Enamik kõnetuvastuse vigu saab alguse helist, mitte tarkvarast. Suurima võidu annavad neli asja: mikrofon kõneleja lähedal, vähe taustamüra, korraga räägib üks inimene ja tööriist, mis üldse eesti keelt toetab. Viimane ei ole Eestis iseenesestmõistetav: mitu levinud tööriista eesti keelt ei loetle. Pärast seda räägi täislausetega ühtlases tempos, ütle nimed ja numbrid selgelt ning loe tekst enne kasutamist läbi. Tehisintellekti ümberkirjutus korrastab kirjavahemärgid ja täitesõnad, kuid valesti tuvastatud sõna ta parandada ei oska.
| Probleem tekstis | Tõenäoline põhjus | Mida muuta |
|---|---|---|
| Sõnad puudu või segased | Mikrofon liiga kaugel või müra | Telefon lähemale, vaiksemasse kohta |
| Terved lõigud valed | Tööriist ei toeta eesti keelt või on seatud muule keelele; keeled segamini | Kontrolli keele tuge ja seadet; üks keel salvestise kohta |
| Nimed ja kaubamärgid valed | Harvad sõnad, mida süsteem ei oota | Ütle selgelt, veeri korra, paranda pärast |
| Kaks häält segamini | Üksteisest üle rääkimine | Rääkige kordamööda, tee enne vastamist paus |
| Üldse midagi | Vaikne või äärmiselt vaikne salvestis | Kontrolli sisendtaset, proovi enne lühikese klipiga |
Kõigepealt: kas tööriist toetab eesti keelt?
Kontrollisime tootjate abilehti 25. ja 28. septembril 2026. „Ei loetle“ tähendab, et eesti keelt tootja keelte loetelus ei olnud.
| Tööriist | Eesti keel | Allikas |
|---|---|---|
| WhatsAppi häälsõnumite transkriptsioon | Ei loetle (Androidis ainult inglise, portugali, hispaania, vene) | WhatsAppi abileht |
| Pixeli Helisalvesti | Ei loetle | Google'i eestikeelne abileht |
| Samsungi Transcript assist | Ei loetle | Samsungi abileht |
| Zoomi helitranskriptsioon | Ei loetle (19 keelt, vene on) | Zoomi abileht |
| Gboardi täiustatud häälsisestus | Ei (ainult hispaania, inglise, itaalia, jaapani, prantsuse, saksa) | Google'i eestikeelne abileht |
| Gboardi tavaline häälsisestus | Google ütleb vaid, et see ei tööta kõigi keeltega | Google'i eestikeelne abileht |
| tekstiks.ee | Jah, tehtud eesti keele jaoks | tekstiks.ee |
| Retexta | Eesti keel on keelte loetelus | äpi kood |
Kui tööriist eesti keelt ei toeta, ei aita ükski allolev nõuanne: tulemus on ikka vale.
Mikrofon ja ruum
Google'i pilveteenuse Cloud Speech-to-Text parimate tavade leht ütleb otse: „Position the microphone as close as possible to the person that is speaking, particularly when background noise is present.“ Tekstiks.ee annab sama soovituse: kõne peaks olema „lindistatud suu lähedal oleva mikrofoniga müravabas keskkonnas“. Praktikas:
- Hoia telefon suu lähedal, kui dikteerid, umbes nagu telefonikõne ajal, ja ära kata mikrofoni sõrmede või ümbrisega.
- Vali vaikne ruum. Lülita välja muusika, teler ja ventilaatorid. Väike pehme mööbliga tuba kajab vähem kui köök või trepikoda.
- Väldi tuult. Õues pööra selg tuule poole või kasuta peakomplekti mikrofoni.
- Ära karju. Google soovitab ka „avoid audio clipping“: tavalisest valjem rääkimine mikrofoni lähedal moonutab signaali.
- Salvesta koosolekut laua keskelt, mitte otsast, et kõik hääled jõuaksid telefonini sarnase tugevusega.
Kuidas räägid
- Täislaused ühtlases tempos. Aeglaselt pole vaja rääkida, aga ühtlane kõne lühikeste pausidega mõtete vahel tuvastub paremini kui pursked.
