Skip to main content
HiNoter
صفحه اصلی/Audio Transcript/نمونه‌های رونویسی صوتی: گفتار خام در برابر متن پاکیزه
Audio TranscriptSep 14, 20262 min read

نمونه‌های رونویسی صوتی: گفتار خام در برابر متن پاکیزه

نمونه رونویسی صوتی: این نمونه تبدیل صوت به متن با استفاده از یک کلیپ ۴۵ثانیه‌ای از جلسه، چهار خروجی معتبر را نشان می‌دهد: گفتار کاملاً کلمه‌به‌کلمه، متن خوانا و پاک‌سازی‌شده، رونویسی با برچسب گوینده و زمان‌مهرها، و خلاصه مرتبط با منبع. نسخه مناسب به این بستگی دارد که آیا باید گفتار دقیق را حفظ کنید، گویندگان را دنبال کنید، گفت‌وگویی خوانا را به اشتراک بگذارید، یا بر اساس تصمیم‌ها اقدام کنید.

گفتار خام

«اِم، خب، پس برای عرضه Aurora، فکر می‌کنم نسخه بتا به پنج‌شنبه، هفدهم اکتبر، منتقل می‌شود، نه سه‌شنبه.»

متن پاک‌سازی‌شده

«برای عرضه Aurora، نسخه بتا به پنج‌شنبه، ۱۷ اکتبر، منتقل می‌شود، نه سه‌شنبه.»

تعریف: رونویسی صوتی، صدای گفتاری را به متن نوشتاری تبدیل می‌کند. خروجی ممکن است هر گفته را حفظ کند، شلوغی‌های گفتاری را حذف کند، گویندگان را مشخص کند، زمان‌مهر اضافه کند، یا گفت‌وگو را فشرده کند؛ اما هر ویرایش باید از قاعده‌ای اعلام‌شده پیروی کند و همچنان قابل ردیابی به منبع باشد.

رونویسی یک شیء ثابت و واحد نیست. وقتی درخواست «متن دقیق» می‌کنید، ویراستار همچنان باید بداند که آیا اِم را نگه دارد، «هجده هزار و پانصد دلار» را به $18,500 تبدیل کند، یک صدا را Maya شناسایی کند، یا تصمیم را در قالب خلاصه بیرون بکشد. در اینجا، هر نسخه از همان بازسازی کنترل‌شده تهیه شده است، بنابراین می‌توانید دقیقاً ببینید چه چیزی و چرا تغییر می‌کند.

نمونه تبدیل صوت به متن که خروجی‌های خام، پاک‌سازی‌شده، دارای برچسب گوینده و خلاصه‌شده را مقایسه می‌کند
این تصویر برگهٔ اثبات، هر قالب را یک تصمیم ویراستاری نشان می‌دهد، نه منبعی متفاوت یا نمایشی برای سنجش دقت.

رونویسی صوتی چیست؟

رونویسی صوتی، تبدیل گفتار به متن است. منبع می‌تواند جلسه، مصاحبه، سخنرانی، پادکست، یادداشت صوتی، تماس یا موسیقی متن ویدئو باشد. ضبط و رونویسی قابل جایگزینی با یکدیگر نیستند: صدا، صوت و زمان‌بندی را حفظ می‌کند؛ رونویسی، محتوای گفتاری را قابل جست‌وجو و ویرایش می‌کند؛ خلاصه فقط اطلاعات موردنیاز برای یک کار بعدی را انتخاب می‌کند.

Google Meet از اصطلاح رونویسی‌ها استفاده می‌کند و می‌گوید رونویسی جلسه آن شامل کلمات گفتاری است، نه پیام‌های چت. Zoom برای گردش‌کار ضبط ابری خود از رونویسی‌های صوتی استفاده می‌کند. این اصطلاحات پلتفرم به تعریف این محصول کمک می‌کنند، اما واجد شرایط بودن حساب و کنترل‌های فعلی باید در مستندات رسمی مرتبط بررسی شوند.

