برچسبهای گوینده و مُهرهای زمانی، متن رونویسی را قابل جستوجو، قابل انتساب و بررسی آن را آسانتر میکنند؛ اما فقط زمانی که قالب با خروجی موردنظر مطابقت داشته باشد. برای شرکتکنندگان شناختهشده از نامهای تأییدشده، زمانی که هویت ضروری نیست از برچسبهای نقش، و زمانی که فقط جداسازی صداها اهمیت دارد از برچسبهای ناشناسِ ثابت استفاده کنید؛ همچنین وقتی هویت قابل تأیید نیست، از «گوینده ناشناس» استفاده کنید. برای متنهای رونویسی خوانا، در هر تغییر گوینده یک مُهر زمانی اضافه کنید؛ برای ویرایش یا استناد از بازههای شروع-پایان و برای زیرنویسها از بازههای نشانگر استفاده کنید. این راهنما اصطلاحات را تعریف میکند، قالبها را مقایسه میکند، گفتار همپوشان را پوشش میدهد و یک روند تکرارپذیر کنترل کیفیت انسانی ارائه میکند.
پاسخ مستقیم: برچسبهای گوینده هر نوبت صحبت را مشخص میکنند، در حالی که مُهرهای زمانی آن نوبت را به یک لحظه از منبع متصل میکنند. سریعترین پیشفرض قابل اعتماد، یک نام تأییدشده یا برچسب نقش ثابت بههمراه مُهر زمانی آغاز نوبت است؛ مانند [00:09] مایا چن:. برای ویرایش از بازهها، برای زیرنویسها از زمانهای نشانگر و بهجای حدسزدن هویت از «گوینده ناشناس» استفاده کنید.
تعریف: برچسبهای گوینده و مُهرهای زمانی، فرادادههای متن رونویسی هستند که گفتار را به یک فرد یا نقش ثابت نسبت میدهند و کلمات، نوبتها یا نشانگرهای زیرنویس را به موقعیتهای دقیق در صدای منبع متصل میکنند.
برچسبهای گوینده و مُهرهای زمانی چیستند؟
برچسبهای گوینده و مُهرهای زمانی به دو پرسش متفاوت پاسخ میدهند: چه کسی مسئول یک بخش است و کجا آن بخش در منبع رخ میدهد. یک متن رونویسی مفید این دو پرسش را جدا نگه میدارد، زیرا یک سیستم ممکن است صداها را با دقت مکانیابی و از هم جدا کند، اما همچنان نام واقعی اشتباهی را به آنها نسبت دهد.
| اصطلاح | تعریف کوتاه | آنچه میتواند اثبات کند | آنچه بهتنهایی نمیتواند اثبات کند |
|---|---|---|---|
| تفکیک گویندگان | صدا را بر اساس گوینده بخشبندی میکند و به نوبتهای صحبت برچسبهای تولیدشده و ثابت اختصاص میدهد. | اینکه چه کسی، در ارتباط با سایر صداهای شناساییشده، چه زمانی صحبت کرده است. | نام تأییدشده، نقش، اختیار یا قصد فرد. |
| شناسایی گوینده | یک صدای شناساییشده را به یک فرد واقعی یا نقش پروژهای تأییدشده مرتبط میکند. | برچسبی قابل فهم برای انسان که از فهرست افراد، معرفی یا ضبط شناختهشده پشتیبانی میشود. | انتساب بینقص زمانی که صداها همپوشانی دارند یا شواهد روشن نیستند. |
| بازه مُهر زمانی | زمان شروع و پایان یک کلمه، نوبت، بخش یا نشانگر زیرنویس. | بازه منبع مرتبط با متن. | درستی کلمات یا برچسب گوینده. |
| نشانگر رویداد | نشانهگذاری ثابتی برای یک صدای معنادار یا وضعیت منبع، مانند [خنده]، [در بسته میشود]، [گفتار همپوشان] یا [نامفهوم 00:24]. | زمینهای که کلمات گفتهشده بهتنهایی ثبت نمیکنند. | کلمات شنیدهنشده یا هویت تأییدنشده. |
Google Cloud تفکیک گویندگان را شناسایی تغییرات گوینده و اختصاص برچسب به صداهای مختلف توصیف میکند. مستندات IBM پا را فراتر میگذارد: شناسههای تولیدشده ممکن است ترتیبی نباشند، شناسههای موقت ممکن است تغییر کنند و بدون وجود منبع شواهدی دیگر، نباید همان برچسب را بهعنوان نام تأییدشده تفسیر کرد.
