ஆடியோ டிரான்ஸ்கிரிப்ஷன்

வரையறை

ஆடியோ டிரான்ஸ்கிரிப்ஷன் என்பது பேசும் மொழியை எழுத்து உரையாக மாற்றும் செயல்முறையாகும். இது மூல பேச்சு பதிவுகளிலிருந்து கட்டமைக்கப்பட்ட உரைத் தரவை உருவாக்குகிறது.

நோக்கம்

பேச்சைத் தேடக்கூடியதாகவும், பகுப்பாய்வு செய்யக்கூடியதாகவும், இயற்கை மொழி செயலாக்கப் பணிகளுக்குப் பயன்படுத்தக்கூடியதாகவும் மாற்றுவதே இதன் நோக்கமாகும். இது அணுகல், ஊடகம் மற்றும் வணிக பகுப்பாய்வுகளில் பரவலாகப் பயன்படுத்தப்படுகிறது.

முக்கியத்துவம்

• மூடிய தலைப்புகள் மற்றும் அணுகல் சேவைகளை இயக்குகிறது.
• NLP மாதிரிகளைப் பயிற்றுவிப்பதற்கான உரை உள்ளீட்டை வழங்குகிறது.
• தரம் என்பது பேச்சிலிருந்து உரைக்கு மாற்றத்தின் துல்லியத்தைப் பொறுத்தது.
• பின்னணி இரைச்சல், உச்சரிப்புகள் மற்றும் பதிவு தரத்திற்கு உணர்திறன்.

எப்படி இது செயல்படுகிறது

1. ஆடியோ கோப்புகளைப் பதிவு செய்யவும் அல்லது இறக்குமதி செய்யவும்.
2. பேச்சை சிறிய அலகுகளாகப் பிரிக்கவும்.
3. தானியங்கி பேச்சு அங்கீகாரம் (ASR) அல்லது கைமுறை டிரான்ஸ்கிரிப்ஷனைப் பயன்படுத்துங்கள்.
4. துல்லியத்திற்காக உரையைச் சரிசெய்து சரிபார்க்கவும்.
5. தேவைப்பட்டால், டிரான்ஸ்கிரிப்ட்களை நேர முத்திரைகள் அல்லது மெட்டாடேட்டாவுடன் சேமிக்கவும்.

உதாரணங்கள் (உண்மையான உலகம்)

• ரெவ்: ஊடகங்கள் மற்றும் வணிகத்திற்கான படியெடுத்தல் சேவை.
• Otter.ai: AI- அடிப்படையிலான நிகழ்நேர சந்திப்பு டிரான்ஸ்கிரிப்ஷன்.
• YouTube: ASR மாதிரிகளைப் பயன்படுத்தி வசனங்களை உருவாக்குகிறது.

குறிப்புகள் / மேலும் படித்தல்

• தானியங்கி பேச்சு அங்கீகாரம் — NIST.
• ISO/IEC 15938-4: மல்டிமீடியா உள்ளடக்க விளக்கம் — ISO.
• பேச்சு மற்றும் மொழி செயலாக்கம் — ஜூராஃப்ஸ்கி & மார்ட்டின், ஸ்டான்போர்ட்.