می‌تواند: گفتار مجاز را قابل جست‌وجو، نقل‌قول و بازبینی کند. نمی‌تواند: هویت گوینده را اثبات کند، خلاصه ویرایش‌شده را به شهادت دقیق تبدیل کند، یا صدای نامشخص را قطعی کند.

نمونه تبدیل صوت به متن: یک کلیپ، چهار خروجی

منبع کنترل‌شده ۴۵ثانیه‌ای را پخش کنید

اندازه‌گیری‌شده: ۴۵.۰۱۳ ثانیه؛ تک‌کاناله؛ ۱۶بیتی؛ ۲۲٬۰۵۰ هرتز؛ پنج نوبت گفت‌وگو؛ فاصله‌های ۰.۵۵ثانیه‌ای. نام‌های پروژه و متنِ داستانی. روش رونویسی مرجع: متن شناخته‌شده، که به‌صورت دستی با WAV رندرشده بررسی شده است.

چهار قالب رونویسی از یک منبع یکسان. «بهترین» یعنی بهترین برای کار مشخص‌شده، نه لزوماً دقیق‌ترین در همه موارد.
قالبچه چیزی را حفظ می‌کندمناسب برایمحدودیت اصلی
کاملاً کلمه‌به‌کلمهپرکننده‌ها، تکرارها، شروع‌های مجدد، واژه‌بندی گفتاریبازبینی شواهد، پژوهش گفتار، تحلیل گفتار دقیقخواندن آن کندتر است؛ همچنان رونویسی آوایی نیست
رونویسی پاک‌سازی‌شدهمعنا، تصمیم‌ها، نام‌ها، اعداد، ترتیب گفت‌وگومصاحبه‌های خوانا، اشتراک‌گذاری داخلی، پیش‌نویس‌های قابل انتشارانتخاب‌های ویراستاری می‌توانند مکث معنادار را حذف کنند
رونویسی با برچسب گویندهنوبت‌های گفت‌وگو، نقش‌های تأییدشده، زمان‌مهرهای آغاز نوبتجلسه‌ها، مصاحبه‌ها، پنل‌ها، تحویل‌گیری‌هابرچسب‌های تفکیک گویندگان، هویت‌های تأییدشده نیستند
خلاصه مرتبط با منبعتصمیم، اقدامات، مسئولان، وابستگی، زمان‌های منبعاجرا و بازبینی سریعجایگزین رونویسی یا صوت نیست
جدول نمونه رونویسی صوتی که چهار خروجی از یک کلیپ صوتی را نشان می‌دهد
قالب باید با کار موردنظر هماهنگ باشد: ممیزی گفتار، خواندن گفت‌وگو، دنبال‌کردن گویندگان یا اقدام بر اساس نتایج.

نمونه رونویسی صوتی کاملاً کلمه‌به‌کلمه

شرایط ورودیWAV کنترل‌شدهٔ ۴۵.۰۱۳ثانیه‌ای با دو گوینده.قاعده خروجیپرکننده‌ها، تکرارها، تأییدها و شکل گفتاری اعداد را حفظ کنید.محدودیتاملای خوانا، نه نمادگذاری آوایی یا تحلیل هم‌پوشانی.[00:00.00] رهبر پروژه
اِم، خب، پس برای عرضه Aurora، فکر می‌کنم نسخه بتا به پنج‌شنبه، هفدهم اکتبر، منتقل می‌شود، نه سه‌شنبه.

[00:10.33] مدیر عملیات
درست است، اما، اِ، بخش تدارکات هنوز به پیش‌فاکتور اصلاح‌شده نیاز دارد. هجده هزار و پانصد دلار است.

[00:21.28] رهبر پروژه
بله. Maya آن را تا ساعت ۲ بعدازظهر فردا ارسال می‌کند و Luis فهرست بررسی عرضه را به‌روزرسانی می‌کند.

[00:29.56] مدیر عملیات
ببخشید، فقط برای تأیید، Maya مسئول پیش‌فاکتور است و Luis مسئول فهرست بررسی؟

[00:37.57] رهبر پروژه
دقیقاً. و بیایید، بیایید یادداشت مشتری را بعد از بررسی بند Nova توسط حقوقی به اشتراک بگذاریم.

