Головні висновки
Для двогодинного запису сама автоматична транскрибація займає лише невелику частку цього часу — програма тут не є вузьким місцем. Те, що визначає, скільки часу піде на весь вечір, — це подальша перевірка й виправлення: чорновий текст, який потрібен лише для пошуку, майже не потребує доопрацювання, тоді як текст, який ви плануєте цитувати чи публікувати, вимагає повного прослуховування разом із записом, виправлення імен, чисел і моментів, коли люди говорять одночасно. Набирати текст вручну натомість займає у кілька разів більше часу, ніж триває сам запис, і ситуація погіршується, якщо звук поганий. Плануйте час саме на перевірку, а не на роботу програми.
Дві години розмови в темпі, яким говорить більшість людей, — це приблизно шістнадцять-вісімнадцять тисяч слів, тобто десь стільки, скільки в невеликій книжці. Уже це число дещо каже про те, який вечір вас чекає: навряд чи хтось захоче прочитати все це одним махом, і майже ніхто не хоче набирати це вручну, якщо є інший спосіб.
Чесна відповідь на питання, скільки це займе, залежить від двох речей, які ви контролюєте, і однієї, яку не контролюєте: наскільки чистий звук, наскільки чистим має бути готовий текст, і наскільки швидко ви самі набираєте текст або сприймаєте на слух. Програма впливає лише на одну частину цього рівняння. Дві інші вона не змінює.
Спочатку рахуємо
Мовлення на презентаціях і лекціях зазвичай має темп 130–150 слів за хвилину. Розмова йде швидше й нерівномірніше — люди перебивають одне одного, починають фразу знову, губляться посеред думки. У лекційному темпі година мовлення дає приблизно вісім-дев’ять тисяч слів. Помножте на два для двогодинного запису — і отримаєте шістнадцять-вісімнадцять тисяч слів сирого тексту, а якщо це дискусія, а не монолог однієї людини, то й більше.
І це ще без урахування того, яким способом ви готуватимете текст. Якщо хочете швидко прикинути кількість слів у власному записі, перш ніж братися за справу, калькулятор часу мовлення дасть відповідь за хвилину — варто зробити це заздалегідь, бо п’ятнадцятихвилинний уривок і двогодинна зустріч — це різні за обсягом завдання, які здаються схожими, доки ви їх не заміряли насправді. Прикинути це можна за допомогою калькулятора часу мовлення.
Набирати текст самостійно — довше, ніж здається
Якщо зважуєте, чи набрати цей текст вручну сьогодні ввечері, варто знати реальний коефіцієнт наперед. Ручне набирання транскрипту займає у кілька разів більше часу, ніж триває сам запис — не тому, що набір тексту сам по собі повільний, а тому, що неможливо одночасно слухати в темпі мовлення й точно набирати текст. Ви зупиняєте запис, перемотуєте на кілька секунд назад, набираєте почуте й запускаєте знову. Цей цикл повторюється безперервно, і стає ще гіршим, якщо трапляється незнайома термінологія, швидке мовлення або моменти, коли говорять одночасно двоє.
Цей коефіцієнт росте зі складністю звуку, а не зменшується. Чисте інтерв’ю в звичайному розмовному темпі, з урахуванням усіх зупинок і перемотувань, може зайняти в три-чотири рази більше часу, ніж триває сам запис. Лекція, повна незнайомих технічних термінів, займе значно більше, бо ви постійно зупиняєтеся, щоб зрозуміти написання й формулювання, які інакше набрали б без зупинок. Для двогодинного запису ручне набирання — це не робота на один вечір. Це робота на кілька вечорів, і краще знати про це заздалегідь, а не через годину після початку.
Автоматична транскрибація не стає повільнішою — вона стає гіршою
Це та частина, яка дивує людей, коли вони пробують це вперше. Автоматична транскрибація не займає більше часу, якщо звук складний. Час обробки приблизно однаковий незалежно від того, це один чіткий голос у тихій кімнаті чи троє людей, які сваряться через погане з’єднання по телефону. Зі складнішим звуком змінюється якість результату, а не час, потрібний на його отримання.
Це водночас і хороша, і погана новина. Хороша — бо вам не доведеться довше чекати через гірші умови запису, програма завершить роботу за своїм графіком незалежно від цього. Погана — бо час, зекономлений на початку, нікуди не зникає, він переміщується в кінець процесу, у те, скільки виправлень знадобиться потім. Механізм, подібний до того, що працює за перетворенням аудіо в текст, швидко поверне вам готовий документ навіть для двогодинного файлу. А от чи буде цей документ майже готовим, чи потребуватиме уважної перевірки, залежить виключно від того, що потрапило в мікрофон, а не від того, як із цим упоралася програма.
