Narzędzia wykorzystywane do przekształcania nagrań audio w tekst

Nagrania dźwiękowe są wykorzystywane w bardzo wielu przypadkach, między innymi w trakcie rozmów służbowych, konsultacji, spotkań, wywiadów czy czynności związanych z prowadzonymi sprawami. Zapisanie ich treści w formie tekstowej daje możliwość wrócić do konkretnych wypowiedzi i przemyśleć informacje bez konieczności każdorazowego odtwarzania całego materiału. Transkrypcje nagrań różnią się jednakże zakresem szczegółowości.

W niektórych przypadkach wystarczy zapis najważniejszych informacji, w innych niezbędne jest wierne odtworzenie całego dialogu, łącznie z powtórzeniami, niedokończonymi zdaniami i przerwami w wypowiedziach. Bardzo duże znaczenie ma uwarunkowanie, czy treść ma pełnić funkcję dokumentacyjną, stanowić materiał do kolejnej analizy, czy zostać wykorzystany w formalnych czynnościach. Oczywiście nie każdy rodzaj nagrania można opracować według tych samych zasad. Rozmowa dwóch osób prowadzona w spokojnym otoczeniu stawia inne wymagania niż dyskusja grupowa, w której uczestnicy mówią jednocześnie.

Przy sporządzaniu zapisu ważne jest także rozpoznawanie osób wypowiadających poszczególne kwestie. Nie za każdym razem jest to proste, w szczególności gdy głosy są podobne, rozmówcy znajdują się w różnej odległości od mikrofonu albo nagranie zawiera zakłócenia (źródło: transkrypcja cennik). W tak zaistniałych okolicznościach pomocne może być porównywanie charakterystycznych cech głosu a także analiza dłuższych fragmentów rozmowy. Nie należy jednak przypisywać wypowiedzi konkretnej osobie tylko na bazie domysłów. Identyczna ostrożność tyczy się nazwisk, nazw mieście, dat i określeń branżowych. Niedociągnięcia w tych elementach mogą prowadzić do nieporozumień, zwłaszcza gdy zapis jest w przyszłości wykorzystywany przez osoby, które nie znają pierwotnego kontekstu. Transkrypcja powinna odznaczać tekst możliwą do odtworzenia od fragmentów niepewnych. Jeżeli już kilka słów brzmi dokładnie tak samo i nie można rozstrzygnąć, które z nich zostało użyte, odpowiednim wyjściem jest oznaczenie wątpliwości zamiast wybierania jednej wersji.

Odrębną kategorię stanowią materiały organizowane na potrzeby postępowań prawnych. Transkrypcja do sądu musi uwzględniać charakter dokumentu a także oczekiwania dotyczące sposobu przedstawienia treści nagrania. Istotne jest zachowanie chronologii, dokładnego brzmienia wypowiedzi i rozróżnienia poszczególnych uczestników rozmowy. W praktyce znaczenie mogą mieć dosłownie krótkie odpowiedzi, takie jak zgody, zaprzeczenia czy pojedyncze słowa wypowiedziane w reakcji na wcześniejsze zdanie. Ich pominięcie może zaburzyć odbiór całej zamiany zdań. Warto również używać oznaczenia czasu, które pozwalają powiązać dany fragment dokumentu z odpowiednim miejscem w pliku audio. Powinno się dodatkowo rozróżniać sam zapis rozmowy od opinii dotyczącej jej treści. Osoba sporządzająca dokument nie powinna dopisywać interpretacji zamysłów rozmówców ani rozstrzygać, co mieli na myśli. O formalnej przydatności materiału decydują przepisy i okoliczności konkretnego postępowania, a sam stenogram nie zastępuje oryginalnego nagrania.

Na finalny kształt dokumentu wpływa także sposób jego przygotowania i testom. Automatyczne rozpoznawanie mowy może przyspieszyć wstępne opracowanie dźwięku, niemniej jednak nie rozwiązuje wszystkich problemów związanych z jakością materiału. Programy często mylą jednakowo brzmiące wyrazy, nieprawidłowo zapisują liczby i mają trudności z rozpoznawaniem wypowiedzi nakładających się na siebie. Szczególnej uwagi wymagają fragmenty zawierające skróty, obcojęzyczne zwroty a także nazewnictwo specjalistyczne. Dlatego gotowy tekst powinien być porównany z nagraniem, a poprawki muszą wynikać z rzeczywistego brzmienia wypowiedzi. Stenogram może zawierać także informacje o dłuższych przerwach, śmiechu, podniesionym głosie albo innych zdarzeniach dźwiękowych, o ile mają znaczenie dla celu dokumentu. Nie trzeba jednak przesadnie rozbudowywać takich opisów, ponieważ mogą utrudniać odczytanie właściwego dialogu. Osobną kwestią pozostaje ochrona plików źródłowych i gotowych dokumentów. Nagrania mogą zawierać dane osobowe, informacje zawodowe albo szczegóły prywatnych rozmów, dlatego sposób ich udostępniania, przechowywania i przekazywania powinien uwzględniać charakter zawartych w nich informacji.

Zobacz: transkrypcja do sądu.