یادداشت ویراستاری: «اِم»، «خب»، «اِ» و «بیایید، بیایید» باقی می‌مانند، زیرا قاعده، رونویسی کاملاً کلمه‌به‌کلمه است. نشانه‌گذاری ویرایشی است: گوینده ویرگول‌ها را تلفظ نکرده است. نام نقش‌ها از متن کنترل‌شده می‌آیند، نه از تشخیص خودکار هویت.

نمونه رونویسی صوتی کاملاً کلمه‌به‌کلمه با کلمات پرکننده و نشانه‌گذاری تکرارها
رونویسی کاملاً کلمه‌به‌کلمه نارسایی‌های گفتار را حفظ می‌کند. مگر آنکه مشخصات پروژه چنین چیزی را بخواهد، به نمادهای آوایی نیاز ندارد.

نمونه متن صوتی پاک‌سازی‌شده

شرایط ورودیهمان WAV و متن مرجع بررسی‌شده به‌صورت دستی.قاعده خروجیپرکننده‌های غیرمعنادار را حذف کنید؛ تاریخ، زمان و ارز را یکدست کنید؛ معنا را حفظ کنید.محدودیتعدم قطعیت، نفی، مالکیت یا وابستگی را بی‌سروصدا حذف نکنید.[00:00.00] رهبر پروژه
برای عرضه Aurora، نسخه بتا به پنج‌شنبه، ۱۷ اکتبر، منتقل می‌شود، نه سه‌شنبه.

[00:10.33] مدیر عملیات
بخش تدارکات همچنان به پیش‌فاکتور اصلاح‌شدهٔ ۱۸٬۵۰۰ دلاری نیاز دارد.

[00:21.28] رهبر پروژه
Maya آن را فردا ساعت ۲:۰۰ بعدازظهر ارسال می‌کند و Luis فهرست بررسی عرضه را به‌روزرسانی می‌کند.

[00:29.56] مدیر عملیات
برای تأیید، Maya مسئول پیش‌فاکتور است و Luis مسئول فهرست بررسی؟

[00:37.57] رهبر پروژه
دقیقاً. بیایید یادداشت مشتری را بعد از بررسی بند Nova توسط حقوقی به اشتراک بگذاریم.

چه چیزی تغییر کرد: پرکننده‌ها حذف شدند؛ «هفدهم اکتبر» به «۱۷ اکتبر» تبدیل شد؛ «هجده هزار و پانصد دلار» به «$18,500» تبدیل شد؛ «دو بعدازظهر» به «۲:۰۰ بعدازظهر» تبدیل شد. انتقال همچنان نه سه‌شنبه است و یادداشت مشتری همچنان منتظر بررسی حقوقی می‌ماند. این جزئیات معنا دارند و نمی‌توان آن‌ها را صرفاً با پرداخت ویرایشی حذف کرد.

نمونه تبدیل گفتار کلمه‌به‌کلمه در برابر رونویسی پاک‌سازی‌شده به متن با ویرایش‌های ردلاین
یک رونوشت پاک‌سازی‌شده، شلوغی‌های گفتار را حذف می‌کند و در عین حال تصمیم‌ها، محدودیت‌ها، مسئولیت‌ها و عدم‌قطعیت را حفظ می‌کند.

نمونه رونوشت جلسه با برچسب گویندگان

شرایط ورودیپنج نوبت گفت‌وگوی شناخته‌شده که با فاصله‌های اندازه‌گیری‌شده ۰٫۵۵ثانیه‌ای از هم جدا شده‌اند.قاعده خروجیاز نقش‌های ویراستاری تأییدشده و زمان شروع اندازه‌گیری‌شده هر نوبت استفاده کنید.محدودیتتفکیک خودکار گویندگان می‌تواند صداها را بدون دانستن نام واقعی افراد از هم جدا کند.[00:00.00] رهبر پروژه
برای عرضه Aurora، نسخه بتا به پنج‌شنبه، ۱۷ اکتبر، منتقل می‌شود، نه سه‌شنبه.

