Hugo.lv vai Tilde: vienā latviešu testā 10,8% pret 4,9%

|Autors: QUASA redakcija|4 min lasīšanai| 1
Hugo.lv vai Tilde: vienā latviešu testā 10,8% pret 4,9%

Vienā Aivja Brutana latviešu ieraksta pārbaudē Hugo.lv vārdu kļūdu līmenis bija 10,8%, bet Tilde Transcribe — 4,9%. Ja vajadzīgs tikai teksta melnraksts no atsevišķa ieraksta, bezmaksas Hugo.lv ir saprātīga izvēle. Regulāriem subtitriem, kopsavilkumiem vai īpašām datu izvietošanas prasībām vairāk piedāvā Tildes risinājumi.

Šie procenti raksturo konkrētā ieraksta atšifrējumus, nevis abu pakalpojumu precizitāti jebkurā situācijā. Turklāt ieraksta apstrādes veids atšķīrās: Tilde Transcribe rezultāts tika salikts no atsevišķi atšifrētām daļām. Izvēlē līdzās teksta kvalitātei jāņem vērā, vai galarezultāts būs parasts teksts, video subtitri vai transkripcija pasākuma laikā.

Ko izmērīja viena ieraksta pārbaude

Pārbaudei tika izmantots autora paša ierunāts LSM.lv raksts MP3 formātā. Rīku iegūtie teksti tika salīdzināti ar raksta tekstu, izmantojot JiWER; pieturzīmju kvalitāte netika vērtēta. Hugo.lv apstrādāja augšupielādēto ierakstu, savukārt Tilde Transcribe bezmaksas piekļuves ierobežojuma dēļ tas tika sadalīts septiņās daļās un iegūtie teksti apvienoti. Tātad salīdzinājums raksturo arī šos konkrētos lietošanas apstākļus.

Vārdu kļūdu līmenis jeb WER saskaita aizvietotus, izlaistus un liekus vārdus attiecībā pret atsauces tekstu; to skaidro JiWER dokumentācija. Mazāks WER šeit nozīmē, ka iegūtais teksts bija tuvāks izmantotajai rakstītajai versijai. Tā kā atsauce bija raksts, nevis atsevišķi sagatavots precīzs ierunātā transkripts, iespējamās atšķirības starp izrunāto un rakstīto tekstu arī varēja ietekmēt rezultātu.

Viena cilvēka ierunāts raksts maz pasaka par sapulci, kur runātāji pārtrauc cits citu, par trokšņainu interviju vai nozares terminoloģiju. WER arī nemēra, cik ērti labot runātāju sadalījumu, subtitru laika atzīmes un kopsavilkuma formulējumus. Ja kļūdains īpašvārds vai citāts radītu būtiskas sekas, abu rīku rezultāts pirms izmantošanas jāpārbauda pret audio.

Vienreizējs ieraksts: ko dod Hugo.lv

Kultūras informācijas sistēmu centra pakalpojumu aprakstā Hugo.lv runas atpazīšana ir pieejama bez maksas un paredzēta diktētas vai ierakstītas runas pārvēršanai rakstītā tekstā. Tas ir tiešs risinājums cilvēkam, kurš vēlas iegūt latviešu audio teksta melnrakstu un pēc tam to pats rediģēt. Maksa par papildu darbplūsmu šādā gadījumā var neatsvērt ieguvumu.

Piemēram, vienas lekcijas vai intervijas atšifrējumam svarīgākais var būt iespēja ātri iegūt tekstu, kuru tāpat pārskatīs cilvēks. Savukārt gara ieraksta apstrādē bezmaksas piekļuve pati par sevi nepasaka, cik ilgs būs darbs ar kļūdainiem īpašvārdiem, runātāju maiņu vai publicēšanai vajadzīgu noformējumu. Ja nepieciešams gatavs subtitru fails vai strukturēts sanāksmes kopsavilkums, jāvērtē arī šo darbu izmaksas pēc transkripcijas.

