Головні висновки
Щоб зрозуміти голосове повідомлення мовою, якої ви не знаєте, потрібні дві окремі дії: спершу перетворити звук у текст тією мовою, якою це сказано, а потім перекласти цей текст. Ваш перекладач не зможе почати роботу, доки не завершиться перший крок, бо він чекає на набраний текст. Саме на етапі розпізнавання мовлення визначається якість результату — помилка тут перекладається точно й перестає виглядати як помилка. Якщо зробити обидва кроки самостійно, слухати повідомлення більше нікому не доведеться.
Голосове повідомлення приходить від родича, постачальника чи орендодавця. Ви розчуваєте кілька слів — достатньо, щоб зрозуміти, що це важливо, і замало, щоб зрозуміти, про що йдеться. Найпростіше — відкрити перекладач, який уже стоїть у телефоні. І це не спрацьовує, бо застосунок чекає, що ви наберете текст, а набрати те, чого не чуєте, неможливо.
Другий очевидний варіант — переслати повідомлення тому, хто знає цю мову. Це працює, але коштує вам того, чим ви не завжди готові платити. Ця стаття про те, як обійтися без обох цих варіантів: що машина розпізнає правильно, і де саме вона помиляється — так, що це можна помітити навіть мовою, якою ви ніколи не читали.
Чому перекладач, який у вас уже є, не може навіть почати
Переклад мовлення — це дві операції під однією назвою. Перша — розпізнавання мовлення: перетворення звуку на письмовий текст мовою, якою говорив співрозмовник. Друга — переклад: перетворення цього тексту на мову, яку читаєте ви. Це два різні механізми, вони помиляються по-різному, і більшість інструментів, до яких люди звертаються, виконують лише другу дію.
Саме тому застосунок у вашому телефоні марно простоює. Він побудований навколо текстового поля: текст на вході, текст на виході. Дайте йому звуковий файл — і йому просто немає з чим працювати. Деякі інструменти приймають мовлення з мікрофона, і це допомагає, коли говорите ви самі й можете повторити фразу, але майже не допомагає з записом, де хтось інший швидко говорить на поганому зв’язку.
Коли розумієш порядок дій, задача виглядає інакше. Вам не потрібен перекладач. Вам потрібне щось, що видасть письмову версію повідомлення мовою оригіналу — а далі ваші звичні способи перекладу спрацюють так само, як завжди. Що завжди використовували для тексту, те й підійде для другої половини задачі. Перша половина — те, що треба вирішити насправді.
Це також пояснює те, що людей часто ставить у ступор: чому повідомлення може повернутися перекладеним впевненою, гладкою і водночас цілком неправильною українською. Друга половина задачі спрацювала як слід. Просто на вхід їй подали поганий матеріал — і вона красиво його оформила.
Ціна, яку платиш, коли просиш когось послухати
Переслати повідомлення двомовному другові, родичу чи колезі, який знає цю мову, — швидко і зазвичай точно. Але це означає передати цій людині зміст приватної розмови повністю, разом з інтонацією.
Якщо йдеться про дату доставки — байдуже, хто це почує. Якщо йдеться про гроші, здоров’я чи родину, розрахунок інший. Голосове повідомлення від родича про результати аналізів — не те, що хочеться дати послухати колезі. Повідомлення орендодавця про заборгованість — не те, що хочеться пояснювати другові, доки самі не зрозуміли, що про це думаєте. Так само і з повідомленням постачальника про платіж, у якому ви, можливо, помилилися.
У результаті повідомлення просто лишається непрочитаним. Не тому, що воно неважливе, а тому, що розібратися з ним означає когось залучити, а залучення когось має соціальну ціну, яку доводиться платити ще до того, як дізнаєшся, про що там узагалі йдеться. Люди тижнями не відкривають голосові повідомлення саме через це. Те, що не можеш прочитати сам, — це саме те, що найменше хочеш почути вголос при комусь.
Це вагома причина пройти обидва кроки самостійно, і про неї варто говорити прямо, а не як про приємний бонус. Суть не в тому, що машинне розпізнавання краще за вашого родича. Родич, найімовірніше, зробить це краще. Суть у тому, що ви можете прочитати повідомлення першими, наодинці, а вже потім вирішити, чи потрібно комусь іще про це знати.
Перший крок визначає якість другого
Наскільки корисним буде результат, залежить від того, яким виявиться текст мовою оригіналу. Зробіть це правильно — і переклад стане рутинною задачею. Помилиться тут — і помилка піде далі.
Ось чому це небезпечно. Якщо в тексті мовою оригіналу є помилка, а ви цієї мови не знаєте, ви цю помилку ніколи не побачите. Вона потрапляє на етап перекладу, точно перекладається мовою, яку ви розумієте, і виглядає як цілком нормальне речення. Жодних зазубрин. Нічого не сигналізує про проблему. Неправильне слово, що пройшло через переклад, виглядає точно як правильне.