[00:10.33] مدیر عملیات
تدارکات هنوز به پیش‌فاکتور اصلاح‌شده ۱۸٬۵۰۰ دلاری نیاز دارد.

[00:21.28] رهبر پروژه
Maya آن را فردا تا ساعت ۲:۰۰ بعدازظهر ارسال می‌کند و Luis فهرست بررسی عرضه را به‌روزرسانی خواهد کرد.

[00:29.56] مدیر عملیات
برای تأیید، مسئولیت پیش‌فاکتور با Maya و مسئولیت فهرست بررسی با Luis است؟

[00:37.57] رهبر پروژه
دقیقاً. بعد از اینکه بخش حقوقی بند Nova را بررسی کرد، یادداشت مشتری را به اشتراک بگذاریم.

Google Cloud، speaker diarization را شناسایی گویندگان مختلف و اختصاص برچسب به آن‌ها توصیف می‌کند. این با شناسایی گوینده متفاوت است. «گوینده ۱» می‌تواند مجموعه‌ای از گفتارهای مشابه باشد؛ تبدیل آن به «رهبر پروژه» به زمینه قابل‌اعتماد یا تأیید انسانی نیاز دارد. برای متن زمان‌بندی‌شده، مشخصات WebVTT از W3C از نشانه‌های زمان‌دار استفاده می‌کند و از بازه‌های صوتی پشتیبانی می‌کند. این رونوشت خوانای جلسه، در عوض، برای هر نوبت گفت‌وگو از یک زمان شروع اندازه‌گیری‌شده استفاده می‌کند.

نمونه رونوشت جلسه با برچسب گویندگان و مهرهای زمانی اندازه‌گیری‌شده برای شروع نوبت‌ها
این خط زمانی نشان می‌دهد چه کسی هر واقعیت عملیاتی را بیان کرده و بازبین باید برای بازگشت به منبع به کجا مراجعه کند.

نمونه رونوشت خلاصه‌شده

شرایط ورودیهمان رونوشت بررسی‌شده جلسه.قاعده خروجییک تصمیم، اقدامات نام‌برده و یک وابستگی را همراه با زمان‌های منبع استخراج کنید.محدودیتخلاصه، شواهد گفت‌وگویی را حذف می‌کند و نمی‌تواند جایگزین ضبط صدا شود.تصمیم
نسخه بتای Aurora را به پنج‌شنبه، ۱۷ اکتبر، به‌جای سه‌شنبه منتقل کنید. [00:00.00]

اقدامات
- Maya: پیش‌فاکتور اصلاح‌شده ۱۸٬۵۰۰ دلاری را فردا تا ساعت ۲:۰۰ بعدازظهر ارسال کند. [00:10.33-00:29.01]
- Luis: فهرست بررسی عرضه را به‌روزرسانی کند. [00:21.28-00:37.02]

وابستگی
- یادداشت مشتری را فقط پس از بررسی بند Nova توسط بخش حقوقی به اشتراک بگذارید. [00:37.57]

این نسخه مفید است، زیرا سه نوع اطلاعات را که رونوشت‌های طولانی در هم می‌آمیزند از یکدیگر جدا می‌کند: چه چیزی تغییر کرده است، اکنون چه کسی مالک کار است، و پیش از آنکه یادداشت مشتری به اشتراک گذاشته شود چه چیزی باید رخ دهد. مهرهای زمانی، ابزارهای بررسی هستند، نه دقت تزئینی. خواننده می‌تواند صدا را نزدیک به نوبت ذکرشده باز کند و گفته را تأیید کند.