منابع: Google Cloud: شناسایی گویندگان مختلف و IBM Cloud: برچسبهای گوینده، بررسیشده در 2026-08-05.
برچسب صحیح گوینده در رونویسی چیست؟
برچسب صحیح گوینده، خاصترین انتسابی است که شواهد از آن پشتیبانی میکنند و از ابتدا تا انتها بهطور ثابت استفاده میشود. سبک بصری در درجه دوم اهمیت قرار دارد. برچسب باید به خواننده موردنظر کمک کند نوبتهای صحبت را از هم تشخیص دهد، بدون اینکه میزان قطعیت بیش از حد واقعی نشان داده شود.
| شواهد موجود | برچسب پیشنهادی | مثال | قاعدهٔ راستیآزمایی |
|---|---|---|---|
| هویت تأیید شده و مرتبط است | نام کامل تأییدشده | Maya Chen: | آن را با معرفی خود شخص، فهرست تأییدشده یا صدای مرجع شناختهشده مطابقت دهید. |
| نقش مهمتر از نام است | نقش ثابت | Interviewer: | نقش را تأیید کنید و در سراسر متن از یک املا استفاده کنید. |
| صداها از هم جدا شدهاند اما هویتها ناشناختهاند | شناسهٔ ناشناس | Speaker 2: | این نگاشت را ثابت نگه دارید؛ فرض نکنید عدد نشاندهندهٔ ترتیب زمانی است. |
| هویت قابل تأیید نیست | عدم قطعیت صریح | Unknown speaker: | تا زمانی که صدا یا سوابق پروژه اصلاح را پشتیبانی نکردهاند، آن را ناشناخته باقی بگذارید. |
میتوان: پس از تأیید صدا، یک برچسب ناشناس را تغییر نام داد. نمیتوان: یک شمارهٔ تفکیک گوینده، ترتیب نمایش، لهجه، عنوان شغلی که شخص دیگری ذکر کرده است یا صدای محتمل را بهعنوان مدرک هویت تلقی کرد.
در زیرنویسها، جایگذاری بصری گاهی میتواند گویندهٔ روی صفحه را بدون تکرار نام مشخص کند. DCMP شناسایی واضح گوینده و ارائهٔ یکدست را توصیه میکند؛ همچنین اشاره میکند که نامهای خاصِ استفادهشده بهعنوان شناسهٔ گوینده با حرف بزرگ نوشته میشوند، در حالی که شناساییهای عمومی معمولاً با حروف کوچک نوشته میشوند. یک رونوشت ساده میتواند از بزرگنویسی معمول نام استفاده کند و پس از آن دونقطه بیاورد.
منبع: راهنمای زیرنویسگذاری DCMP، بررسیشده در 2026-08-05.
کدام قالب برچسب گوینده درست است؟
هیچ قالب جهانشمولی برای برچسب گوینده وجود ندارد. قالب درست، قالبی است که مقصد تعیین میکند و بهصورت یکدست به کار میرود. برای اسناد از یک برچسب خوانا برای نوبت گفتگو، برای WebVTT از یک حاشیهنویسی صوتی قابل خواندن توسط ماشین، و هنگامی که دادگاه، پخشکننده، پروژهٔ پژوهشی، ارائهدهندهٔ خدمات دسترسپذیری یا آرشیو قالبی را تعیین میکند، از سبک دقیق مشتری استفاده کنید.
