ถอดเสียงบันทึกยาวสองชั่วโมง ต้องใช้เวลานานแค่ไหน

สรุปประเด็นสำคัญ

สำหรับไฟล์บันทึกยาวสองชั่วโมง การถอดเสียงด้วยระบบอัตโนมัติเองใช้เวลาเพียงเสี้ยวเล็กๆของความยาวไฟล์ ซอฟต์แวร์ไม่ใช่ตัวถ่วงเวลา สิ่งที่กำหนดว่าคืนนี้คุณจะเสร็จหรือไม่คือขั้นตอนตรวจแก้หลังจากนั้น ทรานสคริปต์แบบหยาบๆที่แค่ใช้ค้นหาข้อความแทบไม่ต้องแก้อะไรเลย แต่ถ้าเป็นทรานสคริปต์ที่จะนำไปอ้างอิงหรือเผยแพร่ ต้องฟังเทียบกับเสียงจริงทั้งหมด แก้ไขชื่อ ตัวเลข และช่วงที่คนพูดสวนกัน ส่วนการพิมพ์เองด้วยมือนั้นใช้เวลานานกว่าความยาวไฟล์หลายเท่า และจะยิ่งแย่ลงถ้าเสียงไม่ชัด ดังนั้นให้เผื่อเวลาไว้สำหรับขั้นตอนตรวจแก้ ไม่ใช่เผื่อเวลาให้ซอฟต์แวร์

การพูดสองชั่วโมง ด้วยความเร็วที่คนทั่วไปพูดกัน จะออกมาเป็นตัวหนังสือประมาณหนึ่งหมื่นหกพันถึงหนึ่งหมื่นแปดพันคำ ยาวพอๆกับหนังสือเล่มเล็กหนึ่งเล่ม แค่ตัวเลขนี้ก็บอกอะไรบางอย่างเกี่ยวกับค่ำคืนที่รออยู่ข้างหน้าแล้ว ไม่มีใครอยากอ่านมันแบบรวดเดียวจบ และแทบไม่มีใครอยากพิมพ์มันขึ้นมาใหม่ทั้งหมดถ้ามีทางอื่น

คำตอบที่ตรงไปตรงมาว่ากระบวนการนี้ใช้เวลาเท่าไหร่ ขึ้นอยู่กับสองสิ่งที่คุณควบคุมได้ กับอีกหนึ่งสิ่งที่ควบคุมไม่ได้ คือเสียงในไฟล์สะอาดแค่ไหน ทรานสคริปต์ที่เสร็จแล้วต้องสะอาดระดับไหน และคุณพิมพ์หรือฟังได้เร็วแค่ไหนจริงๆ ซอฟต์แวร์เปลี่ยนแปลงได้แค่ส่วนเดียวของสมการนี้ มันแตะอีกสองส่วนไม่ได้เลย

มาคำนวณตัวเลขกันก่อน

การพูดในงานนำเสนอหรือบรรยายมักอยู่ที่ 130 ถึง 150 คำต่อนาที ส่วนบทสนทนาจะเร็วกว่าและไม่สม่ำเสมอ เพราะคนพูดแทรกกัน พูดใหม่กลางคัน หรือพูดค้างไว้ ที่ความเร็วระดับบรรยาย หนึ่งชั่วโมงของการพูดจะออกมาเป็นคำประมาณแปดถึงเก้าพันคำ คูณสองสำหรับไฟล์สองชั่วโมง ก็จะได้ตัวหนังสือดิบประมาณหนึ่งหมื่นหกพันถึงหนึ่งหมื่นแปดพันคำ และมากกว่านั้นถ้าเป็นบทสนทนาหลายคนแทนที่จะเป็นคนพูดคนเดียว

ทั้งหมดนี้ยังไม่รวมขั้นตอนตัดสินใจว่าจะผลิตตัวหนังสือออกมาด้วยวิธีไหน ถ้าอยากรู้จำนวนคำโดยประมาณของไฟล์บันทึกของตัวเองก่อนจะเริ่มทำอะไรจริงจัง เครื่องมือคำนวณเวลาพูดจะช่วยให้รู้คำตอบได้ในเวลาประมาณหนึ่งนาที ควรทำตั้งแต่ก่อนเริ่มค่ำคืนนั้น เพราะคลิปสิบห้านาทีกับการประชุมสองชั่วโมงเป็นงานคนละแบบ ทั้งที่ให้ความรู้สึกคล้ายกันจนกว่าจะได้ลองวัดจริงๆ คุณสามารถลองคำนวณตัวเลขนี้ได้ที่ เครื่องมือคำนวณเวลาพูด