رونویسی کلمه‌به‌کلمه در برابر رونویسی پاک‌سازی‌شده: ویراستار چه چیزهایی را باید تغییر دهد؟

قواعد ویرایش برای تحویل یکدست. راهنمای سبک اختصاصی پروژه بر این پیش‌فرض‌ها اولویت دارد.
ویژگی گفتارکلمه‌به‌کلمه کاملپاک‌سازی‌شدهپرسش بررسی
کلمات پرکننده: اِم، اُه، خبحفظ شودوقتی بی‌معناست حذف شودآیا مکث بر تفسیر اثر می‌گذارد؟
واژه‌های تکرارشدهحفظ شود: «بیا، بیا»یک بار حفظ شودآیا تکرار برای تأکید است یا شروع نادرست؟
دستور زباندستور زبان گفتاری حفظ شودفقط پاک‌سازی جزئیآیا ویرایش صدا یا معنا را تغییر می‌دهد؟
تاریخ، زمان، ارزممکن است شکل گفتاری حفظ شودبه‌صورت یکدست نرمال‌سازی شودآیا عدد درست شنیده و قالب‌بندی شده است؟
نام‌ها و اصطلاحاتاز املای تأییدشده استفاده شوداز املای تأییدشده استفاده شودآیا املاء با زمینه منبع پشتیبانی می‌شود؟
گفتار نامفهوم[نامفهوم 00:00] درج شودعلامت‌گذاری یا برای بررسی پرچم‌گذاری شودآیا ویراستار حدس زده است؟
هم‌پوشانیگفتار هم‌زمان علامت‌گذاری شوداگر قابل بازیابی است، نوبت‌ها جدا شوندآیا هنوز می‌توان مسئولیت را با اطمینان نسبت داد؟

می‌توان: اصطکاکی را که معنا منتقل نمی‌کند حذف کرد. نمی‌توان: «فکر می‌کنم» را با قطعیت جایگزین کرد، «نه» را حذف کرد، گوینده‌ای ناشناخته را تعیین کرد، یا پیشنهادی محتاطانه را به تصمیم تبدیل کرد.

ویرایش را ردیابی کنید: ردلاین موجود در نمونه تبدیل صدای پاک‌سازی‌شده به متن در بالا، حذف‌ها و نرمال‌سازی‌ها را قابل مشاهده می‌کند. یک رونوشت تولیدی همچنین باید راهنمای سبک یا تاریخچه ویرایش خود را، هرگاه این تمایز اهمیت دارد، حفظ کند.

چگونه کیفیت یک رونوشت را بررسی می‌کنید؟

  1. یک منبع حقیقت داشته باشید. صدای مجاز، مدت آن و یک رونوشت مرجع را نگه دارید تا هر خروجی ویرایش‌شده‌ای با همان منبع بررسی شود.
  2. پیش از ویرایش، خروجی موردنظر را انتخاب کنید. بر اساس کار و ریسک خواننده، خروجی کامل کلمه‌به‌کلمه، پاک‌سازی‌شده، دارای برچسب گوینده یا خلاصه‌شده را انتخاب کنید.
  3. یک قاعده سبک مکتوب اعمال کنید. نحوه برخورد با کلمات پرکننده، تکرارها، نشانه‌گذاری، اعداد، تاریخ‌ها، نام‌ها، مهرهای زمانی، گفتار نامفهوم و هم‌پوشانی را تعیین کنید.
  4. واقعیت‌های پرریسک را بررسی کنید. نام‌ها، مبالغ، تاریخ‌ها، نفی‌ها، مسئولان کارها، تصمیم‌ها و وابستگی‌ها را دوباره گوش کنید.
  5. قابلیت ردیابی را حفظ کنید. مهرهای زمانی نوبت‌ها یا پیوندهای منبع را نگه دارید تا بازبین بتواند از یک ادعای مهم به صدای مرتبط بازگردد.

برای بررسی نخست، با سرعت عادی پخش گوش دهید تا معنا و جریان گویندگان را بررسی کنید. سپس بخش‌های پرخطر مربوط به نام‌ها، سرواژه‌ها، مبالغ، تاریخ‌ها، مهلت‌ها، نفی‌ها و مسئولان اقدامات را دوباره پخش کنید. فقط در موارد لازم از پخش آهسته‌تر استفاده کنید؛ آهسته‌سازی شدید می‌تواند صامت‌ها را دچار اعوجاج کند. در پایان، رونوشت را بدون صدا بخوانید تا نشانه‌گذاری، پاراگراف‌بندی، برچسب‌های ناهماهنگ و تحویل‌های نامعقول را پیدا کنید.