| خروجی | الگوی پیشنهادی | مثال | محدودیت اصلی |
|---|---|---|---|
| رونوشت خوانا | مُهر زمانی + برچسب تأییدشده + دونقطه | [00:09] Maya Chen: The pilot starts September 22. | فایل زیرنویس نیست و همترازی در سطح واژه ندارد. |
| مصاحبهٔ مبتنی بر نقش | نقش ثابت + دونقطه | Interviewer: What changed? | وقتی طراحی پژوهش به انتساب با نام نیاز دارد، میتواند هویت را پنهان کند. |
| رونوشت پژوهشی ناشناس | کد شرکتکننده | P03: The handoff was unclear. | کد باید جدا از هویت شخصی مدیریت شود. |
| زیرنویسهای WebVTT | بازهٔ قطعه + گسترهٔ صدا | <v Maya Chen>The pilot starts September 22. | پشتیبانی پخشکننده و قواعد جایگذاری زیرنویس همچنان اهمیت دارند. |
از جابهجایی میان Maya، M. Chen، Speaker 1، و Manager برای یک صدای واحد خودداری کنید. اگر هویت در میانهٔ بازبینی اصلاح شد، تمام نوبتهای قبلی را بهروزرسانی کنید و هر خلاصه، مورد اقدام، نقلقول یا پاسخی را که از برچسب قبلی استخراج شده است دوباره بررسی کنید.
مرجع زمانی در رونوشت باید کجا قرار بگیرد؟
سریعترین پیشفرض مفید برای یک رونوشت خوانای چندگوینده، مُهر زمانی در آغاز نوبت گفتگو است که بلافاصله پیش از برچسب گوینده قرار میگیرد. این کار به بازبین یک نقطهٔ کلیک یا حرکت لغزنده برای هر جابهجایی میدهد، بدون اینکه هر جمله را از دادهٔ زمانی پر کند. فقط زمانی سطح متفاوتی را انتخاب کنید که کار بعدی به آن نیاز داشته باشد.
| نوع ارجاع زمانی | مثال | مناسب برای | پیامد |
|---|---|---|---|
| بخش یا فصل | 00:15:00 Procurement risks | پادکست، سخنرانی یا پیمایش جلسههای طولانی | برای راستیآزمایی نقلقول بیش از حد کلی است. |
| شروع نوبت | [00:02:14] Maya Chen: | مصاحبهها و متن پیادهسازیشدهٔ جلسههای خوانا | پایان دقیق را نشان نمیدهد. |
| بازهٔ نوبت | [00:02:14-00:02:19] | ویرایش، بررسی شواهد و نوبتهای همپوشان | شلوغی بصری بیشتر. |
| بازهٔ نشانهٔ زیرنویس | 00:02:14.000 --> 00:02:19.000 | زمانبندی نمایش WebVTT | به نحو معتبر نشانه و بخشبندی خوانا نیاز دارد. |
| افست در سطح واژه | "pilot" 134.2s-134.7s | همترازی، جستوجو و تضمین کیفیت خودکار | معمولاً برای نثر قابلنمایش مناسب نیست. |
Google Cloud برای واژههای شناساییشده افستهای شروع و پایان را ارائه میکند. W3C WebVTT نشانهها را بهصورت بازههای زمانی همتراز با صدا یا ویدئو تعریف میکند و برای میلیثانیهها از نقطه استفاده میکند؛ مانند 00:11.000 --> 00:13.000. براکتهای مربعی در متن پیادهسازیشده یک قرارداد ویراستاری هستند، نه الزامی برای WebVTT.
میتوان: زمانبندی در سطح واژه را ذخیره کرد و در نمایش فقط مُهرهای زمانی در سطح نوبت را نشان داد. نمیتوان: فرض کرد زمانبندی دقیقتر ثابت میکند که شناسایی یا انتساب درست است.
منابع: Google Cloud: Word time offsets و W3C WebVTT، بررسیشده در 2026-08-05.
متن پیادهسازیشدهٔ کلمهبهکلمهٔ کامل، کلمهبهکلمهٔ هوشمند و زیرنویس چه تفاوتی دارند؟
یک فایل صوتی منبع یکسان میتواند سه خروجی معتبر تولید کند، زیرا هر قالب وظیفهٔ متفاوتی دارد. کلمهبهکلمهٔ کامل رفتار گفتاری را حفظ میکند، کلمهبهکلمهٔ هوشمند خوانایی را بهبود میدهد و در عین حال معنا و انتساب را حفظ میکند، و زیرنویس متن را برای نمایش همگام بخشبندی میکند.