Порівняйте це з текстом мовою, яку ви знаєте, де помилка сама себе видає. Читаєш речення, воно не має сенсу, переслуховуєш звук ще раз. Тут цієї петлі перевірки у вас немає. Ви читаєте результат процесу, який не можете перевірити самі.
Практичний висновок: підозрювати варто текст мовою оригіналу, а не переклад. Якщо у вашій мові щось звучить дивно, проблема майже ніколи не в перекладі. Майже завжди це слово, яке розпізнавання почуло неправильно, і вирішується це так: подивитися на текст оригіналу в цьому місці й переслухати саме цю мить запису, навіть не розуміючи мови. Почути, що мовець сказав коротке слово там, де в тексті стоїть довге, — це вже підказка.
Дайте йому визначити мову самому, а потім перевірте цю назву
Практична перешкода виникає одразу: деякі інструменти просять вибрати мову оригіналу зі списку, перш ніж хоч щось зробити. Якщо ви не можете впевнено визначити мову — а люди часто не розрізняють на слух близькі мови — ви наосліп вгадуєте параметр, від якого залежить весь результат.
Розширення SozAI для WhatsApp Web визначає мову прямо із запису, а не запитує у вас, і показує позначку, яка мова була визначена. Саме ця позначка й корисна — по ній ви одразу помітите неправильне визначення: якщо там названо мову, якою відправник точно не говорить, читати текст під нею немає сенсу, і зрозуміти це можна за одну секунду, а не після двох абзаців плутанини.
Один момент варто мати на увазі. Стислий виклад повертається тією ж мовою, якою було сказано повідомлення. Це правильна поведінка для першого кроку, і означає, що повідомлення, яке ви не могли прочитати, лишається повідомленням, яке ви поки не можете прочитати. Ви перетворили звукову проблему на текстову — саме в цьому й був сенс, — але переклад усе ще залишається на вас.
Найважливіші частини — саме ті, де найбільше ризику помилки
Автоматичні транскрипти найкраще розпізнають звичне зв’язне мовлення і найгірше — рівно три речі: імена людей, географічні назви та числа. Звичайне слово можна передбачити з контексту. Прізвище — ні. Назву вулиці — ні. Цифру — ні.
А тепер подумайте, про що зазвичай ідеться в голосових повідомленнях. Де зустрітися. Скільки винні. Якого дня. Хто що комусь сказав. Інформація, яка вам справді потрібна, зосереджена саме в тих частинах тексту, які найменш надійні, а в повідомленні про адресу чи суму це не деталь — це і є все повідомлення.
Тож читайте текст у два проходи. Перший прохід дає загальну картину: хто говорить, про що йдеться, чи потрібна відповідь сьогодні. Це можна довіряти. Другий прохід — лише для конкретики, і тут варто перевіряти, а не довіряти.
- Переслухайте кілька секунд запису навколо будь-якого числа і зверніть увагу на цифри — їх часто можна розпізнати на слух навіть мовою, якої не знаєте.
- Перевіряйте імена за вашими контактами чи попередніми повідомленнями, а не за текстом розшифровки.
- Порівнюйте адресу з тією, що вже є у вас у записах про цю людину чи компанію.
- Якщо сума визначає ваші подальші дії, підтвердьте її письмово, перш ніж щось робити.
Попросити відправника підтвердити суму текстом — це не визнання того, що ви не зрозуміли. Це те саме, що ви зробили б із числом, почутим по поганій телефонній лінії рідною мовою.
Чого це не зробить за вас
Це не дасть вам готове повідомлення вашою мовою за один крок. Два кроки — це два кроки, і текст розшифровки приходить мовою оригіналу. Якщо потрібен готовий результат вашою мовою без окремого перекладу, це вже інша задача, не просто розшифровка, і саме для цього варто зазирнути в переклад між мовами. Те саме стосується аудіо, яке зберігається як файл, а не як повідомлення WhatsApp, — запис, переслане повідомлення, щось збережене з телефону, — з таким працює застосунок для розшифровки, а розширення для браузера у WhatsApp Web — ні.
Це не передасть тон. Короткий виклад довгого повідомлення прибирає вагання, теплоту, роздратування й паузу перед важливою фразою. Якщо вам потрібно зрозуміти, наскільки родич стривожений, самих слів буде недостатньо, і варто переслухати запис ще раз, тримаючи текст перед очима.
Це не буде надійним на погано записаному звуці. Вітер, розмова через динамік у машині, двоє людей говорять одночасно, повідомлення, записане в коридорі. Погана вхідна якість дає впевнений, але неправильний текст, а не очевидний збій — і це гірше, бо виглядає завершеним і правильним.
І це не замінить вашого родича, коли повідомлення справді неоднозначне. Що це дає — можливість з’ясувати, чи неоднозначне повідомлення взагалі, перш ніж його почує хтось інший. У більшості випадків відповідь — ні, і ви впораєтеся самі. Коли відповідь — так, ви вже знаєте, про які саме тридцять секунд запитати, а не віддавати весь запис цілком.
