בקיצור
- זיהוי דוברים נפרד מפענוח המילים. הוא רק קובע מי דיבר מתי, ויכול לטעות גם כשהמילים עצמן תומללו בלי שום שגיאה.
- התוכנה מאגדת קטעי דיבור לפי הקול, ואתם נותנים שם לכל קבוצה. עד שתכתבו מי הדובר, למערכת אין מושג של מי הקול הזה.
- טעויות בשיוך קורות בעיקר כשמדברים אחד על השני, כשיש קולות דומים או תגובות קצרות מאוד, וכשכולם מדברים למיקרופון אחד בחדר.
- הקלטה נקייה תעזור יותר מכל הגדרה בתוכנה. תנו מיקרופון נפרד לכל משתתף, השתדלו לא להיכנס לדברים של אחרים ופתחו בסבב שמות מוקלט.
- בדקו את השיוכים בנקודות שבהן הדובר מתחלף, ותמיד תוודאו שוב לפני שאתם מצטטים מישהו או רושמים על שמו משימה.
מה בעצם עושה זיהוי דוברים?
זיהוי דיבור הופך צליל למילים. זיהוי דוברים, שנקרא גם דיאריזציה (Diarization), עונה על שאלה אחרת: מי דיבר מתי. המערכת מפרקת את ההקלטה למקטעי דיבור, מודדת את מאפייני הקול בכל מקטע ומקבצת יחד קטעים שנשמעים כמו אותו אדם. בסוף מתקבלות קבוצות אנונימיות, שלרוב מסומנות בתור ״דובר 1״, ״דובר 2״ וכן הלאה.
הקבוצות נשארות אנונימיות בכוונה. התוכנה מזהה ששני קטעים נאמרו באותו קול, אבל אין לה דרך לדעת שזו נועה מהכספים. את השם אתם נותנים בעצמכם, פעם אחת לכל משתתף. מאותו רגע, כל שורה של הקול הזה תקבל את השם שבחרתם.
מכיוון שזיהוי מילים וזיהוי דוברים הם שני שלבים נפרדים, כל אחד מהם יכול לטעות בלי קשר לשני. תמלול יכול לקלוט כל מילה במדויק, ועדיין להדביק את המשפט לאדם הלא נכון. לכן כשעוברים על התמלול, צריך לבדוק גם את הטקסט וגם את שמות הדוברים.
למה לפעמים משויך המשפט לדובר הלא נכון?
הסיבה הנפוצה ביותר היא דיבור במקביל. כששני אנשים מדברים יחד, יש שני קולות על אותה פיסת אודיו, ומערכת שמסוגלת לשייך כל רגע רק לדובר אחד חייבת לבחור ביניהם. בעיה מוכרת אחרת היא תגובות קצרות כמו ״כן״, ״נכון״ או ״אוקיי״. בחצי שנייה של אודיו כמעט אין מידע קולי, ולכן המערכת לרוב מצמידה את המילים האלה למי שדיבר רגע קודם.
גם קולות דומים מקשים על ההפרדה. קחו שני קולגות באותו גיל ועם אותו מבטא שמדברים למיקרופון של אותו לפטופ: אפילו למאזין אנושי שמקשיב בריכוז יהיה קשה להבדיל ביניהם. בשיחות טלפון שמוקלטות במונו יש קושי נוסף, כי שני הקולות מגיעים בערוץ אחד ונדחסים באיכות של קו הטלפון.
גם לחדר יש השפעה. הד מורח את הקול, ומי שמתרחק מהמיקרופון עשוי להישמע לתוכנה כמו אדם אחר. בהקלטות ארוכות הקול שלנו גם משתנה מעייפות, מהתרגשות או סתם מכחכוח בגרון. במצבים כאלה התוכנה עלולה לפצל אדם אחד לשתי קבוצות דוברים, או לאחד שני אנשים לקבוצה אחת.
איך מקליטים נכון כדי לקבל הפרדת דוברים נקייה?
דאגו שלכל משתתף תהיה גישה ישירה למיקרופון. הכי נוח להניח מכשיר הקלטה אחד באמצע השולחן, אבל זה נותן את ההפרדה הכי חלשה. אם תשימו מיקרופון או טלפון קרוב לכל דובר, או תבקשו ממשתתפים מרחוק לעלות עם אוזניות ומיקרופון, למערכת יהיה הרבה יותר קל להבדיל בין הקולות. בראיון זוגי, שימו את מכשיר ההקלטה בין שניכם, וקצת יותר קרוב למי שמדבר חלש.
בקשו מהמשתתפים לדבר בתורות. הדרך הכי פשוטה לשפר את הדיוק היא לסכם בתחילת הפגישה שנותנים לכל אחד לסיים משפט לפני שנכנסים. בדיון ערני תמיד ידברו קצת אחד על השני ולא תצליחו למנוע את זה לגמרי, אבל גם שיפור קטן יחסוך לכם זמן במעבר על התמלול.
פתחו בסבב היכרות קצר, ושכל אחד יגיד את השם שלו ומשפט שלם. ככה תהיה לכם דגימה נקייה של כל קול, ובהמשך תוכלו פשוט לחזור לדקה הראשונה בהקלטה, לשמוע מי זה מי ולתת שמות לקבוצות בקלות.
