Ordlista
Begreppen, kort förklarade
Fältet är fullt av engelska förkortningar och ord som betyder något annat i vardagstal. Här är 30 av dem, förklarade på svenska, korta nog att läsas färdigt.
Taligenkänning och modeller
- ASR
- Automatic speech recognition, det engelska fackbegreppet för automatisk taligenkänning.
- Diarisering
- Att dela en inspelning i segment efter vem som talar, utan att nödvändigtvis veta vilka personerna är.
- Finjustering
- Att vidareträna en färdig modell på ett smalare material, till exempel tal på ett enskilt språk.
- Hallucination
- Text som modellen producerar utan att det finns täckning för den i ljudet.
- Kodväxling
- Att växla mellan två eller flera språk i samma samtal, ofta inom en och samma mening.
- NB-Whisper
- Norska Nationalbibliotekets vidaretränade version av Whisper, anpassad till norskt tal och norsk dialekt.
- Ordfelsfrekvens (WER)
- Andelen ord som är fel, saknas eller lagts till, delat med antalet ord i facit.
- Röstaktivitetsdetektering (VAD)
- Tekniken som avgör var i en ljudinspelning det faktiskt talas, och var det är tyst.
- Språkmodell
- En modell som förutsäger sannolika ordföljder, och som används både i transkribering och för att göra sammanfattningar.
- Talaridentifiering
- Att knyta en röst till en känd person, inte bara skilja den från andra röster.
- Taligenkänning
- Tekniken som gör talljud till skriven text.
- Whisper
- En öppen taligenkänningsmodell från OpenAI, som kan köras på egen dator.
Metoder och arbetsflöde
- Batchtranskribering
- Att transkribera en färdig inspelning i efterhand, i stället för medan det talas.
- Efterredigering
- Att gå igenom och rätta ett maskingenererat transkript mot ljudet.
- Lokal transkribering
- Transkribering som körs på din egen dator, utan att ljudet skickas till en server.
- Molntranskribering
- Transkribering där ljudet laddas upp och behandlas på leverantörens servrar.
- Realtidstranskribering
- Transkribering som sker medan det talas, med en till tre sekunders fördröjning.
Filformat och ljud
- Ljudformat
- Filformatet ljudet är lagrat i, till exempel m4a, mp3 eller wav.
- Samplingsfrekvens
- Hur många gånger i sekunden ljudsignalen mäts, angivet i hertz.
- SRT
- Det vanligaste undertextformatet: numrerade textblock med start- och sluttid.
- Tidsstämpel
- En tidsangivelse som knyter en bit av texten till en bestämd punkt i ljudinspelningen.
- Undertextning
- Att visa tal som läsbar text på skärm, tidsstyrt och begränsat i rader och tecken.
- VTT
- Webbstandarden för undertexter, med stöd för styling, positionering och metadata.
Transkriptformer
- Renskrivet transkript
- Transkript där innehållet behållits, men formulerats i hela, läsbara meningar.
- Verbatim
- Ordagrann transkribering som tar med tvekan, upprepningar, avbrott och ofta pauser.
Möte och protokoll
- Beslutslogg
- En löpande lista över beslut tvärs över möten, med datum, ägare och motivering.
- Protokollsanteckning
- Ett uttalande en ledamot begär att få infört i protokollet, oavsett vad majoriteten anser.
- Reservation
- Att en ledamot röstar mot eller markerar att hen inte står bakom ett beslut.
- Åtgärdspunkt
- En konkret uppgift som följer av ett möte, med en ansvarig och en tidsfrist.
- Övriga frågor
- Fast sista punkt på dagordningen, för korta ärenden som inte anmälts i förväg.
Varför engelskan dominerar fältet
Forskningen på taligenkänning gjordes på engelska, och begreppen följde med. Några har fått bra nordiska ord, som ordfelsfrekvens för word error rate. Andra har det inte, och då är det bättre att använda det engelska än att hitta på något ingen känner igen. Där båda används står båda med här.
Tal, utskrivet
Sayable transkriberar tal med dialekt, skiljer talarna åt och gör ett utkast till protokoll. Gratis att komma igång.