برای این نمونه، بررسی دستی موارد زیر را تأیید کرد: Aurora، Nova، Maya، Luis، ۱۷ اکتبر، ۱۸٬۵۰۰ دلار، فردا ساعت ۲:۰۰ بعدازظهر، مسئول پیش‌فاکتور، مسئول فهرست بررسی و وابستگی به بررسی حقوقی. «فردا» همچنان نسبی است، زیرا بازسازی، تاریخ جلسه را مشخص نمی‌کند.

چک‌لیست تضمین کیفیت انسانی برای نمونه رونویسی صوتی
تلاش برای بررسی باید بر واقعیت‌هایی متمرکز شود که خطا در آن‌ها تصمیم، پرداخت، مهلت، انتساب یا مجوز را تغییر می‌دهد.

چه عواملی بر دقت رونویسی تأثیر می‌گذارند؟

هیچ درصد دقت جهانی و قابل دفاعی برای «رونویسی صوتی» وجود ندارد. نتایج با فاصله میکروفون، پژواک اتاق، هم‌پوشانی گفتار، نویز پس‌زمینه، فشرده‌سازی، لهجه‌ها، جابه‌جایی بین زبان‌ها، واژگان، نام‌های خاص، تراکم اعداد، شباهت گویندگان و قانون خروجی انتخاب‌شده تغییر می‌کنند. حتی روش امتیازدهی نیز اهمیت دارد: نرخ خطای واژه مستقیماً انتساب درست گوینده، نشانه‌گذاری، دقت زمان‌مهرها یا حفظ شدن تصمیم در خلاصه را اندازه‌گیری نمی‌کند.

عامل خطرخطای معمولکنترل عملی
هم‌پوشانی گویندگانواژه‌ها با هم ادغام می‌شوند یا به گوینده اشتباه نسبت داده می‌شونددر صورت امکان از میکروفون‌ها/ترک‌های جداگانه استفاده کنید؛ هم‌پوشانی را علامت‌گذاری کنید
نام‌های خاص و اصطلاحات تخصصیAurora یا Nova به یک واژه معمولی تبدیل می‌شودواژه‌نامه ارائه کنید؛ با مطالب پروژه تطبیق دهید
مبالغ و تاریخ‌ها$18,500 به $8,500 تبدیل می‌شود؛ سه‌شنبه/پنج‌شنبه جابه‌جا می‌شودبخش مربوطه را دوباره پخش کنید و با زمینه مقایسه کنید
صداهای مشابهبرچسب‌های گویندگان در میانه تماس جابه‌جا می‌شوندتوالی نوبت‌های گفت‌وگو را بررسی کنید و از زمینه تأییدشده شرکت‌کنندگان استفاده کنید
پاک‌سازی شدیدعدم قطعیت یا وابستگی از بین می‌رودویرایش‌ها را با رونوشت مرجع ممیزی کنید

اندازه‌گیری‌شده در برابر N/A: مدت WAV و شروع نوبت‌های گفت‌وگو به‌صورت محلی اندازه‌گیری شدند. متن از پیش مشخص‌شده به‌صورت دستی با صدای رندرشده بررسی شد. دقت ASR خودکار، دقت رقبا و نتیجه HiNoter در حالت ورود به حساب اندازه‌گیری نشدند؛ بنابراین همه آن‌ها همچنان N/A هستند. هیچ ادعای دقت ثابتی مطرح نمی‌شود.

HiNoter با همین صدای ضبط‌شده چه کاری انجام می‌دهد؟

HiNoter یک ابزار هوش مصنوعی برای جلسات و یادداشت‌برداری از چند منبع است که جلسات مجاز، ویدئوهای YouTube، فایل‌های PDF، ویدئو و صدا را به یادداشت‌های ساختاریافته و پاسخ‌های دارای ارجاع تبدیل می‌کند.