איך נותנים שמות לדוברים ושומרים עליהם לאורך זמן?
פתחו את התמלול, השמיעו את השורה הראשונה בכל קבוצה והקלידו את השם של אותו דובר. ב־KolWrite אפשר לשנות שמות תוך כדי קריאה, והשם המעודכן עובר לכל קובץ שתייצאו. ככה קובץ ה־Word וקובץ הכתוביות ייראו בדיוק כמו מה שמופיע על המסך. הפרדת הדוברים עצמה מתבצעת בענן, אבל מאגר הקולות המקומי (Speaker Bank) יכול לזכור אנשים לפי שם ולזהות את הקול שלהם ישירות על המכשיר שלכם. ככה לא תצטרכו להעלות אודיו מחדש כדי לזהות קול שכבר שמרתם.
כתבו את השמות בצורה שמתאימה למי שיקרא את המסמך: שם מלא ותפקיד בפרוטוקול רשמי, או שם פרטי בסיכומים פנימיים. אם מדובר בסדרה של פגישות, שמרו על אותה צורת כתיבה בכולן כדי שחיפוש של שם ימצא את כל המקומות שבהם האדם דיבר.
אם יש בהקלטה מישהו שאתם לא מצליחים לזהות, תנו לקבוצה שלו שם כללי שמתאר את מה שאתם כן יודעים, כמו ״אורח״ או ״מתקשר״, ועצרו שם. עדיף להשאיר תווית כללית מאשר לרשום שם לא נכון.
איך בודקים את תוויות הדוברים במהירות?
אין צורך לקרוא את כל התמלול רק כדי לוודא שהשיוכים נכונים. בחלקים החשובים של השיחה, גשו לנקודות שבהן הדובר מתחלף והקשיבו לשנייה הראשונה אחרי החילוף. רוב הטעויות קורות סביב דיבור חופף, תשובות קצרות ורגעים שמגיעים מיד אחרי שתיקה.
בדקו כל ציטוט ישיר וכל התחייבות. אם בסיכום כתוב שעומר הבטיח לשלוח קובץ, השמיעו את השורה הזו באודיו. טעות בשיוך של הערת אגב לא תעשה נזק, אבל שיוך שגוי של הבטחה, מספר או תלונה כבר משנה את התיעוד של מה שקרה בפגישה.
שורה בודדת שקיבלה שם שגוי מתקנים נקודתית באותה שורה. אם דובר אחד התפצל בטעות לשתי קבוצות, מתקנים ברמת הקבוצה: פשוט נותנים לשתי הקבוצות את אותו שם והן יתמזגו. בתמלול אוטומטי תמיד יש טעויות שדורשות מעבר, וזה כולל גם את תוויות הדוברים.
מתי תוויות הדוברים חשובות במיוחד?
הן חשובות בכל מקום שבו צריך לדעת מי בדיוק אמר מה: פרוטוקולים של ישיבות, ראיונות, שיחות שירות, דיונים ומפגשי מחקר. כשיש רק דובר אחד, כמו בהרצאה או בהודעה קולית, זה הרבה פחות משנה ואפשר להסתפק בטקסט רציף.
הן חשובות מאוד גם בהקלטות שמיועדות לתרגום או לכתוביות. כשקובץ הכתוביות כולל את שם הדובר, הצופים יודעים מי מדבר גם כשהוא לא בפריים. לכן סדרו קודם את שמות הדוברים, ורק אז ייצאו את הקובץ.
שאלות שחוזרות
מהי דיאריזציה של דוברים (Speaker Diarization)?
זה התהליך שבו התוכנה מחלקת הקלטת אודיו למקטעים לפי דובר כדי לקבוע מי דיבר מתי. התוכנה נותנת לכל קול תווית אנונימית, ואתם מחליפים את התוויות האלה בשמות האמיתיים.
האם תמלול יכול להפריד בין שני אנשים שמדברים בו־זמנית?
לא בצורה אמינה. כשקולות עולים זה על זה, שני הדוברים נמצאים על אותה רצועת אודיו, והתוכנה לרוב משייכת את הקטע רק לאחד מהם. על קטעים כאלה תמיד צריך לעבור עם האוזן.
כמה דוברים אפשר לזהות בהקלטה אחת?
אין מגבלה קבועה. ההפרדה נהיית קשה יותר ככל שיש יותר משתתפים, ככל שהקולות דומים יותר וככל שיש יותר רעשי רקע. התוצאות הכי נקיות מתקבלות בקבוצה קטנה שבה לכל אחד יש מיקרופון משלו.
האם כל מודל ב־KolWrite מבצע הפרדת דוברים?
לא, חלק מהמודלים המהירים יותר מוותרים על שלב הפרדת הדוברים. אם אתם צריכים תוויות דוברים, בדקו את תיאור המודל באפליקציה ובחרו מודל שתומך בהפרדת דוברים.
האם צריך להגדיר מחדש את שמות הדוברים בכל הקלטה?
בהקלטה חד־פעמית כן. אם מדובר באנשים שאתם מקליטים באופן קבוע, מאגר הקולות (Speaker Bank) יכול לזכור את השמות שלהם ולהתאים להם את הקול ישירות על המכשיר שלכם, אבל עדיין כדאי לעבור ולאשר שההתאמה נכונה.