พิมพ์เองด้วยมือช้ากว่าที่คิด

ถ้ากำลังชั่งใจว่าจะพิมพ์ทรานสคริปต์นี้เองคืนนี้ไหม ควรรู้ตัวเลขจริงไว้ก่อน การพิมพ์ทรานสคริปต์ด้วยมือใช้เวลานานกว่าความยาวไฟล์หลายเท่า ไม่ใช่เพราะการพิมพ์ช้า แต่เพราะคุณไม่สามารถฟังตามความเร็วที่คนพูดพร้อมพิมพ์ให้ถูกต้องไปด้วยในเวลาเดียวกันได้ คุณต้องหยุดเสียง ย้อนกลับไม่กี่วินาที พิมพ์สิ่งที่ได้ยิน แล้วเริ่มใหม่ วนแบบนี้ไปตลอด และจะยิ่งแย่ลงเมื่อเจอศัพท์ที่ไม่คุ้น พูดเร็วขึ้น หรือช่วงที่สองคนพูดพร้อมกัน

ตัวคูณนี้จะยิ่งมากขึ้นตามความยากของเสียง ไม่มีทางลดลง บทสัมภาษณ์ที่เสียงชัดและพูดด้วยความเร็วปกติ อาจใช้เวลาสามถึงสี่เท่าของความยาวไฟล์เมื่อรวมการหยุดและย้อนกลับทั้งหมด ส่วนการบรรยายที่เต็มไปด้วยศัพท์เทคนิคที่คุณไม่รู้จักมาก่อน อาจใช้เวลานานกว่านั้นมาก เพราะต้องหยุดตลอดเวลาเพื่อคิดว่าสะกดหรือพูดอย่างไร ซึ่งปกติแล้วควรพิมพ์ต่อเนื่องได้เลย สำหรับไฟล์เสียงสองชั่วโมง การพิมพ์ด้วยมือไม่ใช่งานที่จบได้ในคืนเดียว มันเป็นงานที่ต้องใช้หลายคืน และควรรู้เรื่องนี้ก่อนเริ่ม ดีกว่ามารู้ตัวหลังจากผ่านไปแล้วหนึ่งชั่วโมง

การถอดเสียงอัตโนมัติไม่ได้ช้าลง แต่คุณภาพแย่ลง

นี่คือส่วนที่ทำให้คนแปลกใจตอนลองใช้ครั้งแรก การถอดเสียงอัตโนมัติไม่ใช้เวลานานขึ้นเมื่อเสียงยากขึ้น มันใช้เวลาประมวลผลใกล้เคียงกันไม่ว่าไฟล์นั้นจะเป็นเสียงคนเดียวที่ชัดเจนในห้องเงียบ หรือสามคนที่เถียงกันผ่านสัญญาณโทรศัพท์ที่แย่ สิ่งที่เปลี่ยนไปเมื่อเสียงยากขึ้นคือคุณภาพของผลลัพธ์ ไม่ใช่เวลาที่ใช้ผลิตมันออกมา

นี่เป็นข่าวดีและข่าวร้ายในเวลาเดียวกัน ข่าวดีคือคุณไม่ต้องรอนานขึ้นเมื่อเสียงแย่ลง ซอฟต์แวร์จะเสร็จตามเวลาของมันเองเสมอ ข่าวร้ายคือเวลาที่ประหยัดได้ตอนต้นไม่ได้หายไปไหน มันแค่ย้ายไปอยู่ท้ายกระบวนการ กลายเป็นเวลาที่ต้องใช้แก้ไขทรานสคริปต์หลังจากนั้น ระบบเบื้องหลังอย่างเช่นการแปลงเสียงเป็นข้อความจะส่งเอกสารฉบับสมบูรณ์สำหรับไฟล์สองชั่วโมงให้คุณได้อย่างรวดเร็ว แต่เอกสารนั้นจะใกล้เสร็จสมบูรณ์แล้วหรือยังต้องตรวจอย่างละเอียด ขึ้นอยู่กับสิ่งที่เข้าไปในไมโครโฟนทั้งหมด ไม่ใช่ขึ้นอยู่กับซอฟต์แวร์ที่ใช้จัดการมัน

