Transkripsi Jepun menukarkan pertuturan kepada teks Jepun. Jika anda membandingkan alat pertuturan-ke-teks, mulakan dengan kaedah pemarkahan dan jenis audio yang digunakan dalam ujian. Peratusan ralat yang rendah pada ayat yang dibaca tidak memberitahu anda bagaimana sesuatu alat akan mengendalikan mesyuarat, temu bual, kata nama khas atau pertuturan serantau anda.

Transkripsi Jepun berbeza daripada terjemahan Jepun ke Inggeris dan daripada menulis semula bahasa Jepun ke huruf Latin. Panduan romanisasi 2025 Jepun berkaitan dengan yang terakhir; ia tidak mengubah ketepatan pengecaman pertuturan. Panduan ini merangkumi audio Jepun kepada teks Jepun dan cara praktikal untuk menilainya.

Intipati utama

Mengapa penanda aras Jepun menggunakan CER

Bahasa Jepun bertulis tidak mempunyai ruang antara perkataan biasa. Untuk mengira WER, penilai terlebih dahulu memilih sempadan perkataan dalam kedua-dua rujukan dan transkrip; dua pemisahan yang berbeza boleh mewujudkan ketidakpadanan walaupun pembaca memahami ayat yang sama. CER membandingkan aksara dan mengelakkan langkah pemisahan itu. Kertas Karita, Sproat dan Ishikawa melaporkan kedua-dua ukuran dan menerangkan had ini.

CER masih merupakan skor jarak edit berbanding teks rujukan. CER 5% dan WER 5% mempunyai penyebut yang berbeza. Tiada satu pun yang menjamin “95% tepat” secara umum untuk audio anda. Apabila vendor menerbitkan peratusan Jepun, tanya metrik, normalisasi, versi model dan set ujian yang digunakan. Sebagai contoh, ElevenLabs menerbitkan WER Jepun, manakala jadual berbilang bahasa AssemblyAI menandakan Jepun sebagai CER; angka-angka itu tidak boleh dibandingkan secara langsung.

Apa yang berubah dalam skor apabila ejaan alternatif digunakan

Bahasa Jepun membenarkan lebih daripada satu ejaan konvensional untuk sesetengah perkataan. Rujukan tetap boleh menandakan pilihan kanji atau kana yang munasabah sebagai ralat. Kajian 2023 membina lattice ejaan semula yang munasabah bagi transkrip rujukan dan membandingkan pengecam yang sama terhadap rujukan asal dan yang diperluas. Merentasi tiga domain penyelidikan, CER menurun sebanyak 2.4 hingga 3.1 mata peratusan; pada set carian suaranya, pengurangan itu ialah 25.16% berbanding kadar ralat asal. Pengecam itu sendiri tidak bertambah baik.

Tiga penilai terlatih menilai 913 varian ejaan yang dicadangkan daripada domain YouTube dalam kajian itu. Mereka menilai 95.4% sebagai munasabah, dan 16% sebagai “hebat” atau lebih baik daripada perkataan asal. Itu ialah penilaian terhadap varian yang dicadangkan, bukan bukti bahawa 95.4% ralat enjin adalah tidak berbahaya. Kertas itu juga menyatakan bahawa gaya dan daftar bahasa boleh mempengaruhi ejaan yang sesuai untuk konteks tertentu. Untuk transkrip yang akan anda terbitkan, semak sendiri nama, istilah teknikal dan gaya penulisan yang dimaksudkan.

Cara membandingkan enjin pada tugas yang sama

Penanda aras vendor berguna apabila ia mendedahkan audio ujian, kaedah pemarkahan, versi model dan tarikh jalannya. Penanda aras semasa AssemblyAI, contohnya, memisahkan FLEURS berbilang bahasa daripada Common Voice dan menerangkan normalisasinya. Hasil dan senarai modelnya berubah, jadi kedudukan yang disalin cepat menjadi lapuk; ia juga merupakan pengendali penanda aras dan peserta. Gunakan jadual yang diterbitkan untuk memilih calon, kemudian uji mereka pada klip yang sama daripada beban kerja anda sendiri.

  1. Pilih sampel pendek yang telah mendapat persetujuan, dengan mikrofon, bunyi bilik, penutur dan dialek yang anda jangkakan dalam pengeluaran.
  2. Tulis transkrip rujukan, termasuk ejaan yang benar-benar anda perlukan untuk nama dan istilah domain.
  3. Jalankan setiap calon pada fail yang sama dan catat model, tetapan, format output dan masa pemprosesannya.
  4. Teliti perkataan yang mengubah makna dan pengabaian secara berasingan daripada varian kana atau kanji yang boleh diterima. Simpan audio asal untuk petikan yang dipertikaikan.