Саме перевірка й виправлення визначають, скільки часу піде на вечір
Це та цифра, яку ніхто наперед не планує, і водночас найважливіша. Текст, який ви готуєте лише для того, щоб потім знайти в ньому потрібне місце — наприклад, коли хтось згадав дату, або щоб побіжно знайти прийняте рішення, — майже не потребує виправлень. Дрібні помилки ви пропускаєте, бо приблизно знаєте, що там мало бути написано. Для двогодинного запису така перевірка може зайняти хвилин двадцять — переглянути й переконатися, що текстом можна користуватися.
Текст, який ви плануєте цитувати, публікувати чи передати комусь, хто не був присутній на записі, — це зовсім інша справа. Тут потрібне повне прослуховування паралельно з текстом, речення за реченням, бо помилка в цитаті — це зовсім не те саме, що помилка в приватній нотатці для себе. Для двогодинного вихідного запису така уважна перевірка забере близько двох годин вашого часу, а іноді й більше, якщо матеріал складний або насичений термінологією.
Помилки розподілені по запису нерівномірно, і це, мабуть, єдина по-справжньому хороша новина тут. Саме імена, спеціальна термінологія, числа й моменти одночасного мовлення — це те, на чому автоматична обробка справді помиляється. Більша частина двогодинного запису повернеться практично правильною, а увагу знадобиться приділити лише кількох хвилинам — зазвичай там, де двоє говорять одночасно, або хтось швидко називає якісь цифри. Якщо ви приблизно знаєте, де саме розташовані ці моменти, можна перейти прямо до них, а не перечитувати весь документ від початку до кінця. Якщо спочатку прорахувати свою ситуацію — на основі тривалості запису й того, для чого власне потрібен текст — за допомогою калькулятора часу транскрибації, план вийде набагато ближчим до реальності, ніж припущення, зроблене до початку роботи.
Розбиття файлу не заощаджує час, але зберігає вечір
Розділення двогодинного запису на чотири півгодинні частини перед транскрибацією не робить загальну роботу швидшою. Розрахунки з попередніх розділів не змінюються — ви все одно транскрибуєте дві години мовлення й виправляєте те, що потребує виправлення, незалежно від того, як ви розділили файл. Змінюється лише те, чи можна переривати роботу.
Один двогодинний файл — це фактично один суцільний підхід до роботи, бо повернувшись до нього пізніше, доведеться знову шукати потрібне місце в стіні тексту без природних перерв. Чотири окремі файли — це чотири окремі підходи, і можна закінчити один сьогодні ввечері, другий завтра, а решту наступного тижня, не втрачаючи розуміння, де ви зупинилися. Для запису такої тривалості — достатньо довгого, щоб більшість людей навряд чи впоралися з усім за один раз, — ця можливість переривати роботу важливіша, ніж будь-яка швидкість, отримана від паралельної обробки частин. Якщо плануєте зробити перевірку й виправлення якісно, розбивайте роботу на етапи, а не сподівайтеся сісти й закінчити все одразу.
Застосунок, який обробляє весь файл одразу, а не змушує вас самостійно керувати розбиттям, — це один із варіантів, про який варто знати. Застосунок для транскрибації доступний на сторінці завантаження для iOS, Android і macOS: він приймає аудіо, відео, записи або посилання на YouTube і повертає текст із позначками спікерів, стислим викладом і перекладом на широкий спектр мов — це один зі шляхів серед описаних вище, а не спосіб обійти саму перевірку й виправлення.
Що реально не переноситься автоматично
Автоматична транскрибація не знає імен ваших спікерів, якщо ви самі не вкажете їх. Вона просто присвоює позначку замість імені, яке в принципі не може вгадати, і так залишається, доки хтось це не виправить. Вона також не завжди правильно розпізнає ім’я, написання якого ніде не бачила, специфічний для вашої галузі термін чи число, назване швидко посеред швидкого речення. Саме на цих моментах завжди зосереджується перевірка, і ніяка обчислювальна потужність цього не уникне.
Одночасне мовлення двох людей практично неможливо повністю відновити, яким би шляхом ви не пішли. Коли двоє говорять одночасно, і автоматична транскрибація, і людина, яка набирає текст вручну, втрачають частину сказаного — програма фіксується на одній лінії розмови й відкидає іншу, а людина стикається з тією самою проблемою, тільки повільніше. Якщо у двогодинному записі є довгі відрізки з накладеними одна на одну репліками, закладайте додатковий час на виправлення саме цих моментів і не чекайте від жодного методу чистого й одночасного розпізнавання обох голосів.
Сама оцінка в дві години — це лише відштовхна точка, а не гарантія. Запис із рівним темпом, одним спікером і знайомою термінологією пройде через усі описані тут етапи швидше, ніж запис із трьома людьми, поганим мікрофоном і темою, у якій ви не розбираєтеся. Наведені розрахунки дають вам план на вечір. Вони не обіцяють, що ви впораєтеся за один вечір.