نمونهٔ کنترلشدهٔ منبع ویراستاری: در 00:09.100، مایا میگوید: "Um, so I, I think the pilot starts September 22." در 00:11.500، لوئیس با این جمله همپوشانی میکند: "Pending procurement approval." در 00:13.300، مایا میگوید: "Right." این یک نمونهٔ ساختگی QA است، نه آزمون محصول با ورود به حساب.
متن پیادهسازیشدهٔ کلمهبهکلمهٔ کامل
[00:09.100-00:12.700] Maya: Um, so I, I think the pilot starts September 22.
[00:11.500-00:13.200] Luis: [overlapping speech] Pending procurement approval.
[00:13.300-00:13.800] Maya: Right.
از این سطح زمانی استفاده کنید که تکرارها، پرکنندهها، مکثها، وقفهها و رقابت بر سر نوبت بخشی از تحلیل یا مشخصات پروژه باشند. هر نشانهگذاری را در شیوهنامه تعریف کنید.
متن پیادهسازیشدهٔ کلمهبهکلمهٔ هوشمند
[00:09] Maya: I think the pilot starts September 22.
[00:11] Luis: [overlapping speech] Pending procurement approval.
[00:13] Maya: Right.
این نسخه نارساییهای گفتار را حذف میکند، اما شرط لوئیس را با جملهٔ مایا ادغام نمیکند. پاکسازی زبان نباید مالکیت یک گفته را منتقل کند.
بخشی از زیرنویس WebVTT
WEBVTT
00:09.100 --> 00:12.700
<v Maya>I think the pilot starts September 22.
00:11.500 --> 00:13.200
<v Luis>Pending procurement approval.
00:13.300 --> 00:13.800
<v Maya>Right.
WebVTT از زمانبندی شروع-پایان نشانه استفاده میکند و از بازهٔ صوتی پشتیبانی میکند. تولید زیرنویس همچنین باید سرعت خواندن، شکست خطوط، جایگذاری و نشانههای همزمان را در نظر بگیرد. DCMP همگامسازی، همارزی محتوا، شناسایی گوینده و اطلاعات معنادار صوتی را توصیه میکند؛ قواعد زیرنویس تلویزیونی FCC اصول بررسیِ دقیق، همزمان، کامل و درست جایگذاریشده را به کار میبرند.
منابع: W3C WebVTT، DCMP Captioning Key، و 47 CFR 79.1، بررسیشده در 2026-08-05. قواعد کیفیت زیرنویس CFR در زمینهٔ تلویزیونی تعریفشدهٔ خود کاربرد دارند؛ این مقاله از چهار اصطلاح کیفیت بهعنوان معیارهای بررسی استفاده میکند، نه بهعنوان ادعایی حقوقی و جهانشمول.
با همپوشانی، گویندگان ناشناس و نشانگرهای رویداد چگونه باید برخورد کرد؟
همپوشانی هم یک مشکل پیادهسازی گفتار است و هم یک مشکل انتساب. اگر هر دو صدا قابلفهم باشند، هر دو نوبت را با بازههای متقاطع حفظ کنید. اگر فقط یک صدا قابلفهم باشد، همان صدا را پیادهسازی کنید و فقط زمانی وضعیت را علامت بزنید که به خواننده کمک کند. اگر هیچکدام قابلاعتماد نباشند، منبع را ناخوانا علامت بزنید و در جریان QA دوباره به آن بازگردید.
- نوبتهای همپوشانِ قابلفهم: برچسبها و بازههای زمانی را جدا نگه دارید؛ دو گوینده را در یک جمله ترکیب نکنید.
- واکنشهای کوتاه: عبارتهای "yes,"، "right," و "mm-hmm" را با دقت بررسی کنید، زیرا گویشسنجی اغلب گفتارهای کوتاه را اشتباه به گویندهها نسبت میدهد.
