の言葉に句読点と大文字を加える段階です。音声にはコンマも句点もないため、認識器はまず小文字の言葉を平らに並べて出力します。二回目の処理が、間やことば遣いから文の区切りを推測します。
録音を文字起こしする
音声メッセージ、音声、動画を Telegram の @potok_now_bot に送ると、チャットにテキストが返ってきます。
2 GB までのファイル · TXT、MD、DOCX、PDF、SRT、VTT で書き出し · 話者ラベルとタイムスタンプ · 約30言語
要点
- 間は手がかりになりますが、決め手ではありません。人は考えるために文の途中で止まり、早口のときは文をつなげて話します。
- 疑問符は難しい分野です。話し言葉の疑問は上がる音程だけで示されることが多く、言葉だけを見ても分からないからです。
- 名前、地名、文の先頭には大文字が必要で、珍しい名前は小文字のまま残る可能性が最も高いです。
- この段階は言葉を変えないので、認識の誤りは句点が付いても誤りのままです。
- 句読点のない生のテキストは読みにくく、後の工程で文や字幕に分割するのも難しくなります。
見た目のイメージ
// raw recogniser output
so we start at nine and then dana will talk about the budget any questions
// after punctuation restoration
So we start at nine, and then Dana will talk about the budget. Any questions?
関連情報
よくある質問
音声認識の生の出力に句読点がないのはなぜですか？
音声に含まれるのは音と間であり、記号ではないからです。認識器は音を言葉に対応させ、句読点は別の段階であとから加える必要があります。
句読点は常に正しいですか？
いいえ。最善の推測です。位置のずれた句点、足りない疑問符、だらだら続く文がないか読んで確認してください。
「句点」「コンマ」と声に出す口述の命令は含まれますか？
それは別の方式で、話者が記号を声に出して言います。復元はそうした言葉なしで機能し、記号を自分で加えます。
Potok のボットは句読点を付けますか？
ボットの文字起こしは読みやすいテキストで届き、長いものはTXT、MD、DOCX、PDF、SRT、VTTのファイルで届きます。公開前には必ず目を通してください。
結果を良くするにはどうすればよいですか？
はっきりした文で、文と文のあいだに短い間を置いて話し、静かな部屋で録音してください。きれいな音声は、推測の手がかりを増やします。
出典
各出典は、記載の日付に手作業で開いて確認しました。ページは変更されることがあるため、細部が重要な場合は出典をご確認ください。
- Speech recognition (Wikipedia), Wikipedia · 確認日
- Transcription (linguistics) (Wikipedia), Wikipedia · 確認日
お手持ちの録音で試してみましょう
音声メッセージ、音声、動画を Telegram の @potok_now_bot に送ると、チャットにテキストが返ってきます。
Telegram で @potok_now_bot を開く