Speaker: Fedor Bezrukov

1. © 2020
1
Общий обзор решений – Удобство – Стоимость – Точность - Выводы
ТРАНСКРИПТ, ТИТРЫ,
ПЕРЕВОД
УДОБНЕЕ, ЧЕМ КОГДА-ЛИБО

2. © 2020
2
Экскурс в историю
1950-
1960
Bell Laboratories разработали систему Audrey, которая распознавала цифры, сказанные одним голосом.
Через 10 лет, в 1962 году, IBM продемонстировала систему "Shoebox", которая понимала 16 слов на
английском.
1970-е МО США и DARPA запускают программу Speech Understanding Research (SUR). Система Harpy
Университета Карнеги Меллона распознает более 1000 слов (словарный запас трехлетнего ребенка)
1980-е Новый статистический метод, больше известный как «скрытая марковская модель». Распознаются
несколько тысяч слов. В 1987 появляется кукла, «понимающая» голос ребенка. Появляется ПО
(например, Kurzweil text-to-speech могла распознавать до 5000 слов), но после каждого слова нужно
было делать паузу.
1990-е Появляются ПК и соответствующее ПО. Dragon Dictate с изначальной ценой в 9000 долларов. Первый
голосовой интерактивный портал VAL от BellSouth в 1996 году. В 1997 выходит Dragon NaturallySpeaking,
который умел распознавать нормальную речь со скоростью 100 слов в минуту, но требовал тренировки
и стоил 695 долларов.
2000-е Достижение порога в 80% точности. Застой до появления голосового поиска Google. Обработка
информации в облаке, сбор огромного массива данных и обучение системы.
2010-е Привет, Сири и окей, Гугл! Бум голосовых помощников (Siri, Google Assistant, Alexa)
2020-е Максимальное увеличение точности распознавания (4,9% ошибок, по заявлению Google). Artificial
Intelligence, Machine Learning, Natural Language Processing.

3. © 2020
3
Как мы делали это раньше?
Требуемый результат Инструменты
Текст для транскрипта или
перевода
Медиаплеер + текстовый
редактор
Субтитры для видео /
монтажный лист
Subtitle Edit / Aegisub и аналоги
Перевод субтитров • Вручную
• В текстовом редакторе
• Без САТ / МТ

4. © 2020
4
Как мы можем делать это сегодня?
Загрузить /
распознать
• Загрузить
исходный
материал в
систему STT и
распознать
Внести правки
• Отредактировать
распознанный
текст
• [Разметить
спикеров]
• Ряд облачных
инструментов
поддерживает
совместную работу
Экспортировать
• Экспортировать в
нужном формате
• Текст в Word или
субтитры
Перевести
• Если нужен
перевод,
воспользуйтесь
CAT
• Работу можно
ускорить,
подключив МП
• Некоторые
средства TTS
поддерживают МП

5. © 2020
5
Зачем, если вручную быстрее и дешевле?
https://sonix.ai/fast-transcription

6. © 2020
6
Инструменты для STT
 Хороший выбор с краткими оценками на G2

7. © 2020
7
Как улучшить результат или
Garbage in – garbage out
 Если запись делаете вы, позаботьтесь о ее качестве
заранее.
 Крайне желательно, чтобы дновременно говорил только
один спикер.
 Речь должна быть на одном языке
 Добавьте «сложные» слова в глоссарий
 Удалите фоновый шум
 (например, в бесплатном Audacity для Win/Mac)
 Поделитесь своими рекомендациями!

8. © 2020
8
Мой выбор - сводка
Название Стоимость($/час) Trial Форматы экспорта Спикеры Прим. Рус. Укр. Словарь Перевод Youtube
Audtext 13 30мин txt/doc + - - - - - -
Descript 10часов / 10в мес 180мин doc/srt + + - - - - -
Go transcribe 12 10мин txt/doc/pdf/srt/etc + + + - + - -
Happyscribe 14 2мин / 1файл txt/doc/pdf/srt/etc + + + + + + +
Simon Says 15 15мин txt/doc/pdf/srt/etc+ + + + + + -
Sonix 10 30мин txt/doc/pdf/srt/etc+ + + + - + +
Otter 4часа / 8,33в мес 600мин, 3ф. 30дн txt, ост. в премиум + - - - + - -

9. © 2020
9
Go transcribe

10. © 2020
10
HappyScribe

11. © 2020
11
Simon Says

12. © 2020
12
Sonix

13. © 2020
13
Как будем сравнивать?
 Качество распознавания
 Удобство редактора
 Наличие нормального trial-a
 Поддержка украинского и русского
 Стоимость

14. © 2020
14
Результаты тестирования
Название $/час Trial Прим. Укр Словарь Перевод Редактор Качество
Go transcribe 12 10мин + - + - 9 93,3
Happyscribe 14 2мин / 1 + + + + 8 95,3
Simon Says 15 15мин + + + 8 92,7
Sonix 10 30мин + - + 10 95,5

15. © 2020
15
NEVER STOP
EVOLVING OR TRYING!
СПАСИБО ЗА ВНИМАНИЕ!
www.logrusit.com
partnership@logrusit.com