בקיצור
- ערבית מדוברת היא ברובה להג מקומי, וערבית כתובה היא ברובה ערבית ספרותית. תמלול חייב לבחור איזו מהשתיים הוא מייצג.
- למילים בלהגים השונים אין כתיב רשמי אחד, ולכן שני תמלולים מדויקים של אותה הקלטה יכולים להיראות אחרת.
- בדקו עם הלהג שלכם והדוברים שלכם. רשימת שפות לא תגיד לכם איך מערכת תתמודד עם מבטא מסוים.
- דיבור מעורב, שבו עוברים בין ערבית, עברית ואנגלית, הוא המקום שבו קורות רוב טעויות התמלול.
- החליטו מראש איזה סגנון אתם צריכים: תיעוד מילה במילה של הדיבור כמו שנשמע, או גרסה ערוכה בערבית ספרותית תקנית.
מה ההבדל בין ערבית ספרותית ללהג מדובר?
ערבית ספרותית בת זמננו היא השפה של מהדורות החדשות, הספרים, המסמכים הרשמיים והנאומים הרשמיים, ואותה מלמדים בבתי הספר ברחבי העולם הערבי. הלהגים הם השפה שמדברים עם המשפחה, החברים והקולגות בעבודה. הם משתנים מאזור לאזור, ולפעמים גם מעיר לעיר או מכפר לכפר. ערבית לבנטינית, מצרית, מפרצית ומגרבית הן משפחות להגים רחבות, ובתוך כל אחת מהן יש הבדלים באוצר המילים, בתנועות ובכמה מהעיצורים.
ההבדלים האלה גדולים מספיק כדי שדוברים של להגים רחוקים יתקשו להבין זה את זה. בהקלטה שומעים את ההבדלים במילים יומיומיות, בצורות הפועל, בהגייה ובמילות הקישור שמחברות בין משפטים. מערכת תמלול שאומנה בעיקר על ערבית רשמית תיתקל במילים שהיא לא מכירה כשתשמע שיחה משפחתית יומיומית.
האם מערכות זיהוי דיבור יודעות בכלל להתמודד עם להגים?
כן, אבל לא באותה מידה. ערבית ספרותית היא הצורה המתועדת ביותר של השפה, ולכן דיבור רשמי כמו הרצאות, שידורי חדשות ומצגות כתובות מראש נותן בדרך כלל תוצאות יציבות יותר משיחה חופשית. הכיסוי של להגים אחיד פחות, והוא תלוי באזור, בדובר ובנושא השיחה.
ב־KolWrite מתייחסים לערבית כשפה מרכזית מהשורה הראשונה. זה מתאר איך המוצר בנוי, אבל לא מבטיח הצלחה בכל להג אזורי. אם אתם רוצים לדעת איך המערכת תעבוד אצלכם, הדרך האמינה היחידה היא לבדוק קטע מייצג. קחו הקלטה אמיתית עם הדוברים שלכם ומהסביבה האמיתית שבה אתם עובדים, ושבו על התוצאה יחד עם מישהו שמדבר את הלהג הספציפי הזה.
כשמשווים בין כלים או הגדרות, הריצו בדיוק את אותו קטע בכל אחד מהם. שפטו את התוצאות לפי הפרטים שחשובים לעבודה שלכם, כמו שמות, מספרים ומונחים מקצועיים, ולא רק לפי כמה הטקסט זורם בקריאה.
איך כותבים מילים בערבית מדוברת?
לרוב המילים בלהגים אין כתיב רשמי. אנשים שונים עשויים לכתוב את אותה מילה באותיות שונות, ומילים בלהג שיש בהן הרבה תנועות צריכות להיכנס לאלפבית שבדרך כלל משמיט תנועות קצרות. האות שמייצגת את הצליל שנהגה כ־q, כ־g או כעיצור סדקי באזורים שונים היא דוגמה ברורה: הדוברים מבטאים אותה אחרת, אבל בכתיבה בדרך כלל שומרים על האות התקנית.
לכן יש לתמלול שתי אפשרויות מעשיות. הראשונה היא לתפוס את הדיבור כמו שנאמר, ולאיית מילים מהלהג כמו שאנשים רגילים לכתוב אותן בהודעות יומיומיות. השנייה היא להפיק גרסה מנורמלת בערבית ספרותית בת זמננו שנקראת כמו דוח רשמי. גישת המילה במילה מתאימה יותר למחקר, לתיעוד היסטוריה שבעל פה ולעבודה בלשנית. הגישה התקנית שימושית יותר לפרוטוקולים של ישיבות, לכתוביות לקהל רחב ולציטוטים שמתפרסמים.
