TranskribEST

TranskribEST transkribeerib aktiivse brauserivahekaardi heli reaalajas ja eristab kõnelejad. See sobib saadete, loengute, taskuhäälingute, videote ja veebikoosolekute transkribeerimiseks. Kõnetuvastus ja kõnelejate eristamine toimuvad täielikult kasutaja brauseris. Laiendus ei kasuta pilvepõhist kõnetuvastust, ei vaja kontot ega saada heli, transkripti või häälesignatuure arendajale. Helisalvestust ei tehta. Põhifunktsioonid: - eestikeelne reaalajas transkriptsioon, mis tunneb mingil määral ära ka kõnesse segatud inglise keelt; - automaatsed kõnelejasildid; - kõnelejate ümbernimetamine, liitmine ja üksikute ridade teisele kõnelejale tõstmine; - transkripti teksti parandamine eraldi muutmisrežiimis; - ajatemplid ning toetatud meediapleierites transkriptist õigesse kohta hüppamine; - valikuline häälte mäletamine, mis tunneb kasutaja nimetatud kõneleja ära hilisemates salvestustes; - järjehoidjate ja märkmete lisamine transkribeerimise ajal; - eksport TXT-, SRT- ja JSON-vormingus. Kasutamine: 1. Ava heli esitav veebileht ja vali brauseri laiendustest TranskribEST. 2. Vajuta paneelis „Alusta”. 3. Kui oled lõpetanud, vajuta „Peata”. Seejärel tehakse kõnelejate lõplik klasterdamine ja eksport muutub kättesaadavaks. Oluline teada: - laiendus hõivab ainult valitud Chrome'i vahekaardi heli, mitte mikrofoni ega töölauarakenduste heli; - kaitstud DRM-sisu, organisatsiooni brauseripoliitika või mõni krüpteeritud koosolekurežiim võib heli hõivamist takistada; - reaalajas kõnelejasildid on esialgsed ning võivad pärast peatamist toimuva klasterdamise tulemusel muutuda; - automaatne kõne- ja kõnelejatuvastus võib eksida, eriti mürase heli, telefonikõne, kattuva kõne ning nimede ja erialaterminite korral; - koosolekute, kõnede ja muude eravestluste transkribeerimisel vastutab kasutaja osalejate teavitamise ja kohalduvate reeglite järgimise eest. Kui hästi see töötab? Mõõdetuna 30 ERR Päevakaja saate peal, kokku 8,4 tundi kõnet: - ERR-i arhiivi automaatseid transkripte võrdlusalusena kasutades oli TranskribESTi sõnavigade määr (WER) 12%. Tulemust mõjutavad ka kirjapildi erinevused, näiteks numbrid sõnade asemel. - Diariseerimisviga (DER, 0,25 s tolerantsiga) oli kokku 3,6%. 26 saates 30-st jäi see alla 5%. Tulemus sõltub helist. Raadiouudistes ja loengutes on see hea; müra, telefonikõne, tugevalt kattuva kõne ja väga lühikeste vestluste puhul halveneb see märgatavalt. Kõnelejate reaalajas eristamise lahendus on inspireeritud diart-projektist. Laiendus kasutab avalikke mudeleid: TalTechNLP streaming Zipformer (MIT), pyannote segmentation 3.0 (MIT), Silero VAD (MIT) ja WeSpeaker ECAPA-TDNN 512 (CC BY 4.0).