روند کاری موردنظر با همین منبع چنین است: فایل WAV مجاز را بارگذاری کنید، متن تفکیک‌شده بر اساس گوینده را بررسی کنید، خلاصه و موارد اقدام را با رونوشت بررسی‌شده مقایسه کنید، نقشه ذهنی را باز کنید تا تصمیم و وابستگی را ببینید، سپس از چت هوش مصنوعی سؤالی مانند «چه کسی مسئول پیش‌فاکتور اصلاح‌شده است؟» بپرسید و ارجاع آن را تا بخش مرتبط منبع دنبال کنید. قابلیت تبدیل صدا به متن، چت هوش مصنوعی، معرفی محصول و موجودیت، سیاست حفظ حریم خصوصی و یکپارچه‌سازی Google Docs را ببینید. مسیرهای زنده جداگانه درباره ما و یکپارچه‌سازی‌ها در ۱۰ اوت ۲۰۲۶ خطای 404 برگرداندند؛ بنابراین به‌جای آن‌ها از صفحه اصلی زنده و صفحه یکپارچه‌سازی مشخص استفاده شده است.

ارائه‌شده توسط کاربر / پیش از انتشار بررسی شود: رونویسی تفکیک‌شده بر اساس گوینده، تشخیص خودکار زبان، پوشش بیش از ۵۰ زبان، خلاصه‌ها، موارد اقدام، نقشه‌های ذهنی، چت هوش مصنوعی دارای پیوند به منبع، خروجی‌ها، یکپارچه‌سازی‌ها، سرعت پردازش، محدودیت‌های طرح، نگهداری و رفتار حذف در یک حساب HiNoter با ورود به سیستم برای این پیش‌نویس اندازه‌گیری نشده‌اند. پیش از جایگزین کردن برچسب N/A یا مطرح کردن ادعاهای محصول، رابط کاربری و مستندات فعلی را بررسی کنید.

می‌تواند، مشروط به تأیید: از صدای مجاز به خروجی‌های ساختاریافته و پرسش‌های دارای ارجاع ادامه دهد. نمی‌تواند: رضایت برای ضبط ایجاد کند، قوانین دسترسی را دور بزند، هویت گوینده را تضمین کند یا نیاز به بررسی واقعیت‌های مهم را از بین ببرد.

روند کاری HiNoter با استفاده از همان صدا برای رونوشت، خلاصه، اقدامات، نقشه ذهنی و چت هوش مصنوعی دارای ارجاع
روند کاری محصول به‌جای یک تصویر تبلیغاتی نامرتبط از همان نمونه کنترل‌شده استفاده می‌کند. خروجی در حالت ورود به حساب همچنان N/A است.

قالب رونوشت و بسته نمونه را دانلود کنید

از قالب خالی استفاده کنید تا پیش از شروع رونویسی، منبع، مجوز، قالب، قانون زمان‌مهر و فرایند تضمین کیفیت را مشخص کنید. بسته نمونه شامل خروجی‌های مرجع کاملاً لفظ‌به‌لفظ، پاک‌سازی‌شده و خلاصه‌شده‌ای است که در این صفحه نشان داده شده‌اند.

سؤالات متداول

از کدام قالب رونوشت استفاده کنم؟

وقتی گفتار دقیق اهمیت دارد از رونوشت کاملاً لفظ‌به‌لفظ استفاده کنید، وقتی افراد به گفت‌وگویی خوانا نیاز دارند از رونویسی پاک‌سازی‌شده، برای جلسات چندنفره از متن دارای برچسب گوینده و وقتی خوانندگان به تصمیم‌ها و اقدامات نیاز دارند از خلاصه دارای پیوند به منبع استفاده کنید. برای کارهای مهم، حتی اگر خروجی نهایی خلاصه باشد، فایل صوتی و رونوشت بررسی‌شده را نگه دارید.