החליטו על הגישה שלכם לפני שאתם עוברים על הטקסט. ככה עורכים לא ינרמלו סתם מילים תקינות מהלהג, ולא ישאירו ניסוחים רשמיים בתמלול שאמור להיות מילה במילה.
מה קורה כשדוברים מערבבים ערבית עם עברית או אנגלית?
מעבר בין שפות הוא עניין שבשגרה אצל הרבה דוברי ערבית בישראל ובאזור. בתוך משפט אחד דובר עשוי להגיד שם של מוסד בעברית, מונח הנדסי באנגלית ואת כל השאר בערבית. כל מעבר כזה קוטע את ההקשר שמזהה הדיבור נשען עליו כדי להבדיל בין צלילים דומים.
שמות ומונחים מקצועיים מהשפה השנייה הם המקומות שבהם יש הכי הרבה נפילות. הם עשויים להופיע בכתב ערבי, לטיני או עברי, ותמלול אחד עשוי לערבב את שלושתם. חפשו בטיוטה את מונחי המפתח בכל מערכת כתב רלוונטית, ואז קבעו צורה אחידה אחת למסמך הסופי.
KolWrite תומכת בתמלול של יותר מ־100 שפות, כולל דיבור מעורב, ומספקת תוויות דוברים וחותמות זמן. ככה אפשר לאתר את הרגעים המדויקים שבהם השפה מתחלפת ולהקשיב שוב לשמע.
איך להקליט נכון כדי לקבל תמלול מדויק יותר?
שימו את המיקרופון קרוב לדובר וצמצמו רעשי רקע. בערבית יש עיצורים שמופקים עמוק בגרון והולכים לאיבוד בקלות בחדר רועש. מיקרופון רחוק מאבד את הצלילים האלה ראשונים. אם יש כמה משתתפים, בקשו מהם לא לדבר יחד, כי קולות חופפים מקשים על כל מערכת תמלול.
בתחילת ההקלטה הקליטו כמה שניות שבהן כל משתתף אומר את השם שלו, ואייתו בקול שמות לא שגרתיים. נקודת הייחוס הקצרה הזו לא דורשת שום מאמץ והיא מקלה מאוד על האימות בשלב הבדיקה.
איך בודקים ועורכים תמלול של ערבית מדוברת?
מומלץ לעבור על הטקסט במקביל לשמע, בשלבים. קודם כל ודאו ששמות של אנשים ומקומות נכתבו נכון. אחר כך עברו על מספרים, תאריכים ונתונים כספיים. בסוף בדקו מילים שמשתנות בין הלהג המדובר לערבית הספרותית, כי מערכות אוטומטיות לפעמים מחליפות צורה אחת באחרת בלי שתשימו לב.
תנו לדובר שפת אם של אותו להג לעבור על כל קטע קריטי או לא ברור. בתמלולים אוטומטיים יש טעויות, ובתמלול של להג מילה שגויה עדיין יכולה להיראות הגיונית מבחינה דקדוקית על הדף, ורק הקשבה מול ההקלטה תחשוף את הטעות. אם אתם מתכננים לתרגם את התמלול, תקנו קודם את הטקסט הערבי, אחרת כל טעות במקור תעבור לתרגום.
שאלות שחוזרות
האם KolWrite מתמללת ערבית פלסטינית, מצרית או מפרצית?
KolWrite מתייחסת לערבית כשפת ליבה, אם כי הדיוק תלוי בדובר, באיכות השמע ובנושא. בדקו את המערכת עם קטע קצר ומייצג בלהג הספציפי שלכם, ועברו על הפלט עם דובר שפת אם.
האם התמלול יופיע בערבית ספרותית או בלהג המדובר?
התמלול עוקב אחרי השמע, ולכן דיבור שזוהה בלהג מופיע כמילים בלהג. אם אתם צריכים מסמך כתוב רשמי, ערכו את הטקסט אחר כך או בקשו ממי שבודק אותו לנרמל אותו לערבית ספרותית בת זמננו.
למה מילים מסוימות מאויתות אחרת בשני תמלולים שונים?
למילים בלהג מדובר אין כתיב רשמי אחד. בחרו צורת כתיב מועדפת אחת לשמות ולמונחי מפתח, והשתמשו בה באופן עקבי לאורך כל המסמך.
האם יש תמיכה בדיבור שמערבב ערבית ועברית?
KolWrite תומכת במספר שפות ובדיבור מעורב. עם זאת, קטעים שבהם מחליפים שפות דורשים בדיקה צמודה יותר, במיוחד בשמות פרטיים ובמונחים טכניים בשפה השנייה.
אפשר לתרגם הקלטה בערבית לשפה אחרת?
כן, KolWrite מתרגמת בין השפות הנתמכות. תמיד עברו קודם על התמלול הערבי ותקנו אותו, כי כל טעות בתמלול תמשיך הלאה לתרגום.
