Najważniejsze informacje
Zanim sięgniesz po słuchawki, sprawdź, czy nie ma już transkrypcji. WhatsApp może transkrybować wiadomości głosowe bezpośrednio na telefonie, gdy funkcja jest włączona w ustawieniach czatu i pobrany jest pakiet językowy, ale to, czy w ogóle ją masz, zależy od telefonu, wersji systemu i języka. Wersja Telegrama jest funkcją premium, a jej jakość mocno się różni w zależności od języka. Obie to jedynie pomoc w czytaniu. Jeśli musisz zachować, wykorzystać lub przesłać dalej wiadomość, wyeksportuj nagranie i zrób z niego porządną transkrypcję.
Wiadomość głosowa zawsze trafia w najgorszym momencie. Jesteś cztery minuty w spotkaniu, stojesz w cichym wagonie albo dziecko w końcu zasnęło w drugim pokoju i telefon leży wyciszony z bardzo dobrego powodu. Ktoś wysłał ci pięćdziesiąt osiem sekund mówienia, a ty nie masz pojęcia, o czym jest ta wiadomość.
Są dwie odpowiedzi na ten problem i warto wiedzieć, której właściwie potrzebujesz, zanim zaczniesz stukać w ekran. Najczęściej chcesz po prostu wiedzieć, o co chodzi, i telefon może już to potrafić. Czasem jednak wiadomość zawiera coś, co będzie ci potrzebne później, a to zupełnie inne zadanie i inne narzędzie.
Najpierw sprawdź, czy transkrypcja już tam jest
Zanim zaczniesz szukać czegokolwiek innego, zobacz, czy aplikacja, w której jesteś, sama poda ci tekst. WhatsApp i Telegram potrafią to zrobić, pod pewnymi warunkami, i jeśli akurat spełniasz te warunki, cały problem rozwiązuje się w pięć sekund.
Jeśli nic się nie pojawia, nie trać czasu podczas spotkania na przeszukiwanie menu. Albo funkcja jest dla ciebie niedostępna, albo trzeba ją skonfigurować, a żadnej z tych rzeczy nie chcesz robić jedną ręką pod stołem. Odłóż to na później: wycisz powiadomienie i zajmiesz się tym po spotkaniu.
Transkrypcja w WhatsAppie i dlaczego możesz jej nie mieć
WhatsApp dodał własną transkrypcję wiadomości głosowych, która działa na telefonie, a nie gdzieś na serwerze. Włączasz ją w ustawieniach czatu w WhatsAppie, a przy pierwszym użyciu najpierw pobiera się pakiet językowy, więc pierwsza transkrypcja trwa dłużej niż wszystkie kolejne.
Kłopotliwa jest sama dostępność. To, czy funkcja w ogóle istnieje na twoim telefonie, zależy od modelu telefonu, wersji systemu operacyjnego i języka, który chcesz transkrybować. Te trzy czynniki łączą się w sposób, którego aplikacja nigdzie nie wyjaśnia. Kolega może mieć tę opcję na swoim ekranie, a u ciebie po prostu jej nie będzie, i żaden komunikat w aplikacji nie powie ci, czemu tak jest. Jeśli sprawdziłeś ustawienia czatu i nie ma tam tej opcji, to na razie twoja odpowiedź. Nie zrobiłeś nic źle.
Skoro funkcja działa na urządzeniu, transkrypcja też zostaje na urządzeniu. To dobrze dla prywatności i źle dla wszystkiego innego, co mógłbyś chcieć z tym tekstem zrobić.
Telegram i problem z językami
Telegram również transkrybuje wiadomości głosowe, ale to część abonamentu premium. Jeśli nie płacisz, nie masz tej funkcji.
Jeśli płacisz, licz się z tym, że jakość zależy bardzo silnie od języka wiadomości. Niektóre języki wracają na tyle czysto, że da się je przejrzeć w kilka sekund. Inne wracają jako coś, co trzeba odgadywać z kontekstu, co jest wolniejsze, niż gdybyś po prostu odsłuchał nagranie. Nie ma sposobu, żeby wiedzieć z góry, do której grupy trafi twój język, poza jednorazowym sprawdzeniem na wiadomości, którą możesz też odsłuchać, i porównaniem, jak blisko prawdy była transkrypcja.
Czytanie jest dyskretniejsze niż słuchanie
Zostawmy na chwilę dokładność. Jest jeszcze społeczny powód, dla którego tekst bywa lepszy od dźwięku, i nie ma on nic wspólnego z jakością transkrypcji.
