Главное
Чтобы понять голосовое сообщение на незнакомом языке, нужно проделать две разные операции: сначала превратить звук в текст на том языке, на котором говорили, а уже потом перевести этот текст. Переводчик не может начать работу, пока не готов первый шаг, — он ждёт текст, который можно набрать. Именно на этапе распознавания речи решается качество результата: ошибка, допущенная здесь, честно переводится на ваш язык и перестаёт выглядеть как ошибка. Если проделать оба шага самостоятельно, слушать сообщение никому больше не придётся.
Голосовое сообщение приходит от родственника, поставщика, арендодателя. Вы разбираете пару слов — достаточно, чтобы понять: это важно, и недостаточно, чтобы понять, о чём речь. Первое, что приходит в голову, — открыть переводчик, который уже стоит на телефоне. И это не срабатывает: приложение ждёт, что вы наберёте текст, а набрать то, что вы не можете разобрать на слух, невозможно.
Второй очевидный вариант — переслать сообщение тому, кто знает язык. Это работает, но обходится ценой, которую не всегда хочется платить. Эта статья о том, как обойтись без переводчика-человека и без бессмысленного тыканья в приложение: что машина распознаёт правильно, а где именно она ошибается — причём эти ошибки можно научиться замечать даже на языке, который вы никогда не читали.
Почему обычный переводчик здесь бессилен
Перевод речи — это две разные операции под одним названием. Первая — распознавание: превращение звука в написанные слова на языке, на котором говорил человек. Вторая — перевод: превращение этих слов в текст на языке, который понимаете вы. Это разные механизмы, они ошибаются по-разному, и большинство инструментов, к которым люди привыкли тянуться, умеют делать только второе.
Вот почему приложение на вашем телефоне просто бездействует. Оно построено вокруг текстового поля: текст на входе, текст на выходе. Дайте ему аудиофайл — и работать не с чем. Некоторые инструменты принимают речь через микрофон, что помогает, когда говорите вы сами и можете повторить фразу, и почти не помогает с записью чужой быстрой речи при плохой связи.
Как только понимаешь порядок действий, задача выглядит иначе. Вам не нужен переводчик как таковой. Вам нужно что-то, что выдаст письменную версию сообщения на языке оригинала, — а дальше привычный переводчик сработает так же, как всегда. Чем бы вы обычно пользовались для текста, то и подойдёт для второй половины задачи. Первую половину придётся решать отдельно.
Это же объясняет вещь, которая сбивает с толку: почему сообщение иногда возвращается переведённым бегло, уверенно и совершенно неправильно. Перевод свою часть работы сделал честно. Ему просто подсунули плохой исходный текст, и он красиво его оформил.
Чего стоит просьба «послушай за меня»
Переслать сообщение двуязычному другу, родственнику, коллеге, который знает язык, — быстро и обычно точно. Но это значит отдать этому человеку содержание личного разговора целиком, с интонацией в придачу.
Если речь о дате доставки — никому нет дела. Если речь о деньгах, здоровье или семье — расчёт другой. Голосовое от родственника с результатами анализов — не то, что хочется давать слушать коллеге. Сообщение от арендодателя о задолженности — не то, что хочется объяснять другу, пока вы сами не решили, как к этому относиться. То же касается сообщения от поставщика о платеже, в котором вы, возможно, ошиблись.
В итоге сообщение просто остаётся непрочитанным. Не потому, что оно неважное, а потому что разобраться с ним — значит кого-то в это втянуть, а у втягивания есть социальная цена, которую приходится платить ещё до того, как вы узнаете содержание. Именно из-за этого голосовые сообщения неделями лежат непрослушанными. Сообщение, которое вы не можете прочитать, — то самое, которое меньше всего хочется зачитывать вслух кому-то ещё.
Это настоящая причина проделывать оба шага самому, и о ней стоит сказать прямо, а не подавать приватность как приятный бонус. Дело не в том, что машинное распознавание точнее вашего родственника. Скорее всего, родственник справится лучше. Дело в том, что вы можете прочитать сообщение первым, одному, и уже потом решить, нужно ли кому-то ещё об этом знать.
От первого шага зависит качество второго
Насколько полезен итоговый результат, целиком определяется расшифровкой на языке оригинала. Сделайте её правильно — и перевод становится рутинной задачей. Ошибитесь — и ошибка поедет дальше.
Вот в чём опасность. Если в расшифровке на исходном языке есть ошибка, а вы этот язык не читаете, вы эту ошибку никогда не увидите. Она уходит на этап перевода, честно переводится на язык, который вы понимаете, и приходит к вам как обычное предложение. Никаких зазубрин. Ничто не сигналит о проблеме. Неверное слово, прошедшее через перевод, выглядит точно так же, как верное.
