Dauguma balso pavertimo tekstu klaidų prasideda garse, o ne programoje. Daugiausia laimite keturiais dalykais: mikrofonas arti kalbančiojo, mažai foninio triukšmo, vienu metu kalba vienas žmogus ir teisinga kalba. Po to kalbėkite pilnais sakiniais tolygiu tempu, aiškiai tarkite pavardes ir skaičius ir kartą perskaitykite tekstą prieš jį naudodami. DI perrašymas tada gali sutvarkyti skyrybą ir jaustukus, bet negali pataisyti žodžio, kurį transkripcija išgirdo neteisingai.
| Problema tekste | Tikėtiniausia priežastis | Ką pakeisti |
|---|---|---|
| Trūksta žodžių ar jie sujaukti | Mikrofonas per toli arba triukšmas | Priartinkite telefoną, raskite tylesnę vietą |
| Neteisingos ištisos vietos | Nustatyta ne ta kalba arba sumaišytos dvi kalbos | Viena kalba viename įraše; kur galima, nustatykite kalbą |
| Neteisingos pavardės ir pavadinimai | Reti žodžiai, kurių sistema nesitiki | Tarkite aiškiai, kartą paraidžiui, vėliau pataisykite |
| Susilieję du balsai | Žmonės kalba vienas per kitą | Kalbėkite paeiliui, prieš atsakydami padarykite pauzę |
| Visai nieko | Tylus ar labai tylus įrašas | Patikrinkite įrašo lygį, pirmiausia išbandykite trumpą įrašą |
Mikrofonas ir patalpa
Google savo Cloud Speech-to-Text paslaugos rekomendacijose rašo aiškiai: „Position the microphone as close as possible to the person that is speaking, particularly when background noise is present“, t. y. mikrofoną laikykite kuo arčiau kalbančiojo, ypač kai yra foninio triukšmo. Praktiškai:
- Diktuodami laikykite telefoną arti burnos, maždaug kaip kalbėdami telefonu, ir neuždenkite mikrofono angos pirštais ar dėklu.
- Rinkitės tylią patalpą. Išjunkite muziką, televizorių ir ventiliatorius. Maža patalpa su minkštais baldais aidi mažiau nei virtuvė ar laiptinė.
- Venkite vėjo. Lauke atsisukite nugara į vėją arba naudokite ausines su mikrofonu.
- Nešaukite. Google taip pat pataria vengti signalo perkrovos („avoid audio clipping“). Garsiau nei įprastai kalbant arti mikrofono, signalas iškreipiamas.
- Susitikimą įrašinėkite nuo stalo vidurio, ne nuo krašto, kad visi balsai telefoną pasiektų panašiu garsumu.
Kaip kalbate
- Pilni sakiniai tolygiu tempu. Lėtai kalbėti nereikia, bet tolygi kalba su trumpomis pauzėmis tarp minčių transkribuojama geriau nei protrūkiais.
- Viena kalba viename įraše. Kalbos keitimas sakinio viduryje klaidina daugelį sistemų. Jei reikia pacituoti angliškai, citata tebūna trumpa.
- Aiškiai tarkite pavardes ir skaičius. Retesnę pavardę kartą pasakykite lėtai arba paraidžiui: „Žemaitytė, Ž, E, M, A, I, T, Y, T, Ė“. Lietuviškos pavardės dažnai iškraipomos linksniuojant, todėl tekste patikrinkite galūnes. Skaičius sakykite taip, kad jų nebūtų galima supainioti: „penkiolika, vienas penki“.
- Kalbėkite paeiliui. Kai du žmonės kalba vienu metu, dažniausiai neteisingai užrašomi abu.
- Palaukite akimirką paspaudę įrašymą ir prieš sustabdydami, kad nenukirstų pirmų ir paskutinių žodžių.
Svarbūs nustatymai
- Kalba. Kur įrankis klausia kalbos, pasirinkite teisingą. Gboard rašymas balsu, WhatsApp transkripcijos ir telefonų įrašymo programėlės turi savo kalbos nustatymus, o neteisingas nustatymas sugadina rezultatą. Atkreipkite dėmesį, kad kai kurie įrankiai lietuvių kalbos išvis nepalaiko: pavyzdžiui, WhatsApp transkripcija Android telefone (žr. WhatsApp transkripcija ir lietuvių kalba).
- Vardai ir terminai. Jei jūsų įrankis turi žodyną ar frazių sąrašą, įtraukite vardus ir terminus. Google dokumentacija rekomenduoja žodžių ir frazių užuominas „to add names and terms to the vocabulary“.
- Originalus failas. Kiekvienas perrašymas ar perkodavimas praranda detalių. Transkribuokite įrašymo įrenginio sukurtą failą, o ne kopiją, grotą per garsiakalbį. Savo paslaugai Google rekomenduoja nuostolių neturinčius formatus (FLAC ar LINEAR16) ir 16 000 Hz diskretizavimo dažnį.
- Nepridėkite triukšmo slopinimo vėliau. Google savo paslaugai pataria nenaudoti automatinio stiprinimo ir triukšmo slopinimo ir rašo, kad jų atpažinimo sistema sukurta ignoruoti foninius balsus ir triukšmą be papildomo slopinimo.
