Diğer dillerde kayıt transkripsiyonu: modeller neyi iyi yapar, nerede takılır

Çalışan, araştırma yapan ya da uluslararası işlerde bulunan herkes sonunda birden fazla dilde kayıtla karşılaşır: Türkçe bir röportaj, Arapça bir aile kaydı, İngilizce bir konuk dersi, Lehçe ve Almancanın iç içe geçtiği bir toplantı. Modern konuşma tanıma bunu şaşırtıcı derecede iyi yapar — zayıf noktalarını biliyorsanız.

Modeller kaç dili tanıyor?

OpenAI'ın Whisper modeli 99 dil üzerinde eğitildi; Sprechverlauf ücretsiz denemede hızlı Whisper Large v3 Turbo'yu kullanır. Ücretli planlardaki model Microsoft MAI-Transcribe-2, model kartına göre 60 dili destekler ve konuşmacıları da ayırır. Microsoft, FLEURS karşılaştırmasında ortalama kelime hata oranını yüzde 5,2 olarak bildiriyor. Bu bir ortalamadır: çok eğitim verisi bulunan büyük diller daha iyi, daha nadir olanlar daha kötü sonuç verir.

Tuzak 1: birbirine yakın diller

Hırvatça, Sırpça ve Boşnakça; Hintçe ve Urduca; Malayca ve Endonezyaca: bunlar öyle benzer seslenir ki otomatik dil algılama kısa kliplerde yanılabilir. Bir Sırpça röportaj Hırvat yazımıyla çıkabilir ya da Urduca metin Arap alfabesi yerine Devanagari ile yazılabilir. Çözüm basit: başlamadan önce dili açıkça seçin.

Tuzak 2: lehçeler ve argo

En net örnek Arapçadır: Mısır, Levant ve Fas Arapçası çok farklıdır, ama çoğu yazı Modern Standart Arapça kullanır. Modeller konuşulan lehçeyi standart dile doğru yumuşatma ya da bölgesel kelimeleri yanlış duyma eğilimindedir. Aynı durum daha az ölçüde İsviçre Almancası, Brezilya Portekizcesi ya da Kantonca için de geçerlidir.

Tuzak 3: tonlu diller ve kelime boşluğu olmayan yazılar

Çince, Vietnamca ya da Tayca'da perde, bir hecenin anlamını değiştirir. Yankı, müzik ve güçlü sıkıştırma tam olarak bunu bulanıklaştırır — burada temiz bir kayıt iki kat değerlidir. Çince, Japonca ve Tayca kelimeleri boşlukla ayırmaz; model kelime sınırlarını kendisi belirlemek zorundadır. Adları ve teknik terimleri dikkatle kontrol edin.

Tuzak 4: konuşma ortasında dil değiştirmek

Birçok ailede ve ekipte insanlar cümle ortasında dil değiştirir. Tek bir dili zorlarsanız model her şeyi o dilde yazmak zorunda kalır. Karışık kayıtlar için “otomatik” daha iyi seçimdir; Microsoft, MAI-Transcribe-2'nin bu tür kod değiştirme için tasarlandığını söylüyor.

Kısaca

• Tek dil: başlamadan önce seçin, özellikle kısa kliplerde ve akraba dillerde.
• Bir konuşmada birden çok dil: “otomatik” seçeneğinde bırakın.
• Lehçe: sapmalar bekleyin ve alıntıları zaman damgasında kontrol edin.
• Tonlu diller: temiz kaydedin, arka planda müzik olmasın.