Сравните это с расшифровкой на языке, который вы знаете, — там ошибка сама заявляет о себе. Вы читаете фразу, она не складывается в смысл, вы переслушиваете аудио. Этой петли самопроверки у вас здесь нет. Вы читаете результат процесса, который не можете проверить.
Практический вывод: относиться с подозрением надо к расшифровке, а не к переводу. Если что-то читается странно на вашем языке, дело почти никогда в переводе. Почти всегда это слово, которое распознавание услышало неверно, и правильный шаг — посмотреть на текст оригинала в этом месте и переслушать именно этот момент аудио, даже не понимая языка. Если вы услышите, что говорящий произнёс короткое слово там, где в расшифровке стоит длинное, это уже подсказка.
Пусть язык определится сам — а потом проверьте, что определилось
Тут же возникает практическое препятствие: некоторые инструменты просят выбрать исходный язык из списка, прежде чем что-то делать. Если вы не уверены, какой это язык, — а люди часто не различают на слух близкородственные языки, — вы угадываете настройку, от которой зависит весь результат.
Определение языка прямо из аудио убирает этот шаг. Расширение SozAI для WhatsApp Web само вычисляет язык по записи, а не спрашивает вас, и показывает значок с тем, какой язык оно определило. Этот значок — самое полезное здесь: именно по нему вы ловите ошибочную догадку. Если там указан язык, которым отправитель точно не владеет, значит расшифровка ниже читать не стоит, и вы поймёте это за секунду, а не после двух абзацев путаницы.
Одна вещь, которую стоит держать в голове: краткое содержание возвращается на том же языке, на котором было сказано сообщение. Это правильное поведение для первого шага, и оно означает, что сообщение, которое вы не могли прочитать, всё ещё нельзя прочитать. Вы превратили проблему со звуком в проблему с текстом — в этом и была цель, — но перевод всё равно остаётся за вами.
Самые уязвимые места расшифровки — обычно самые важные
Автоматическая расшифровка сильнее всего справляется с обычной связной речью и слабее всего — ровно с тремя вещами: именами, географическими названиями и числами. Обычное слово можно предсказать по соседним словам. Фамилию нельзя. Название улицы нельзя. Цифру нельзя.
А теперь вспомните, о чём обычно голосовые сообщения. Где встретиться. Сколько должны. Какой день. Кто что кому сказал. Информация, которая вам действительно нужна, сосредоточена именно в тех частях расшифровки, где ошибка на первый взгляд кажется маловероятной, а на деле — наиболее вероятна, и в сообщении про адрес или сумму эти части не мелкая деталь, они и есть суть сообщения.
Поэтому читайте расшифровку в два прохода. Первый проход даёт общую картину: кто говорит, о чём речь, нужен ли ответ сегодня. Этому можно доверять. Второй проход — только для конкретики, и там доверять не стоит, лучше проверить.
- Переслушайте несколько секунд аудио вокруг любого числа и постарайтесь разобрать цифры — их часто можно узнать на слух даже на незнакомом языке.
- Проверяйте имена по своим контактам или предыдущей переписке, а не по расшифровке.
- Сравнивайте адрес с тем, что у вас уже записано для этого человека или организации.
- Если от суммы зависит ваше следующее действие, подтвердите её письменно, прежде чем что-то делать.
Попросить отправителя подтвердить цифру текстом — это не признание, что вы чего-то не поняли. Это то же самое, что вы сделали бы с числом, услышанным по плохой телефонной связи на своём родном языке.
Чего это не сделает за вас
Это не выдаст вам готовое сообщение на вашем языке за один шаг. Два шага — это два шага, и расшифровка приходит на том языке, на котором говорили. Если вам нужен готовый результат на своём языке без отдельного этапа перевода, это уже другая задача, не только распознавание, и тут стоит смотреть в сторону перевода между языками. То же самое касается аудио, которое у вас лежит файлом, а не пришло сообщением в WhatsApp, — записи, пересланного вложения, чего-то сохранённого с телефона: этим занимается приложение для транскрибации, а расширение для WhatsApp Web в браузере — нет.
Это не передаст интонацию. Короткая расшифровка длинного сообщения убирает запинки, теплоту, раздражение и паузу перед важной фразой. Если вы пытаетесь понять, насколько сильно волнуется родственник, одних слов будет мало — переслушайте аудио, держа расшифровку перед глазами.
Это не будет надёжным на плохо записанном звуке. Ветер, громкая связь в машине, два человека говорят одновременно, голосовое, записанное в коридоре. Плохой исходный звук даёт уверенную, но неверную расшифровку, а не очевидный сбой, — и это хуже, потому что выглядит как готовый результат.
И это не заменит родственника, если сообщение по-настоящему двусмысленное. Зато это позволяет узнать, двусмысленное ли оно, прежде чем его услышит кто-то ещё. В большинстве случаев ответ — нет, и вы справитесь сами. А когда ответ — да, вы уже знаете, про какие именно тридцать секунд спрашивать, а не отдаёте всю запись целиком.