Podniesienie telefonu do ucha na spotkaniu zwraca uwagę. Podobnie dyskretnie przechylony głośnik czy wyławianie jednej słuchawki z kieszeni. Rzut oka na tekst na ekranie nie zwraca uwagi. Wszyscy w pomieszczeniu i tak zakładają, że co jakiś czas zerkasz w telefon. Przeczytanie trzech linijek transkrypcji wpisuje się w to założenie, odtwarzanie nagrania już nie.
To samo działa w drugą stronę: w mieszkaniu, gdzie śpi dziecko, albo w biurze na open space, gdzie dźwięk niesie się daleko. Transkrypcja nie wymaga słuchawek, nie wymaga głośności i nie zmusza cię do wyjścia z pokoju. Nawet niedokładna zwykle mówi wystarczająco, żeby wiedzieć, czy odpowiedź może zaczekać godzinę.
Kiedy potrzebujesz więcej niż pomocy w czytaniu
Wbudowana transkrypcja jest właśnie tym: pomocą w czytaniu. Możesz na nią popatrzeć. Zwykle nie możesz jej sensownie wyeksportować, nie możesz przeszukać wszystkich swoich czatów w poszukiwaniu frazy, którą ktoś wypowiedział w wiadomości głosowej w marcu, i nie możesz poprawić błędnie rozpoznanego słowa tak, żeby poprawka została zapisana. To tekst na ekranie, a nie dokument, który faktycznie posiadasz.
Dla większości wiadomości to w pełni wystarcza. Ktoś napisał, że się spóźni. Czytasz, wiesz o co chodzi, idziesz dalej. Ale niektóre wiadomości głosowe niosą coś, czego będziesz potrzebować ponownie: adres, decyzję, zestaw instrukcji, cenę, na którą ktoś zgodził się słowem. W takich przypadkach dobrym rozwiązaniem jest zapisanie nagrania poza czatem i zrobienie z niego właściwej transkrypcji, dzięki czemu dostajesz plik tekstowy powstały z nagrania audio, który możesz edytować, przeszukiwać, wkleić do maila i przesłać komuś, kto nie brał udziału w rozmowie.
Tym właśnie zajmuje się aplikacja do transkrypcji SozAI: zamienia pliki audio i wideo w tekst z oznaczeniem mówców, streszczeniami i tłumaczeniem na ponad 99 języków, co ma znaczenie, gdy wiadomość głosowa nie jest w języku, na który ustawiony jest twój telefon. Aplikacja działa na iOS, Android i macOS, więc możesz zrobić to na tym samym telefonie, na który wiadomość przyszła. To więcej kroków niż jedno stuknięcie w transkrypcję w czacie, i dla wiadomości typu „już jadę” byłaby to strata czasu.
Gdzie te transkrypcje zawodzą
Wbudowana transkrypcja jest najsłabsza właśnie w tych miejscach, dla których w ogóle warto było przeczytać wiadomość. Imiona wracają zniekształcone, szczególnie te, których telefon nigdy wcześniej nie widział. Nazwy miejsc bywają zamieniane na zwykłe słowa, które podobnie brzmią. Liczby są niewiarygodne w sposób naprawdę niebezpieczny, bo błędna cyfra wciąż tworzy zdanie, które wygląda sensownie, i nic nie zasygnalizuje, że jest błędne. Jeśli wiadomość zawiera numer telefonu, kod do drzwi, godzinę lotu albo kwotę pieniędzy, traktuj transkrypcję jako wskazówkę i ten fragment odsłuchaj sam, kiedy tylko będzie to możliwe.
Drugą stałą słabością jest język. Wszystko, co nie jest językiem ustawionym w telefonie, wraca gorzej, a wiadomość, w której ktoś przełącza się między dwoma językami w połowie zdania, co w rzeczywistości robi bardzo wiele osób, wraca zwykle najgorzej z wszystkich.
To, w czym te transkrypcje są dobre, to szybka ocena sytuacji. Czy to pilne. Czy to o tym, o czym myślę, że jest. Czy może zaczekać, aż wyjdę stąd. Na te pytania odpowiadają dobrze, i odpowiadają bezgłośnie, co jest sensem całej sprawy, kiedy nie możesz odsłuchać nagrania. Nie działaj tylko na podstawie jednego przeczytanego, ale nieodsłuchanego szczegółu, jeśli pomyłka w tym szczególe mogłaby cię coś kosztować.