Perbandingan alat transkripsi kami merangkumi ujian silang alat yang lebih luas. Panduan Jepun ini menumpukan pada sebab unit pemarkahan dan dasar ejaan penting sebelum anda membaca kedudukan.

Dialek dan rakaman berbilang bahasa

Dalam kajian 2022 oleh Imaizumi dan rakan-rakan, model penyelidikan yang dilatih hanya pada bahasa Jepun standard mencatat 52.5% CER pada ujian dialek mereka dan 14.3% pada ujian standard mereka. Melatih model konvensional itu pada kedua-dua jenis pertuturan mengurangkan CER dialek kepada 8.0%, manakala CER standard bergerak kepada 14.9%. Para penulis juga menguji kaedah yang peka dialek, termasuk satu yang memperbaiki kedua-dua set. Angka-angka ini menerangkan set data dan sistem mereka; ia tidak mengukur MirrorCaption, Kansai-ben secara khusus atau setiap variasi serantau.

Jika rakaman mengandungi pertuturan serantau, ambil sampel pertuturan itu dalam penilaian anda dan bukannya bergantung pada label umum “bahasa Jepun disokong”. Untuk rakaman yang berselang-seli antara bahasa Jepun dan Inggeris, uji titik pertukaran dan semak bahasa yang digunakan bagi setiap segmen. Petunjuk bahasa atau satu bahasa sumber yang dipilih bukan bukti pertukaran kod yang boleh dipercayai. Lihat panduan transkripsi audio berbilang bahasa kami untuk perbezaan antara sokongan bahasa dan pengesanan bahasa automatik.

Apa yang MirrorCaption sediakan untuk bahasa Jepun

Bahasa Jepun ialah bahasa yang boleh dipilih untuk transkripsi langsung dan transkripsi fail MirrorCaption. Sesi langsung menstrim teks semasa pertuturan sedang berlangsung; transkripsi fail memberikan hasil tak segerak. Terjemahan pilihan ialah langkah berasingan daripada transkrip Jepun. Lihat transkripsi langsung berbanding fail untuk memilih aliran kerja.

Akaun baharu yang layak boleh mencuba elaun transkripsi percuma. Pilihan berbayar semasa dan jam yang disertakan muncul pada halaman harga; semak sebelum membeli kerana butiran pelan boleh berubah.

Uji transkripsi Jepun pada audio anda

Cuba klip yang mewakili, kemudian semak nama, petikan dialek dan format eksport.

Mula Percuma

Soalan lazim

Mengapa penanda aras pertuturan-ke-teks Jepun menggunakan CER?

Bahasa Jepun biasanya tidak mempunyai ruang antara perkataan, jadi WER memerlukan pilihan pemisahan perkataan yang boleh mempengaruhi skor. CER membandingkan aksara tanpa memisahkan perkataan terlebih dahulu. Kedua-duanya masih bergantung pada rujukan dan peraturan normalisasi.

Adakah hasil penyelidikan 25.16% bermaksud satu perempat daripada ralat transkripsi tidak berbahaya?

Tidak. Dalam satu set ujian carian suara, satu kajian 2023 mengurangkan CER sebanyak 25.16% berbanding skor asalnya dengan membenarkan ejaan alternatif yang munasabah. Hasil itu tidak boleh digunakan sebagai pecahan ralat dalam model, set data atau rakaman yang berbeza.

Bolehkah transkripsi Jepun mengendalikan dialek serantau?

Ia bergantung pada pertuturan dan model. Satu kajian penyelidikan 2022 mendapati perbezaan besar antara latihan hanya standard dan latihan yang merangkumi dialek pada set datanya sendiri. Uji dialek sebenar anda dan semak transkrip; MirrorCaption tiada pemilih dialek atau penanda aras dialek yang diterbitkan.

Adakah MirrorCaption akan mengembalikan kanji, hiragana atau romaji?

Ia mengembalikan teks Jepun tanpa pemilih skrip. Jangkakan penulisan Jepun campuran yang biasa dan semak nama serta istilah khusus. MirrorCaption tiada tetapan output furigana atau romaji.

Bolehkah saya mengeksport sari kata Jepun sebagai SRT atau VTT?

MirrorCaption mengeksport teks transkrip dan JSON, tetapi pada masa ini tidak mengeksport SRT atau VTT bertanda masa. Gunakan editor sari kata jika anda memerlukan kapsyen bertanda masa untuk video yang siap.

Bagaimana jika rakaman saya bertukar antara bahasa Jepun dan Inggeris?

Uji titik pertukaran pada fail yang mewakili dan semak setiap segmen bahasa. Memilih bahasa Jepun sebagai petunjuk bahasa fail tidak menjamin pertukaran kod yang tepat.