تفاوت میان رونویسی لفظ‌به‌لفظ و پاک‌سازی‌شده چیست؟

رونویسی لفظ‌به‌لفظ، پرکننده‌های گفتاری، تکرارها، شروع‌های نادرست و دستور زبان غیررسمی را مطابق راهنمای سبک اعلام‌شده حفظ می‌کند. رونویسی پاک‌سازی‌شده شلوغی گفتاریِ فاقد معنا را حذف و قالب‌بندی را یکدست می‌کند، در حالی که معنا را حفظ می‌کند. پاک‌سازی‌شده به معنای بازنویسی‌شده نیست: ویراستار نباید نیت، قطعیت یا واقعیت‌هایی را که گوینده بیان نکرده است اختراع کند.

نمونه صوت به متن باید شامل چه مواردی باشد؟

یک نمونه مفید صوت به متن باید منبع، مدت، شرایط ضبط، قوانین رونویسی، روش برچسب‌گذاری گویندگان، قرارداد زمان‌مهر، فرایند بررسی و محدودیت‌های شناخته‌شده را مشخص کند. همچنین باید به خوانندگان اجازه دهد خروجی را با همان صدای ضبط‌شده مقایسه کنند، نه اینکه متن نامرتبط را به‌عنوان مدرکی برای دقت محصول ارائه دهد.

برچسب‌های گویندگان و زمان‌مهرها چگونه به رونوشت جلسه اضافه می‌شوند؟

برچسب‌های گویندگان ممکن است از تفکیک گویندگان، فراداده شرکت‌کنندگان یا شناسایی انسانی به دست بیایند، اما شماره‌های تولیدشده برای گویندگان مدرکی برای هویت آن‌ها نیستند. زمان‌مهرها می‌توانند هر نوبت گفت‌وگو، یک بازه ثابت یا مرزهای نشانه زیرنویس را مشخص کنند. قرارداد را بیان کنید و پیش از اشتراک‌گذاری رونوشت، نام‌ها و زمان‌ها را با ضبط بررسی کنید.

آیا برای دقیق بودن رونوشت باید همه کلمات پرکننده را داشته باشد؟

همیشه نه. دقت به قانون خروجی مورد توافق بستگی دارد. خروجی کاملاً لفظ‌به‌لفظ معمولاً پرکننده‌ها و تکرارها را حفظ می‌کند؛ خروجی پاک‌سازی‌شده ممکن است آن‌ها را بدون تغییر معنا حذف کند. هر دو می‌توانند مطابق مشخصات خود دقیق باشند. مشکل زمانی ایجاد می‌شود که قوانین بی‌سروصدا تغییر کنند یا مکثی که برای تفسیر اهمیت دارد ویرایش و حذف شود.

آیا HiNoter می‌تواند همین صدا را به رونوشت و یادداشت‌های جلسه تبدیل کند؟

معرفی محصول ارائه‌شده توسط کاربر می‌گوید HiNoter می‌تواند صدای مجاز را به رونوشت تفکیک‌شده بر اساس گوینده، خلاصه، موارد اقدام، نقشه ذهنی و پاسخ‌های چت هوش مصنوعی دارای پیوند به منبع تبدیل کند. این مقاله این خروجی‌ها را در یک حساب با ورود به سیستم اندازه‌گیری نکرده است؛ بنابراین رفتار فعلی، پوشش زبان‌ها، خروجی‌ها، محدودیت‌ها و کنترل‌های حریم خصوصی باید پیش از انتشار بررسی شوند.

یک ضبط مجاز را پردازش کنید و همه خروجی‌ها را بررسی کنید

یک جلسه یا فایل صوتی مجاز را در HiNoter بارگذاری کنید، سپس پیش از اشتراک‌گذاری نتیجه، رونوشت، خلاصه، موارد اقدام، نقشه ذهنی و پاسخ‌های دارای پیوند به منبع آن را با ضبط مقایسه کنید.

یک فایل صوتی مجاز را پردازش کنید | روند کاری پاسخ‌های دارای ارجاع را ببینید