Useimmat puheentunnistuksen virheet syntyvät äänessä, eivät ohjelmassa. Suurimmat parannukset tulevat neljästä asiasta: mikrofoni lähellä puhujaa, vähän taustamelua, yksi puhuja kerrallaan ja oikea kieliasetus. Sen jälkeen puhu kokonaisin lausein tasaiseen tahtiin, sano nimet ja numerot selvästi ja lue teksti kerran ennen käyttöä. Puheentunnistus suomeksi vaatii lisäksi huomiota puhekieleen, yhdyssanoihin ja nimiin. Tekoälyn uudelleenkirjoitus siistii välimerkit ja täytesanat, mutta se ei korjaa sanaa, jonka litterointi kuuli väärin.
| Ongelma tekstissä | Todennäköisin syy | Mitä muutat |
|---|---|---|
| Sanoja puuttuu tai ne ovat sotkua | Mikrofoni liian kaukana tai melua | Puhelin lähemmäs, hiljaisempi paikka |
| Kokonaisia jaksoja väärin | Väärä kieliasetus tai kaksi kieltä sekaisin | Aseta puhuttu kieli; yksi kieli äänitettä kohden |
| Nimet ja tuotenimet väärin | Harvinaiset sanat, joita järjestelmä ei odota | Sano ne selvästi, tavaa kerran, korjaa jälkikäteen |
| Kaksi ääntä sekoittunut | Ihmiset puhuvat päällekkäin | Vuorotelkaa, pieni tauko ennen vastausta |
| Ei mitään | Hiljainen tai erittäin vaimea äänite | Tarkista äänitaso; testaa ensin lyhyellä pätkällä |
Mikrofoni ja huone
Googlen Cloud Speech-to-Text -palvelun parhaat käytännöt sanovat suoraan: ”Position the microphone as close as possible to the person that is speaking, particularly when background noise is present.” Käytännössä:
- Pidä puhelin lähellä suuta sanellessasi, suunnilleen kuin puhelun aikana, äläkä peitä mikrofonin aukkoa sormilla tai suojakuorella.
- Valitse hiljainen huone. Sammuta musiikki, televisio ja tuulettimet. Pieni huone pehmeine kalusteineen kaikuu vähemmän kuin keittiö tai rappukäytävä.
- Vältä tuulta. Ulkona käännä selkä tuuleen tai käytä kuulokemikrofonia.
- Älä huuda. Google neuvoo myös välttämään säröytymistä (”avoid audio clipping”). Tavallista kovempi puhe lähellä mikrofonia vääristää signaalin.
- Äänitä palaveri pöydän keskeltä, ei päädystä, jotta jokainen ääni kuuluu puhelimeen suunnilleen yhtä voimakkaana.
Miten puhut
- Kokonaisia lauseita tasaiseen tahtiin. Hitaasti ei tarvitse puhua, mutta tasainen puhe lyhyin tauoin ajatusten välissä litteroituu paremmin kuin ryöpsähdykset.
- Yksi kieli äänitettä kohden. Kielen vaihtaminen kesken lauseen sekoittaa monia järjestelmiä. Kaksikielisessä työpaikassa, jossa suomi ja ruotsi vaihtelevat, kannattaa äänittää eri kieliset osuudet erikseen tai tarkistaa kielenvaihdon kohdat huolella.
- Puhekieli jää puhekieleksi. Litterointi kirjoittaa ”mä”, ”sä” ja ”se sano”, jos niin sanot. Jos tarvitset kirjakieltä, puhu vähän huolitellummin tai anna tekoälyn kirjoittaa teksti uudelleen.
- Sano nimet ja numerot selvästi. Harvinaisen nimen voi sanoa kerran hitaasti tai tavata: ”Siiri, S I I R I”. Sano numerot kokonaisina (”viisitoista” eikä ”viistoista”) ja tarkista ne tekstistä.
- Pitkät yhdyssanat. Suomen yhdyssanat, kuten ”asumistukihakemus”, voivat hajota litteroinnissa kahdeksi sanaksi. Tarkista ne.
- Vuorotelkaa. Kun kaksi ihmistä puhuu yhtä aikaa, molemmat menevät yleensä väärin.
- Pidä pieni tauko äänityksen alussa ja ennen lopettamista, jotta ensimmäiset ja viimeiset sanat eivät katkea.
Asetukset, joilla on merkitystä
- Valitse puhuttu kieli, jos työkalu kysyy sitä. Gboardin puhekirjoituksella, WhatsAppin tekstityksellä ja puhelinten äänityssovelluksilla on omat kieliasetuksensa, ja väärä asetus pilaa tuloksen. Kaikki eivät tue suomea: WhatsAppin Android-tekstityksestä suomi puuttuu, katso WhatsAppin tekstitys ja suomi.
- Lisää nimet ja termit, jos työkalussa on sanasto- tai fraasilista. Googlen dokumentaatio suosittelee sana- ja fraasivihjeitä ”to add names and terms to the vocabulary”.
- Säilytä alkuperäinen tiedosto. Jokainen uudelleenäänitys tai uudelleenpakkaus hävittää yksityiskohtia. Litteroi äänityssovelluksen tekemä tiedosto, älä kaiuttimesta uudelleen äänitettyä kopiota. Omalle palvelulleen Google suosittelee häviöttömiä muotoja (FLAC tai LINEAR16) ja 16 000 Hz:n näytteenottotaajuutta.
- Älä lisää kohinanpoistoa jälkikäteen. Google neuvoo välttämään automaattista äänenvoimakkuuden säätöä ja kohinanpoistoa palvelussaan ja kertoo tunnistimen olevan suunniteltu ohittamaan taustaäänet ilman erillistä kohinanpoistoa.