- هویت ناشناخته: بهجای یک نام احتمالی، از
Unknown speaker:یا یک شناسهٔ ناشناسِ ثابت استفاده کنید. - واژههای نامفهوم: از یک نشانگر تعریفشده در پروژه، مانند
[inaudible 00:24]؛ استفاده کنید؛ هرگز واژهای را که بازبین انتظار داشته بشنود ننویسید. - صداهای معنادار: هنگامی که بر درک مطلب اثر میگذارند، از توصیفهای کوتاه و با حروف کوچک مانند
[laughter]،[door closes]، یا[phone rings]استفاده کنید. - سکوت و مکثها: فقط زمانی علامتگذاری کنید که مدت یا اثر گفتوگویی آنها برای خروجی نهایی اهمیت داشته باشد.
IBM هشدار میدهد که تشخیص دقیق گفتوگوی همزمان یا همپوشانی در صدای ترکیبی میتواند دشوار یا ناممکن باشد؛ گفتارهای کوتاه، نویز، گویندهٔ مسلط و تعداد زیاد شرکتکنندگان نیز میتوانند عملکرد برچسبگذاری گوینده را کاهش دهند. کانالهای ضبطشدهٔ جداگانه میتوانند نیاز به حدسزدن دربارهٔ اینکه چه کسی صحبت کرده است را کاهش دهند، اما کانالها همچنان به همترازی و تضمین کیفیت نیاز دارند.
محدودیتهای شناسایی خودکار گوینده چیست؟
سامانههای خودکار میتوانند بخشبندی و پیمایش منبع را سرعت ببخشند، اما خروجی گویشسنجی فرادادهای موقت است. با آن مانند صف بررسی رفتار کنید، نه یک سابقهٔ نهایی هویت.
| خرابی | علت رخداد | نشانهٔ قابل مشاهده | اقدام بازبین |
|---|---|---|---|
| جابهجایی گوینده | صداهای مشابه یا تحویل ضعیف نوبت | جملهٔ یک نفر زیر برچسب فردی دیگر ظاهر میشود | قبل و بعد از جابهجایی را دوباره پخش کنید و کل بخش تحتتأثیر را اصلاح کنید. |
| گویندهٔ خیالی | نویز یا تغییر صدا | برچسب جدیدی ظاهر میشود، با اینکه فرد جدیدی به جمع نپیوسته است | فقط پس از تأیید صدا در مقایسه با نوبتهای نزدیک، ادغام کنید. |
| نادیدهگرفتن گوینده | مشارکت کوتاه یا گویندهٔ اصلیِ مسلط | شرکتکنندهای که کوتاه صحبت کرده به صدای اصلی نسبت داده میشود | وقفهها و واکنشهای کوتاه را بهصورت دستی بررسی کنید. |
| فروپاشی همپوشانی | کانال ترکیبیِ منفرد | دو صدا به یک جملهٔ ناقص تبدیل میشوند | هرگاه امکان دارد، از پخش بازهای یا قطعههای جداگانه استفاده کنید. |
| لغزش برچسب موقت | مدل با رسیدن صدای بیشتر، برآورد خود را بازبینی میکند | شمارههای گوینده بین خروجی جزئی و نهایی تغییر میکنند | تطبیق هویت را روی رونوشت نهایی انجام دهید، سپس آن را یکدست کنید. |
میتواند: از گویشسنجی برای اولویتبندی بررسی تغییر گوینده استفاده کند. نمیتواند: بدون گوشدادن به منبع، تضمین کند که هر صدا، وقفه یا نام درست خواهد بود.
چگونه تضمین کیفیت انسانی را روی برچسبهای گوینده و مُهرهای زمانی اجرا میکنید؟
بهجای پخش خطی فایل، کار را با محتوای پرخطر آغاز کنید: تصمیمها، تعهدات، نامها، تاریخها، اعداد، نقلقولها، وعدههای بیرونی و نقاطی که صداها همپوشانی دارند. سپس کل سند را یکدست کنید.
- فهرست گویندگان و سبک را آماده کنید. گویندگان مورد انتظار، نامها یا نقشهای تأییدشده، قالب خروجی، دقت مُهر زمانی، قرارداد نشانگر رویداد و محدودیتهای حریم خصوصی را فهرست کنید.
