Sut i drawsgrifio cyfweliad Cymraeg ar eich gliniadur

Gallwch droi recordiad o gyfweliad Cymraeg yn ddrafft testun ar eich gliniadur drwy redeg model Whisper Techiaith ar ffeil sain leol. Yna, gwrandewch ar y recordiad wrth gywiro’r drafft: rhowch sylw arbennig i enwau, treigladau a geiriau a ddywedir pan fydd siaradwyr yn torri ar draws ei gilydd.

Os hoffech ddefnyddio rhyngwyneb parod yn hytrach na gosod model eich hun, mae Trawsgrifiwr Techiaith yn derbyn ffeiliau sain neu fideo ac yn gallu recordio drwy’r porwr; mae ganddo hefyd offer i olygu’r canlyniad a chreu isdeitlau. Mae ei ap Trawsgrifiwr Byw yn rhedeg ar y ddyfais, ond mae’n defnyddio model Kaldi i adnabod lleferydd. Mae’r camau isod yn esbonio sut i redeg model Whisper Techiaith eich hun ar ffeil sydd eisoes wedi’i recordio.

Paratowch y recordiad

Cadwch y ffeil wreiddiol heb ei newid a gwnewch gopi i weithio arno. Gwrandewch ar ddarnau o’r dechrau, y canol a’r diwedd cyn dechrau: byddwch yn clywed a yw llais un o’r siaradwyr yn dawel, a oes sŵn cefndir, ac a yw pobl yn siarad ar yr un pryd. Bydd hynny’n eich helpu i nodi’r darnau y bydd angen eu gwirio’n ofalus.

Mae ffeil sain fel WAV yn fan cychwyn syml. Os oes gennych fideo, tynnwch gopi sain ohono a chadwch y fideo gwreiddiol i gyfeirio ato. Os byddwch yn rhannu cyfweliad hir yn ffeiliau llai, rhifwch nhw yn eu trefn a chofnodwch amser dechrau pob darn. Fel arall, gall fod yn anodd dod o hyd i air ansicr yn y recordiad llawn wrth olygu’r testun.

Mae’n bwysig penderfynu ble i brosesu’r ffeil os yw’r cyfweliad yn cynnwys gwybodaeth gyfrinachol. Mae cyflwyno ffeil i wasanaeth ar-lein yn wahanol i redeg model wedi’i lawrlwytho ar eich gliniadur. Cyn dewis sut i wneud y gwaith, penderfynwch ble y cewch gadw’r sain a’r drafft; cadwch y ddau mewn lle y gallwch reoli pwy sy’n gallu cael mynediad atynt.

Rhedwch fodel Whisper Techiaith yn lleol

Mae cerdyn model Whisper Techiaith yn dangos sut i’w redeg gyda Transformers ac yn nodi cyfradd gwall geiriau gyfartalog o 20.29 ar bedair set prawf trawsgrifio, gan gynnwys prawf Saesneg. Y sgorau Cymraeg yw 15.10 ar leferydd Common Voice wedi’i ddarllen a 29.20 ar leferydd digymell Lleisiau Arfor. Mae’r gwahaniaeth hwnnw’n dangos pam y dylid trin y canlyniad fel drafft. Ni all cyfartaledd y setiau prawf ragweld pa mor gywir fydd trawsgrifiad eich cyfweliad chi.

1. Gosodwch Python, PyTorch a Transformers. Rhedwch python -m pip install torch transformers accelerate yn y derfynell; defnyddiwch python3 yn lle python os dyna enw Python ar eich peiriant. Gosodwch FFmpeg hefyd er mwyn i’r broses allu darllen ffeil sain o’i llwybr.
2. Crëwch ffeil Python o’r enw trawsgrifio.py yn yr un ffolder â chopi o’ch ffeil sain. Rhowch y llinell hon ynddi: from transformers import pipeline. Rhowch y canlynol ar y llinell nesaf: pipe = pipeline('automatic-speech-recognition', model='techiaith/whisper-large-ft-cy-en', chunk_length_s=30). Mae’r gosodiad olaf yn rhannu sain hir yn ddarnau i’w prosesu.
3. Ychwanegwch: result = pipe('cyfweliad.wav', generate_kwargs={'language': 'cy', 'task': 'transcribe'}). Rhowch enw eich ffeil yn lle cyfweliad.wav. Yna ychwanegwch: open('drafft.txt', 'w', encoding='utf-8').write(result['text']). Rhedwch y ffeil Python o’r un ffolder; bydd drafft.txt yn cynnwys y testun i’w gywiro.