Subtitri, kopsavilkumi un abonementa cena

Tildes transkripcijas rīka aprakstā norādītas rediģējamas transkripcijas ar atdalītiem runātājiem, subtitru faili ar laika atzīmēm, MI veidoti kopsavilkumi un API integrācija. Publicētā Sākuma plāna cena ir 6,99 € mēnesī par 60 transkripcijas minūtēm; norādītajās cenās nav iekļauts PVN. Plāniem piedāvāts arī 14 dienu izmēģinājums ar 30 transkripcijas minūtēm. Konkrētas funkcijas pieejamība izvēlētajā plānā un tarifs jāpārbauda pirms abonēšanas.

Video veidotājam subtitru fails ar laika atzīmēm aiztaupa teksta manuālu sadalīšanu pa video fragmentiem. Sanāksmes ierakstā runātāju nošķiršana palīdz saprast, kam pieder teiktais, bet kopsavilkums ļauj ātrāk atrast apspriestos jautājumus. Šīs izvades risina atšķirīgus uzdevumus: precīzs atšifrējums vēl nenodrošina labi sadalītus subtitrus, un īss kopsavilkums nevar aizstāt audio, kad jāpārbauda lēmums vai citāts.

Tildes piedāvājuma cena tādēļ jāsaista ar vajadzīgo rezultātu un ierakstu apjomu. Ja ik mēnesi jāapstrādā video vai sanāksmes, izdevumus var salīdzināt ar laiku, ko prasītu subtitru un kopsavilkumu sagatavošana pašrocīgi. Ja šīs izvades vajadzīgas reti, bezmaksas teksta melnraksts un manuāla rediģēšana var būt pietiekami.

Tiešraidei un sensitīviem datiem vajadzīgi atšķirīgi risinājumi

Tildes runas risinājumu pārskatā Tilde Event Assistant paredzēts tiešai pasākumu un sanāksmju transkripcijai un reāllaika tulkošanai, bet Tilde Transcribe — ierakstītas runas atšifrēšanai un SRT subtitru failiem. Tāpēc gatava video apstrāde un titri pasākuma norises laikā nav viens un tas pats pirkums. Arī viena ieraksta WER rezultāts neraksturo, cik ātri vai stabili titri parādīsies tiešraidē.

Sensitīvu uzņēmuma sarunu gadījumā būtisks ir datu apstrādes ceļš. Tildes risinājumiem aprakstīta izvietošana lokālā infrastruktūrā, privātā mākonī vai ES teritorijā esošā vidē, kā arī iespēja noteikt ierakstu un rezultātu glabāšanas kārtību. Šīs ir izvietošanas iespējas konkrētai ieviešanai, nevis solījums, ka katrs publiskais abonements automātiski darbojas klienta infrastruktūrā. Pirms šādu ierakstu nodošanas apstrādei jānoskaidro izvēlētā risinājuma faktiskā vide, piekļuves tiesības un dzēšanas nosacījumi.

Izvēles matrica četrām vajadzībām

  • Viens ieraksts, vajadzīgs teksts: Hugo.lv ļauj sākt bez abonementa. Šī izvēle ir īpaši loģiska, ja atšifrējumu tik un tā pārskatīs cilvēks un nav vajadzīgas citas izvades.
  • Video subtitri: Tilde Transcribe ir piemērotāks, ja vajadzīgs subtitru fails ar laika atzīmēm. Pirms publicēšanas jāpārbauda īpašvārdi, teksta dalījums un subtitru saskaņa ar runu.
  • Transkripcija tiešraidē: jāvērtē Tilde Event Assistant un konkrētā pasākuma vajadzības — piemēram, titri vai tulkojums norises laikā. Ieraksta atšifrēšanas tests neizmērīja šo darbplūsmu.
  • Sensitīvi uzņēmuma dati: jāvērtē Tildes lokālas vai privāta mākoņa izvietošanas iespējas kopā ar organizācijas prasībām. Izšķiroša ir konkrētā ieviešana un vienošanās par datu apstrādi.

Lasiet arī:

Dalīties:

Saistītie raksti

Abonējiet mūsu jaunumu vēstuli

Saņemiet jaunākās Web3, MI un kriptovalūtu ziņas tieši savā e-pastā.

0