- Üks keel salvestise kohta. Keelte vahetamine lause keskel ajab paljud süsteemid segadusse. Kui pead tsiteerima inglise või vene keeles, hoia see lühike.
- Ütle nimed ja numbrid selgelt. Harva nime puhul ütle see korra aeglaselt või veeri: „Kaisa, K A I S A“. Ütle „viisteist“ või „üks viis“, et seda ei kuuldaks kui „viiskümmend“.
- Rääkige kordamööda. Kui kaks inimest räägivad korraga, tulevad tavaliselt mõlemad valesti.
- Tee lühike paus pärast salvestamise alustamist ja enne lõpetamist, et esimene ja viimane sõna ära ei lõigataks.
Seaded, mis loevad
- Vali räägitud keel, kui tööriist seda küsib. Gboardi häälsisestusel, WhatsAppi transkriptsioonil ja telefoni salvestusäppidel on oma keeleseaded ja vale seade rikub tulemuse. Juhend WhatsAppi transkriptsioon eesti keeles näitab WhatsAppi seadet.
- Lisa nimed ja terminid, kui su tööriistal on sõnavara või fraaside loetelu. Google'i dokumentatsioon soovitab sõnade ja fraaside vihjeid „to add names and terms to the vocabulary“.
- Hoia alles originaalfail. Iga uuesti salvestamine või pakkimine kaotab detaile. Transkribeeri salvesti tehtud faili, mitte kõlarist mängitud koopiat. Tekstiks.ee soovitab vähemalt 16-bitist kodeeringut ja 16 kHz sagedust, eelistatult WAV-vormingus; pakitud failide puhul vähemalt 128 kbit/s MP3 või Ogg.
- Ära lisa pärast müravähendust. Google soovitab oma teenuse puhul automaatset võimenduse reguleerimist ja müravähendust mitte kasutada ning ütleb, et tuvastaja on tehtud taustahääli ja müra ignoreerima.
Raskesti kuuldav heli
Kui salvestis on juba tehtud ja sellest on raske aru saada:
- Transkribeeri kogu fail korra ja vaata, millised osad ebaõnnestuvad.
- Kuula ebaõnnestunud osi aeglasemalt kõrvaklappidega ja kirjuta need ise.
- Märgi, mida ei kuule, kujul [ebaselge], selle asemel et arvata. Arvatud sõna tsitaadis või protokollis on halvem kui lünk.
- Ära oota imesid väga kaugelt kõnelt. Kui hääl on sulle vaevu kuuldav, ei tuvasta ka tarkvara seda usaldusväärselt.
Pikkade failide puhul hoiatab tekstiks.ee, et süsteem ei tööta hästi üle kahe tunni pikkustega; tükelda need enne.
Kuidas täpsust ise testida
Kõnetuvastuse täpsust mõõdetakse tavaliselt sõnaveamääraga (WER): WER = (S + D + I) / N, kus S on asendatud sõnade arv, D puuduvate sõnade arv, I lisatud sõnade arv ja N õige võrdlusteksti sõnade arv. Mida väiksem, seda parem.
Kodune versioon võtab viis minutit:
- Vali umbes 100-sõnaline lõik, milles on mõni nimi ja number.
- Loe see oma tavalistes tingimustes tööriista.
- Loe kokku valed, puuduvad ja lisatud sõnad ning jaga lõigu sõnade arvuga.
- Muuda üht asja (kaugus, ruum, keeleseade, tööriist) ja korda.
Tulemus ütleb, mis aitab sinu hääle, telefoni ja ruumi puhul. Tööriistade üldiseks võrdluseks see ei sobi: avaldatud täpsusnäitaja kehtib ainult heli kohta, millel seda mõõdeti. Märka ka seda, et eesti keeles muudab üks vale kääne sõna valeks, kuigi tähendus võib jääda arusaadavaks; otsusta enne, kas loed selle veaks.