Sunkiai girdimas įrašas
Jei įrašas jau padarytas ir sunkiai suprantamas:
- Vieną kartą transkribuokite visą failą ir pažiūrėkite, kurios vietos nepavyko.
- Nepavykusias vietas paklausykite sulėtintai su ausinėmis ir parašykite patys.
- Ko negirdite, pažymėkite [neaišku], užuot spėlioję. Atspėtas žodis citatoje ar protokole blogiau nei spraga.
- Nesitikėkite stebuklų iš labai tolimos kalbos. Jei balsas jums pačiam vos girdimas, programa jo taip pat patikimai neatkurs.
Kaip patiems pasitikrinti tikslumą
Balso pavertimo tekstu tikslumas paprastai matuojamas žodžių klaidų dažniu (WER, angl. word error rate): WER = (S + D + I) / N, kur S yra pakeistų žodžių skaičius, D praleistų, I įterptų, o N žodžių skaičius teisingame palyginamajame tekste. Kuo mažesnis, tuo geriau.
Namų versija užtrunka penkias minutes:
- Pasirinkite maždaug 100 žodžių pastraipą su keliais vardais ir skaičiais.
- Perskaitykite ją garsiai į savo įrankį įprastomis sąlygomis.
- Suskaičiuokite neteisingus, praleistus ir pridėtus žodžius ir padalykite iš pastraipos žodžių skaičiaus.
- Pakeiskite vieną dalyką (atstumą, patalpą, kalbos nustatymą) ir pakartokite.
Rezultatas parodo, kas padeda jūsų balsui, jūsų telefonui ir jūsų patalpai. Jis nepalygina įrankių apskritai: paskelbtas tikslumo skaičius galioja tik tam garsui, kuriuo jis matuotas. Lietuvių kalbos tikslumo Retexta programėlėje nematavome.
Ką DI perrašymas pataiso, o ko ne
Retexta, debesijoje veikianti Android programėlė, kuri balsą paverčia tekstu ir rašo su DI, pirmiausia transkribuoja, o tada gali tekstą perrašyti. Perrašymas gerai sutvarko tai, kas neapdorotą transkripciją daro sunkiai skaitomą:
- skyrybą, didžiąsias raides ir pastraipas;
- jaustukus ir pradėtus sakinius („tai, ee, na, turiu omeny“);
- pasikartojančias frazes ir nutrūkusius sakinius.
Jei norite tik sutvarkytos transkripcijos, rinkitės tikslą Clean up a text (skiltyje More templates): programėlė jį apibūdina kaip jūsų teksto išlaikymą ištaisant gramatiką, skyrybą ir sklandumą. Rašymo tikslai, pavyzdžiui, Write a message ar Take notes, eina toliau ir pertvarko tai, ką pasakėte. Meniu yra anglų kalba (lietuviškos sąsajos nėra), todėl nurodome angliškus pavadinimus.
Ko perrašymas padaryti negali: žinoti, kad „Žemaitytė“ buvo išgirsta kaip „Žemaitis“ ar kad „penkiolika“ turėjo būti „penkiasdešimt“. Jis netgi gali neteisingai išgirstą žodį paversti sklandžiu sakiniu, kuris atrodo teisingas. Todėl pavardes, skaičius, datas ir sumas tikrinkite su įrašu. Retexta rezultatus žymi užrašu „AI-generated. Check important details.“
Dvi programėlės detalės, susijusios su tikslumu: Retexta kalbos kalbą atpažįsta automatiškai (kalbos pasirinkti negalima), todėl trumpas įrašas su pilnu pirmu sakiniu duoda jai daugiau informacijos nei vienas žodis. O jei įrašas tylus ar labai tylus, ji tai pasako, užuot grąžinusi tekstą („Transcription finished, but no text was produced“).
Retexta galite išbandyti nemokamai: nauji naudotojai gauna kelis nemokamus Pro rezultatus peržiūrai programėlėje, o po jų ir Transcript only reikalauja Retexta Pro arba kreditų. Perrašymo tikslai ir Import audio priklauso Retexta Pro, o kopijuoti, bendrinti ar eksportuoti rezultatus galima tik su Retexta Pro arba kreditais.
Skaitykite toliau
Įrašote balso įrašą? Žr. garso įrašo transkribavimas Android telefone. Diktuojate vietoj spausdinimo? Perskaitykite apie el. laiško diktavimą Android telefone. Du balsai viename įraše: kaip transkribuoti interviu. Failų formatai: MP3 į tekstą. Daugiau apie programėlę: Retexta, balsas į tekstą Android telefonams.
Šaltiniai
Tikrino FLAME Apps 2026 m. rugsėjo 25 ir 28 d.
- Google Cloud, Best practices, Cloud Speech-to-Text (angliškai, atnaujinta 2026 m. rugsėjo 18 d.): mikrofono padėtis, signalo perkrova, diskretizavimo dažnis, nuostolių neturintys formatai, jokio automatinio stiprinimo ar triukšmo slopinimo, žodžių ir frazių užuominos. Tai rekomendacijos pačios Google paslaugai.
- Wikipedia, Word error rate (angliškai): apibrėžimas WER = (S + D + I) / N.
- Retexta programėlės kodas (Android, versija 2026.1.23): automatinis kalbos atpažinimas, Clean up a text tikslo aprašymas ir klaidų pranešimai.