Bydd angen cysylltiad rhyngrwyd i lawrlwytho’r model y tro cyntaf. Wedi hynny, bydd y gorchmynion hyn yn prosesu’r sain ar eich peiriant heb ei huwchlwytho i’r gwasanaeth ar-lein. Mae’r model yn fawr: os nad oes llawer o gof gan eich gliniadur neu os yw’r broses yn araf, rhowch gynnig ar ddarn byr o’r recordiad yn gyntaf i weld a yw’r dull yn ymarferol ar eich peiriant.

Cywirwch enwau, treigladau a throeon siarad

Gwrandewch ar y cyfweliad cyfan gyda’r drafft o’ch blaen, gan gywiro’r testun yn ôl yr hyn a glywch, nid yr hyn sy’n ymddangos yn debygol ar y dudalen. Rhowch flaenoriaeth i enwau pobl a lleoedd, rhifau, geiriau Saesneg mewn brawddegau Cymraeg, a mannau lle mae siaradwyr yn siarad ar yr un pryd. Cofnodwch amser unrhyw air na allwch ei glywed yn glir er mwyn dychwelyd ato; gall dyfalu arwain at ddyfyniad anghywir.

Cadwch restr fer o eiriau ac enwau ar wahân i’r drafft. Gall pob cofnod gynnwys sillafiad enw rydych wedi’i gadarnhau, y ffurfiau treigledig a glywch, ac amseroedd y darnau lle mae’n codi. Er enghraifft, os yw enw lle yn codi eto ar ôl arddodiad, cymharwch y sain cyn newid pob achos ohono’n awtomatig. Bydd y rhestr yn eich helpu i gywiro enw sy’n codi dro ar ôl tro yn gyson, heb ddileu ffurf lafar briodol.

Penderfynwch a oes angen trawsgrifiad gair am air neu destun wedi’i daclo i’w ddarllen. Mewn trawsgrifiad gair am air, gall ailadrodd, petruso a brawddeg anghyflawn fod yn rhan o ystyr yr ateb. Mewn testun wedi’i olygu, gallwch dacluso’r atalnodi a rhai baglau llafar, ond gwnewch hynny ar ôl cadarnhau’r geiriau drwy wrando ar y sain. Cadwch y gwahaniaeth rhwng cywiro’r trawsgrifiad a golygu geiriau’r siaradwr yn glir.

Amcangyfrifwch yr amser golygu

Defnyddiwch sampl o’ch recordiad eich hun i gynllunio’r gwaith, gan gynnwys darn clir a darn anodd os oes un. Trawsgrifiwch ddarnau o wahanol rannau o’r cyfweliad gan ddefnyddio’r un gosodiadau, yna mesurwch faint o amser y mae’n ei gymryd i’w cywiro wrth wrando. Bydd hynny’n dangos faint o waith sydd ei angen ar gyfer y siaradwyr, ansawdd y sain a’r math o sgwrs sydd gennych, yn hytrach na dibynnu ar sgôr prawf cyhoeddedig.

Rhannwch gyfanswm yr amser cywiro â hyd y sain yn y sampl, yna lluoswch y gymhareb â hyd y sain sy’n weddill. Mewn enghraifft ddychmygol, pe bai chwe munud o sain yn cymryd deunaw munud i’w gywiro, byddech yn neilltuo tua thair munud o olygu ar gyfer pob munud arall o sain. Neilltuwch amser ychwanegol i gadarnhau sillafiadau, nodi pwy sy’n siarad a phrawfddarllen, gan nad yw’r amser a fesurwyd ar y sampl o reidrwydd yn cynnwys y tasgau hynny.

Deall beth mae’r sgorau gwall yn ei fesur

Mae cyfradd gwall geiriau yn cymharu canlyniad y model â thrawsgrifiad cyfeirio ac yn cyfrif y geiriau a newidiwyd, a hepgorwyd neu a ychwanegwyd. Mae meincnod annibynnol Welsh ASR yn profi lleferydd Cymraeg wedi’i ddarllen, podlediadau a sgwrs bob dydd, ac yn dangos bod y canlyniadau’n amrywio’n sylweddol rhwng y mathau hynny o sain. Felly, sampl o’r cyfweliad ei hun yw’r sail orau i amcangyfrif faint o waith golygu fydd gennych.

Peidiwch â chymharu sgorau o wahanol brofion fel pe baent yn mesur yr un recordiad yn yr un ffordd. Gall y set ddata, y ffordd y dewiswyd y darnau sain, a’r ffordd y cyfrifwyd y gwallau effeithio ar y canlyniad; mae’r meincnod annibynnol hefyd yn gwahaniaethu rhwng brawddegau a oedd yn y data hyfforddi a rhai na welwyd o’r blaen. Os ydych am ddyfynnu o gyfweliad neu gyhoeddi ei drawsgrifiad, gwrandewch eto ar bob enw, rhif a darn lle mae’r union eiriad yn bwysig.