- صداهای شناختهشده را لنگر کنید. از معرفی خود یا لحظهٔ دیگری از منبعِ تأییدشده برای پیوند دادن صدا به یک نام واقعی استفاده کنید؛ هویت را از شمارهٔ گویشسنجی استنباط نکنید.
- تغییرات گوینده را بررسی کنید. اولین تحویل نوبت و هر تصمیم پرخطر، نقلقول، مسئول، مهلت، تأیید کوتاه و وقفه را دوباره پخش کنید.
- همپوشانی و عدم قطعیت را برطرف کنید. نوبتهای همزمانِ قابلفهم را حفظ کنید، همپوشانی یا رویدادهای صوتی مفید را بهطور یکدست علامتگذاری کنید و هنگامی که شواهد کافی نیست، نشانگرهای Unknown speaker یا inaudible را نگه دارید.
- همترازی مُهرهای زمانی را بررسی کنید. تأیید کنید که مُهرهای زمانیِ شروع نوبت یا بازه، لحظهٔ درست منبع را باز میکنند و شروع، پایان و ترتیب خواندن نشانههای زیرنویس با صدا مطابقت دارند.
- سند را یکدست کنید. در سراسر خروجی، یک شیوهٔ نگارش برچسب، حروفگذاری، نشانهگذاری، الگوی مُهر زمانی و سبک نشانگر رویداد را اعمال کنید.
- خروجیهای مشتقشده را دوباره بررسی کنید. پس از اصلاح یک برچسب یا زمان، خلاصهها، موارد اقدام، نقلقولها، خروجیها و پاسخهای استنادشده را بررسی کنید تا خطا در مراحل بعدی باقی نماند.
سریعترین گردشکار قابل دفاع: از برچسبهای تولیدشدهٔ ثابت و مُهرهای زمانیِ شروع نوبت استفاده کنید، معرفی یا نخستین نمونهٔ واضح هر صدا را بررسی کنید، هر تحویل نوبتِ پُرتأثیر را بازبینی کنید، سپس برچسبها را بهصورت سراسری تغییر نام دهید. اگر خروجی پرخطر است، بهجای فرض کامل بودن بررسی اول، از بازبین دوم یا یک قاعدهٔ نمونهگیری مستند استفاده کنید.
اندازهگیریشده: صفحههای نتایج موتورهای جستوجوی Google و Bing بههمراه صفحههای Google Cloud، IBM Cloud، W3C، DCMP و FCC در تاریخ 2026-08-05 بررسی شدند. قابلاعمال نیست: بارگذاری صدا، خروجی گویشسنجی، دقت محصول، توافق بازبینها، سرعت پردازش و در دسترس بودن قابلیتهای نیازمند ورود به حساب.
برچسبهای گوینده، مُهرهای زمانی و استنادها چگونه یکدیگر را تأیید میکنند؟
رونوشت زمانی به منبع متکی میشود که برچسب، زمان منبع و پاسخ مشتقشده بتوانند بهعنوان یک زنجیره بررسی شوند. اصلاح رونوشت کافی نیست اگر یک مورد اقدام یا پاسخ هوش مصنوعی همچنان مسئول قبلی را نشان دهد.
نمایش ویرایشی کنترلشده؛ اندازهگیری محصول قابلاعمال نیست.
00:09 Maya Chen: "The pilot starts September 22."
00:24 Speaker 2: "I will send the access list by September 15."
00:41 Maya Chen: "Procurement approval is still open."
مسیر بررسی: 00:24 را باز کنید، صدا را با معرفی تأییدشدهٔ Luis Ortiz مقایسه کنید، Speaker 2 را به Luis Ortiz تغییر دهید و همهٔ خروجیهای مشتقشده را دوباره اجرا یا بررسی کنید.
مورد اقدام اصلاحشده: Luis Ortiz - ارسال فهرست دسترسی - مهلت تا ۱۵ سپتامبر - منبع 00:24.
پاسخ استنادشده: «چه کسی مسئول فهرست دسترسی است؟» Luis Ortiz [00:24].
اصلاح تنها زمانی کامل است که متن پیادهسازیشده، خلاصه، مورد اقدام، خروجی و پاسخ استنادشده همگی از نام Luis استفاده کنند. اگر هویت قابل تأیید نباشد، پاسخ صادقانه این است که گوینده ۲ مسئول اقدام است، با منبع 00:24، تا زمان شناسایی.
