ElevenLabs: Scribe v2

ElevenLabs Scribe v2 is het batch-model voor spraakherkenning van opgenomen audio, transcriptie en ondertiteling, inclusief ondertitels voor doven en slechthorenden. Het bouwt voort op Scribe v1 met verbeterde verwerking van lange opnamen, pauzes, toonveranderingen en langdurige stilte. Het resultaat is uitgeschreven spraak met tijdsinformatie en optionele annotaties voor sprekers en audiogebeurtenissen. Scribe v2 Realtime is een afzonderlijke editie voor live-transcriptie; dit model is bedoeld voor de verwerking van volledige opnamen.

De maker documenteert herkenning in meer dan 90 talen en automatische taaldetectie, ook bij opnamen waarin van taal wordt gewisseld. Een aanwijzing over de bekende taal kan het model helpen de audio te interpreteren. Bereid een duidelijke opname voor, behoud de oorspronkelijke taal en namen en vermijd ernstige oversturing of onnodige verwerking die spraakdetails verwijdert. Gangbare gedocumenteerde invoerformaten zijn WAV, MP3, FLAC, M4A, AAC, OGG, Opus en WebM. Kies een invoerweergave die door de transcriptie-implementatie wordt ondersteund en bewaar de bronopname voor controle.

Het standaardantwoord bevat de herkende tekst, informatie over de gedetecteerde taal en een reeks woorden met tijdsaanduidingen. Woordrecords kunnen begin- en eindtijden, sprekeridentificaties en een logwaarschijnlijkheid voor de herkenning bevatten. Hierdoor is het resultaat bruikbaar voor ondertitels, doorzoekbare interviews of een editor die terugspringt naar het relevante geluid. Bewaar het resultaat met tijdsaanduidingen bij de bronaudio. Voor een podcast kan het resultaat bijvoorbeeld een bewerkbare transcriptie zijn en een per woord uitgelijnde registratie waarmee correcties kunnen worden gelokaliseerd voordat ondertitels worden ingedeeld.

Sprekerdiarisatie labelt wie wanneer spreekt in audio met meerdere sprekers, waarbij de maker maximaal 32 sprekers documenteert. Schakel deze in wanneer sprekerbeurten belangrijk zijn en geef een redelijk aantal sprekers op als die informatie bekend is. Maak onderscheid tussen een gedetecteerd sprekerlabel en de geverifieerde naam van een persoon. Controleer voor een interview of vergadering de sprekerwisselingen aan de hand van de opname, vooral waar stemmen overlappen of op elkaar lijken. Een label helpt de transcriptie te ordenen; het stelt de identiteit van de spreker niet zelfstandig vast.

Een opname met één spreker per kanaal heeft een andere structuur dan meerdere stemmen die in één kanaal zijn gemengd. De interface van de producent kan maximaal vijf kanalen onafhankelijk verwerken en afzonderlijke transcripties of een gecombineerde transcriptie in tijdvolgorde teruggeven, met kanaalindexen. Behoud die kanaalindeling wanneer deze betekenisvol is. Het samenvoegen van een gescheiden gespreksopname tot één kanaal vóór transcriptie kan een nuttige bron van sprekerinformatie verloren laten gaan. Houd toewijzing op basis van kanalen gescheiden van diarisatie die uit gemengde audio wordt afgeleid. Het antwoord met gecombineerde kanalen vereist tijdstempels en kan geen detectie of maskering van entiteiten bevatten.

Prompting met sleuteltermen stuurt de herkenning van namen, producttermen en specialistische woordenschat met behulp van context. De huidige batch-documentatie staat maximaal 1.000 termen toe, waarbij elke term minder dan 50 tekens en maximaal vijf woorden bevat. Geef relevante schrijfwijzen op in plaats van een brede, niet-gerelateerde catalogus. Geef voor een technisch interview de productnamen en afkortingen die waarschijnlijk voorkomen en controleer deze vervolgens op hun tijdstippen in het resultaat. Sleuteltermen beïnvloeden de herkenning; het zijn geen instructies om een term in te voegen wanneer de opname deze niet ondersteunt.

Bepaal het doel van de transcriptie voordat je deze opschoont. Een woordelijke registratie behoudt de gesproken bewoordingen, terwijl de gedocumenteerde optie no-verbatim opvulwoorden, valse starts en haperingen verwijdert voor een beter leesbaar resultaat. Dynamische audiotags kunnen niet-spraakgebeurtenissen identificeren, zoals gelach of voetstappen. Een verzorgde transcriptie kan nuttig zijn voor ondertiteling of lezen, maar mag de onbewerkte registratie niet stilzwijgend vervangen wanneer herhalingen, correcties of niet-spraakgeluiden belangrijk zijn voor de opdracht.

De maker documenteert ook detectie van entiteiten en experimentele transcriptiebewerking. Transcriptiebewerking kan in de interface van de producent niet worden gecombineerd met detectie van entiteiten, maskering van entiteiten of meerkanaalstranscriptie. Gedetecteerde entiteiten geven gestructureerde posities voor geselecteerde informatie in de transcriptie. Optionele maskering van entiteiten schermt gedetecteerde tekst af met vervangende labels; ze is afhankelijk van detectie van entiteiten en de entiteitenlijst wordt niet teruggegeven wanneer maskering is ingeschakeld. De maskering gebeurt tijdens de transcriptie, met een algemene vervangingsmarkering, een categorielabel of een genummerd categorielabel. Automatische maskering kan gevoelige inhoud missen, dus controleer de gemaskeerde transcriptie voordat je deze deelt. Een bewerking in natuurlijke taal geeft bewerkte tekst naast het oorspronkelijke resultaat terug, waarbij de oorspronkelijke tijdsaanduidingen en sprekerregistratie beschikbaar blijven. Houd die resultaten gescheiden: een gecorrigeerde schrijfwijze of opnieuw opgemaakte zin moet mogelijk opnieuw worden gecontroleerd voordat deze op de audio wordt uitgelijnd of in een latere extractie wordt gebruikt. Deze functies verwerken de transcriptie; ze stellen niet vast dat elk belangrijk detail correct is herkend.

Controleer voor een afgeronde transcriptie namen, getallen, ontkenningen en sprekerwisselingen door terug te gaan naar de bijbehorende audio. Besteed aandacht aan zachte passages, overlap en taalwisselingen in plaats van de kwaliteit alleen op vloeiende tekst te beoordelen. Behoud onzekere bewoordingen voor correctie in plaats van een onhoorbare passage met een aannemelijke zin aan te vullen. Het bruikbare resultaat is een gecontroleerde tekstregistratie met de tijdsaanduidingen en sprekerinformatie die nodig zijn voor het beoogde gebruik; een transcriptie kan vervolgens invoer worden voor een afzonderlijke stap voor samenvatting, vertaling of analyse.