ขั้นตอนตรวจแก้คือตัวตัดสินว่าคืนนี้คุณจะเสร็จไหม

นี่คือตัวเลขที่ไม่มีใครเผื่อเวลาไว้ แต่กลับเป็นตัวเลขที่สำคัญที่สุด ทรานสคริปต์ที่ทำขึ้นเพื่อค้นหาข้อความในภายหลัง เช่นหาช่วงที่มีคนพูดถึงวันที่ หรือไล่ดูเพื่อหาว่ามีการตัดสินใจอะไรเกิดขึ้น แทบไม่ต้องแก้ไขอะไรเลย คุณจะอ่านข้ามข้อผิดพลาดเล็กๆไปได้ เพราะรู้อยู่แล้วคร่าวๆว่าควรมีอะไรอยู่ตรงนั้น สำหรับไฟล์บันทึกสองชั่วโมง การตรวจแบบนี้อาจใช้เวลาแค่ยี่สิบนาทีเพื่อไล่ดูและยืนยันว่าใช้งานได้

ส่วนทรานสคริปต์ที่ตั้งใจจะนำไปอ้างอิง เผยแพร่ หรือส่งให้คนที่ไม่ได้อยู่ในห้องนั้นด้วย เป็นงานคนละแบบไปเลย ต้องฟังเทียบกับเสียงจริงทีละประโยค เพราะข้อผิดพลาดในคำพูดที่ยกมาอ้างเป็นปัญหาคนละระดับกับข้อผิดพลาดในบันทึกส่วนตัว สำหรับเสียงต้นฉบับสองชั่วโมง การตรวจอย่างละเอียดแบบนี้ใช้เวลาใกล้เคียงกับสองชั่วโมงของเวลาคุณเอง บางครั้งมากกว่านั้นถ้าเนื้อหาแน่นหรือเป็นเรื่องเทคนิค

ข้อผิดพลาดไม่ได้กระจายเท่ากันทั่วทั้งไฟล์ ซึ่งเป็นข่าวดีข้อเดียวที่แท้จริงในเรื่องนี้ ชื่อคน ศัพท์เทคนิค ตัวเลข และช่วงที่คนพูดสวนกัน คือจุดที่ผลลัพธ์อัตโนมัติมักผิดพลาด ส่วนใหญ่ของไฟล์สองชั่วโมงจะออกมาถูกต้องเกือบทั้งหมด และมีเพียงไม่กี่นาทีเท่านั้น ปกติคือช่วงที่สองคนพูดทับกัน หรือมีคนพูดตัวเลขเร็วๆ ที่ต้องให้ความสนใจเป็นพิเศษ ถ้ารู้คร่าวๆว่านาทีเหล่านั้นอยู่ตรงไหน ก็ไปตรวจตรงนั้นได้เลยโดยไม่ต้องอ่านทั้งเอกสารซ้ำจากต้นจนจบ การคำนวณตัวเลขของคุณเองก่อน โดยอิงจากความยาวของไฟล์บันทึกและจุดประสงค์ที่จะใช้ทรานสคริปต์จริงๆ ผ่านเครื่องมือคำนวณเวลาถอดเสียงจะให้แผนที่ใกล้เคียงความจริงมากกว่าการเดาก่อนเริ่มงาน

การตัดไฟล์เป็นชิ้นเล็กไม่ช่วยประหยัดเวลา แต่ช่วยให้คืนนี้ไม่พัง

การตัดไฟล์บันทึกสองชั่วโมงออกเป็นสี่ชิ้น ชิ้นละสามสิบนาที ก่อนถอดเสียง ไม่ทำให้งานโดยรวมเร็วขึ้น ตัวเลขจากส่วนก่อนหน้าไม่เปลี่ยนไปเลย คุณยังต้องถอดเสียงสองชั่วโมงเท่าเดิม และแก้ไขในส่วนที่ต้องแก้เท่าเดิม ไม่ว่าจะตัดไฟล์อย่างไรก็ตาม สิ่งที่เปลี่ยนไปคือว่างานนั้นสามารถหยุดพักได้หรือไม่