HiNoter در کجای این گردش کار قرار میگیرد؟
HiNoter یک ابزار هوش مصنوعی برای یادداشتبرداری از جلسات و منابع چندگانه است که جلسات مجاز، ویدئوهای YouTube، فایلهای PDF، ویدئو و صدا را به یادداشتهای ساختاریافته و پاسخهای استنادشده تبدیل میکند.
پس از آنکه یک جلسه یا فایل برای پردازش مجاز شد، میتوان HiNoter را برای پیمایش متن پیادهسازیشده با برچسب گوینده، پخش با زمانسنج، اصلاح برچسب، خلاصههای ساختاریافته، موارد اقدام و پاسخهای گفتوگوی هوش مصنوعی که به لحظات منبع پیوند میدهند، ارزیابی کرد. پیوند منبع باعث میشود اصلاح قابل بررسی باشد؛ اما برچسب خودکار اولیه را خطاناپذیر نمیکند.
ارائهشده توسط کاربر / پیش از انتشار تأیید کنید: ویرایش برچسب گوینده، پیمایش زمانی، حضور و غیاب خودکار، تولید متن پیادهسازیشده، سرعت پردازش، پشتیبانی زبانی، یادداشتهای ساختاریافته، یکپارچهسازیها و گفتوگوی هوش مصنوعی با پیوند به منبع، برای این صفحه در یک حساب واردشده HiNoter آزمایش نشدهاند. پیش از انتشار، رفتار فعلی، طرح حساب، قالب خروجی، کنترلهای حریم خصوصی، دسترسی به منبع، انتشار اصلاحات و گزینههای حذف را تأیید کنید.
به HiNoter سر بزنید، گردش کار تبدیل صدا به متن را آزمایش کنید، یادداشتهای جلسه هوش مصنوعی را مقایسه کنید، ارجاعات منبع در گفتوگوی هوش مصنوعی را بررسی کنید، سیاست حفظ حریم خصوصی را مرور کنید و یکپارچهسازی Google Docs را ببینید. گردش کار چندزبانه متن پیادهسازیشده مرتبط توضیح میدهد که چرا انتساب گوینده و معنای میانزبانی بررسیهای کیفی جداگانهای هستند.
چه بررسیهای حریم خصوصی و مجوزی لازم است؟
برچسبهای گوینده میتوانند با مرتبط کردن صدا، نام، نقش، گفته و زمان، یک متن پیادهسازیشده عمومی را به داده شخصی تبدیل کنند. فقط صدایی را پردازش کنید که مالک آن هستید یا مجوز استفاده از آن را دارید، در صورت لزوم به شرکتکنندگان اطلاع دهید و دسترسی به متن پیادهسازیشده و ضبط منبع را به افرادی محدود کنید که به آن نیاز دارند.
- هدف ضبط، پیادهسازی متن، شناسایی گوینده و پردازش هوش مصنوعی پس از آن را مستند کنید.
- هرگاه پژوهش یا طراحی حریم خصوصی نیاز به ناشناسسازی دارد، بهجای نام از کدهای شرکتکنندگان استفاده کنید.
- ویژگیهای هویتی حساس را از روی صدا استنباط نکنید.
- دسترسی به فهرستی را که کدهای ناشناس شرکتکنندگان را به نامهای واقعی مرتبط میکند، محدود کنید.
- قوانین نگهداری و حذف را هم برای متن پیادهسازیشده و هم برای فایل صوتی اصلی اعمال کنید.
- برای محتوای حقوقی، منابع انسانی، درمانی، مشتریان یا مشمول مقررات، مسئول حریم خصوصی یا رعایت مقررات مربوطه را درگیر کنید.
این یک راهنمای گردش کار است، نه مشاوره حقوقی. شرایط حریم خصوصی محصول و قوانین محلی ضبط یا زیستسنجی باید برای شرکتکنندگان، حوزه قضایی و مورد استفاده واقعی بررسی شوند.