Mida tehisintellekti ümberkirjutus parandab ja mida mitte
Retexta, pilves töötav Androidi äpp, mis muudab kõne tekstiks ja kirjutab tehisintellekti abil, transkribeerib kõigepealt ja võib siis teksti ümber kirjutada. Ümberkirjutus tuleb usaldusväärselt toime asjadega, mis teevad toore transkriptsiooni raskesti loetavaks:
- kirjavahemärgid, suurtähed ja lõigud;
- täitesõnad ja uuesti alustatud laused („noh, ee, ma mõtlen“);
- korduvad fraasid ja katkenud laused.
Kui tahad transkriptsiooni ainult korrastada, on eesmärk Clean up a text (jaotises More templates), mida äpp kirjeldab nii: hoiab sinu teksti alles ning parandab grammatikat, kirjavahemärke ja sujuvust. Kirjutamise eesmärgid, näiteks Write a message või Take notes, lähevad kaugemale ja struktureerivad öeldu ümber. Menüüd on inglise keeles ja eestikeelset kasutajaliidest pole, seepärast kirjutame nuppude nimed nii, nagu need äpis on.
Mida ümberkirjutus teha ei saa, on teada, et „Kaisa“ kuuldi kui „kaisus“ või et „viisteist“ pidi olema „viiskümmend“. Ta võib valesti kuuldud sõnast teha isegi ladusa lause, mis näeb õige välja. Seepärast kontrolli nimed, numbrid, kuupäevad ja summad salvestise järgi. Retexta märgib tulemused tekstiga „AI-generated. Check important details.“
Kaks äpi detaili, mis täpsust puudutavad: Retexta tuvastab räägitud keele automaatselt, nii et lühike klipp, mis algab täislausega, annab talle rohkem tööd kui üksik sõna. Ja kui salvestis on vaikne või äärmiselt vaikne, ütleb äpp seda, selle asemel et teksti tagastada („Transcription finished, but no text was produced“). Eesti keele tuvastuse täpsuse kohta me väiteid ei esita.
Retextat saab tasuta proovida: uue kasutajana saad mõned tasuta Pro-tulemused, mida näed äpis, ja pärast neid eeldab ka Transcript only Retexta Pro tellimust või krediite. Ümberkirjutuse eesmärgid ja Import audio kuuluvad Retexta Pro hulka ning tulemuste kopeerimine, jagamine või eksportimine eeldab Retexta Pro tellimust või krediite.
Loe edasi
Salvestad häälmärget? Vaata häälmärkme transkribeerimine Androidis. Dikteerid kirjutamise asemel? Loe e-kirja dikteerimine Androidis. Kaks häält ühes salvestises: intervjuu transkribeerimine. Failivormingud: MP3 tekstiks. Rohkem äpist: Retexta, kõne tekstiks Androidis.
Allikad
Kontrollinud FLAME Apps 25. ja 28. septembril 2026.
- Google Cloud, Best practices, Cloud Speech-to-Text (inglise keeles, viimati uuendatud 18. septembril 2026): mikrofoni asend, ülekoormus, diskreetimissagedus, kadudeta koodekid, ilma võimenduse reguleerimise ja müravähenduseta, sõnade ja fraaside vihjed. Need on soovitused Google'i enda teenusele.
- TTÜ kõnetehnoloogia labor, tekstiks.ee (28. september 2026): soovitused helikvaliteedi, vormingu ja failipikkuse kohta.
- Gboardi abi, Teksti sisestamine häälega ja Täiustatud häälsisestuse kasutamine (28. september 2026): keelte märkused.
- Pixel Phone Help, Transkriptsioonide loomine, muutmine ja haldamine (28. september 2026): Helisalvesti keeled.
- WhatsApp Help Center, How to turn voice message transcripts on or off (25. september 2026); Samsung US Support, Use Voice Recorder with Galaxy AI (25. september 2026); Zoom Support, Using audio transcription for cloud recordings (25. ja 28. september 2026): keelte loetelud.
- Wikipedia, Word error rate: definitsioon WER = (S + D + I) / N.
- Retexta äpi kood (Android, versioon 2026.1.23): automaatne keeletuvastus ja keelte loetelu (
RecordScreen.kt,TranscriptionLanguageCatalog.kt), eesmärgi Clean up a text kirjeldus ja veateated (äpi tekstid).