Vaikeasti kuultava äänite
Jos äänite on jo tehty ja siitä on vaikea saada selvää:
- Litteroi koko tiedosto kerran ja katso, mitkä kohdat epäonnistuvat.
- Kuuntele epäonnistuneet kohdat hidastettuna kuulokkeilla ja kirjoita ne itse.
- Merkitse, mitä et kuule, esimerkiksi (epäselvä), arvaamisen sijaan. Arvattu sana sitaatissa tai muistiossa on pahempi kuin aukko.
- Älä odota ihmeitä hyvin kaukaisesta puheesta. Jos ääni tuskin kuuluu sinulle, ohjelmakaan ei saa sitä luotettavasti talteen.
Testaa tarkkuus itse
Puheentunnistuksen tarkkuutta mitataan yleensä sanavirheprosentilla (WER, word error rate): WER = (S + D + I) / N, jossa S on korvattujen sanojen määrä, D puuttuvien, I ylimääräisten ja N sanojen määrä oikeassa vertailutekstissä. Mitä pienempi, sitä parempi.
Koska WER laskee kokonaisia sanoja, suomessa yksi väärä sijapääte (”talossa” eikä ”talosta”) tekee koko sanasta virheen. Suomenkielisen tekstin WER voi siksi näyttää suurelta, vaikka merkitys säilyisi. Katso lukujen lisäksi, ymmärtääkö tekstin.
Kotiversio vie viisi minuuttia:
- Valitse noin 100 sanan kappale, jossa on muutama nimi ja numero.
- Lue se ääneen työkaluusi tavallisessa ympäristössäsi.
- Laske väärät, puuttuvat ja ylimääräiset sanat ja jaa kappaleen sanamäärällä.
- Muuta yhtä asiaa (etäisyys, huone, kieliasetus) ja toista.
Tulos kertoo, mikä auttaa sinun äänelläsi, puhelimellasi ja huoneessasi. Se ei vertaa työkaluja yleisesti: julkaistu tarkkuusluku pätee vain siihen ääneen, jolla se mitattiin.
Mitä tekoälyn uudelleenkirjoitus korjaa ja mitä ei
Retexta, pilvessä toimiva Android-sovellus, joka muuttaa puheen tekstiksi ja kirjoittaa tekoälyn avulla, litteroi ensin ja voi sitten kirjoittaa tekstin uudelleen. Uudelleenkirjoitus hoitaa luotettavasti asiat, jotka tekevät raakalitteroinnista vaikealukuisen:
- välimerkit, isot alkukirjaimet ja kappaleet
- täytesanat ja keskeneräiset aloitukset (”eli, tota, siis”)
- toistot ja katkenneet lauseet.
Jos haluat vain siistiä litterointia, Clean up a text -tavoite (kohdassa More templates) on kuvattu sovelluksessa näin: tekstisi säilyy, kielioppi, välimerkit ja sujuvuus korjataan. Kirjoitustavoitteet, kuten Write a message tai Take notes, menevät pidemmälle ja jäsentävät sanomasi uudelleen. Retextan valikot ovat englanniksi, suomenkielistä käyttöliittymää ei ole.
Uudelleenkirjoitus ei voi tietää, että ”Siiri” kuultiin ”Siri”, tai että ”viisitoista” olisi pitänyt olla ”viisikymmentä”. Se voi jopa tehdä väärin kuullusta sanasta sujuvan lauseen, joka näyttää oikealta. Tarkista siis nimet, numerot, päivämäärät ja summat äänitteestä. Retexta merkitsee tulokset tekstillä ”AI-generated. Check important details.”
Kaksi sovelluksen ominaisuutta, jotka auttavat tarkkuudessa: Retexta tunnistaa puhutun kielen itse, joten lyhyt pätkä, jossa on kokonainen ensimmäinen lause, antaa sille enemmän tietoa kuin yksittäinen sana. Ja jos äänite on hiljainen tai erittäin vaimea, se kertoo sen eikä palauta tekstiä (”Transcription finished, but no text was produced”).
Retextaa voi kokeilla ilmaiseksi: uutena käyttäjänä saat muutaman ilmaisen Pro-tuloksen katseltavaksi sovelluksessa, ja niiden jälkeen myös Transcript only vaatii Retexta Pron tai krediittejä. Uudelleenkirjoitustavoitteet ja Import audio kuuluvat Retexta Prohon, ja tulosten kopiointi, jakaminen tai vienti vaatii Retexta Pron tai krediittejä.
Lue myös
Äänimuistion litterointi: äänitiedosto tekstiksi. Sanelu kirjoittamisen sijaan: sähköpostin sanelu. Kaksi ääntä samassa äänitteessä: haastattelun litterointi. Tiedostomuodot: MP3 tekstiksi. Lisää sovelluksesta: Retexta, puhe tekstiksi Androidille.
Lähteet
Tarkistanut FLAME Apps 25. ja 26.9.2026.
- Google Cloud, Best practices, Cloud Speech-to-Text (englanniksi, päivitetty 18.9.2026): mikrofonin sijainti, säröytyminen, näytteenottotaajuus, häviöttömät koodekit, ei äänenvoimakkuuden säätöä tai kohinanpoistoa, sana- ja fraasivihjeet. Suositukset koskevat Googlen omaa palvelua.
- Wikipedia, Word error rate (englanniksi): määritelmä WER = (S + D + I) / N.
- WhatsApp Help Center, How to turn voice message transcripts on or off (englanniksi): tuetut kielet Androidilla.
- Retextan sovelluskoodi (Android, versio 2026.1.23): puhutun kielen automaattinen tunnistus (
RecordScreen.kt,TranscriptionLanguageCatalog.kt), Clean up a text -tavoitteen kuvaus ja virheilmoitukset (sovelluksen merkkijonot).