ไฟล์เดียวยาวสองชั่วโมงเท่ากับการนั่งทำครั้งเดียวโดยพื้นฐาน เพราะถ้าเปิดกลับมาทำต่อทีหลัง ต้องหาที่ที่ค้างไว้ใหม่ในกำแพงข้อความที่ไม่มีจุดพักตามธรรมชาติ ส่วนไฟล์สี่ชิ้นแยกกันคือสี่รอบการนั่งทำ คุณทำจบชิ้นหนึ่งคืนนี้ อีกชิ้นพรุ่งนี้ และที่เหลือสัปดาห์หน้าได้ โดยไม่หลุดว่าค้างอยู่ตรงไหน สำหรับไฟล์บันทึกที่ยาวขนาดนี้ ยาวจนคนส่วนใหญ่ไม่น่าทำจบรวดเดียว การหยุดพักได้แบบนี้สำคัญกว่าความเร็วที่ได้จากการประมวลผลหลายชิ้นพร้อมกัน ถ้าจะตั้งใจตรวจแก้อย่างจริงจัง ควรวางแผนแบ่งงานเป็นช่วงๆ ไม่ใช่คาดหวังว่าจะนั่งทำครั้งเดียวจบ

แอปที่จัดการไฟล์ทั้งหมดในครั้งเดียว โดยไม่ต้องให้คุณตัดไฟล์เองก็เป็นอีกทางเลือกที่ควรรู้จักไว้ แอปถอดเสียงนี้ดาวน์โหลดได้ผ่านหน้าดาวน์โหลดสำหรับ iOS, Android และ macOS รับไฟล์เสียง วิดีโอ การบันทึก หรือลิงก์ YouTube แล้วส่งกลับเป็นข้อความพร้อมป้ายกำกับผู้พูด สรุปเนื้อหา และแปลได้หลากหลายภาษา เป็นหนึ่งในหลายทางที่กล่าวถึงข้างต้น ไม่ใช่ทางลัดที่ข้ามขั้นตอนตรวจแก้ไปได้

สิ่งที่เทคโนโลยียังทำแทนไม่ได้จริงๆ

การถอดเสียงอัตโนมัติไม่รู้จักชื่อผู้พูดของคุณ จนกว่าคุณจะบอกมัน มันจะกำหนดป้ายกำกับให้แทนชื่อที่มันไม่มีทางเดาได้ และจะเป็นแบบนั้นต่อไปจนกว่าจะมีคนแก้ไข มันก็ไม่สามารถจับชื่อที่มันไม่เคยเห็นตัวสะกดมาก่อน คำศัพท์เฉพาะในสายงานของคุณ หรือตัวเลขที่พูดเร็วกลางประโยคได้อย่างแม่นยำเสมอไป จุดเหล่านี้แหละที่การตรวจแก้ต้องเน้นเป็นพิเศษเสมอ และไม่มีพลังการประมวลผลมากแค่ไหนที่จะหลบเลี่ยงมันได้

ช่วงที่คนพูดสวนกันเกือบจะกู้กลับมาไม่ได้เลย ไม่ว่าจะเลือกวิธีไหน เมื่อสองคนพูดทับกัน ทั้งการถอดเสียงอัตโนมัติและคนพิมพ์เองด้วยมือต่างก็จับได้ไม่ครบ ซอฟต์แวร์จะเลือกจับสายหนึ่งแล้วทิ้งอีกสายไป ส่วนคนพิมพ์เองก็เจอปัญหาเดียวกัน เพียงแต่ช้ากว่า ถ้าไฟล์บันทึกสองชั่วโมงมีช่วงพูดทับกันยาวๆ ควรเผื่อเวลาตรวจแก้เพิ่มเป็นพิเศษสำหรับช่วงเหล่านั้น และไม่ควรคาดหวังว่าวิธีใดวิธีหนึ่งจะให้ผลลัพธ์ที่อ่านรู้เรื่องทั้งสองเสียงพร้อมกัน

ตัวเลขสองชั่วโมงเองก็เป็นแค่จุดเริ่มต้น ไม่ใช่ข้อรับประกัน ไฟล์บันทึกที่พูดจังหวะสม่ำเสมอ มีผู้พูดคนเดียว และใช้ศัพท์ที่คุ้นเคย จะผ่านทุกขั้นตอนที่กล่าวมาได้เร็วกว่าไฟล์ที่มีสามคน ไมโครโฟนแย่ และเนื้อหาที่คุณไม่คุ้นเคย ตัวเลขข้างต้นให้คุณมีแผนสำหรับค่ำคืนนั้น แต่ไม่ได้รับประกันว่าคุณจะทำจบภายในคืนเดียว