پرسشهای متداول
برچسب گوینده در پیادهسازی متن چیست؟
برچسب گوینده در پیادهسازی متن، شخص، نقش یا صدای ناشناس مسئول یک نوبت صحبت را مشخص میکند. نمونهها عبارتاند از Maya Chen، مصاحبهگر، گوینده ۲ و گوینده ناشناس. برچسب باید ثابت بماند و نباید هویت واقعی را ادعا کند، مگر آنکه این هویت از منبع یا سوابق پروژه تأیید شده باشد.
کدام برچسب گوینده درست است؟
برچسب درست گوینده، دقیقترین برچسبی است که شواهد پشتیبانی میکنند: نام تأییدشده زمانی که هویت اهمیت دارد، نقش زمانی که نقش کافی است، یک شماره ناشناس ثابت زمانی که تفکیک گویندگان فقط صداها را از هم جدا کرده است، یا گوینده ناشناس زمانی که هویت قابل تأیید نیست. ثبات و قابلیت راستیآزمایی از قالببندی تزئینی مهمترند.
قالب درست برچسب گوینده چیست؟
برای متنی خوانا، در ابتدای هر نوبت صحبت از یک برچسب و سپس دونقطه استفاده کنید؛ برای مثال [00:09] Maya Chen: اجرای آزمایشی از ۲۲ سپتامبر آغاز میشود. برای زیرنویسها، مشخصات فایل مقصد را دنبال کنید؛ WebVTT از یک گستره صوتی پشتیبانی میکند که گوینده جمله را مشخص میکند. یک مشتری، دادگاه، شبکه پخش یا پروژه پژوهشی ممکن است سبک سازمانی متفاوتی را الزامی کند.
مرجع زمانی در پیادهسازی متن باید کجا قرار بگیرد؟
برای یک متن عمومی، زمان شروع نوبت را بلافاصله پیش از برچسب گوینده قرار دهید. زمانی از بازههای شروع و پایان استفاده کنید که ویرایشگر به مرزهای دقیق نیاز دارد، زمانهای دورهای را فقط زمانی به کار ببرید که پروژه درخواست کرده باشد و برای زیرنویسها از بازههای cue استفاده کنید. زمانهای مربوط به سطح کلمه بهتر است بهجای چاپ پیش از هر کلمه، بهعنوان داده همترازی قابل خواندن توسط ماشین نگهداری شوند.
گویندگان همپوشان یا ناشناس چگونه باید برچسبگذاری شوند؟
وقتی کلمات قابل فهم هستند، هر دو نوبت را حفظ کنید و به هرکدام یک بازه زمانی بدهید. هرگاه به بازبین کمک میکند، یک نشانگر وضعیت ثابت مانند [گفتار همپوشان] اضافه کنید. اگر صدا یا کلمات قابل تأیید نیستند، بهجای نسبت دادن یک نام محتمل یا ساختن متن، از گوینده ناشناس یا [نامفهوم 00:24] استفاده کنید.
HiNoter با برچسبهای گوینده و زمانها چه میکند؟
پس از مجوزدهی، میتوان HiNoter را برای پیمایش متن پیادهسازیشده، ویرایش برچسب گوینده، یادداشتهای ساختاریافته، موارد اقدام و پاسخهای گفتوگوی هوش مصنوعی که به زمانهای منبع بازمیگردند، ارزیابی کرد. این رفتارهای محصول برای این مقاله توسط کاربر ارائه شدهاند و پیش از انتشار باید در محصول، طرح، کنترلهای حریم خصوصی و گردش کار پیوند به منبع فعلی تأیید شوند.
یک متن پیادهسازیشده مجاز را با منبع آن بررسی کنید
ابتدا نمونه کنترلشده بالا را بررسی کنید. سپس یک جلسه یا فایل مجاز را در HiNoter پردازش کنید، برچسبهای گوینده را اصلاح کنید، زمانهای منبع را باز کنید و تأیید کنید که خلاصه، موارد اقدام و پاسخهای گفتوگوی هوش مصنوعی انتساب اصلاحشده را منتقل میکنند.
یک جلسه یا فایل مجاز را پردازش کنید | گفتوگوی هوش مصنوعی پیوندخورده به منبع را ببینید