Transkrypcja nagrania na tekst: metody, korekta i ochrona danych na komputerze

Transkrypcja nagrania na tekst na komputerze może powstać przez ręczne spisanie rozmowy albo automatyczne rozpoznawanie mowy, po którym trzeba sprawdzić wynik z odsłuchem. Przy pojedynczej rozmowie wybór zależy przede wszystkim od jakości dźwięku, długości materiału i poufności informacji. Zanim przekażesz plik programowi, ustal, czy przetworzy go na komputerze, czy wyśle do zewnętrznej usługi.

Ręczne spisywanie czy automatyczne rozpoznawanie mowy?

Do ręcznej pracy wystarczą odtwarzacz, słuchawki i edytor tekstu. Odsłuchujesz krótki fragment, zatrzymujesz odtwarzanie i zapisujesz wypowiedź. Taka metoda sprawdza się przy krótkiej rozmowie albo materiale, w którym często trzeba wracać do niewyraźnych słów. Pozwala od początku oznaczać wątpliwości, choć wymaga czasu i skupienia. Także ręczny zapis trzeba ponownie porównać z nagraniem.

Program do transkrypcji nagrań przygotowuje pierwszą wersję tekstu. Może ograniczyć ilość pisania, ale nie zwalnia z kontroli treści. Płynne, poprawne gramatycznie zdanie może zawierać błędną kwotę, nazwisko lub przeczenie. Dla pojedynczej rozmowy rozsądną metodą jest automatyczny szkic i pełny odsłuch podczas korekty. Gdy poprawianie zajmuje więcej czasu niż spisywanie, można przejść na pracę ręczną.

Najpierw określ też oczekiwany rezultat. Transkrypcja odwzorowuje wypowiedzi, natomiast notatka może ograniczać się do ustaleń. Jeśli usuwasz powtórzenia i urwane początki zdań, zaznacz, że tekst został wygładzony redakcyjnie. Nie zmieniaj przy tym sensu. Streszczenie przechowuj osobno, aby odbiorca nie pomylił go z pełnym zapisem rozmowy.

Przygotuj kopię audio i sprawdź narzędzie

Zachowaj niezmieniony plik źródłowy, a do opracowania przygotuj kopię. Nadaj jej nazwę pozwalającą rozpoznać materiał bez ujawniania niepotrzebnych danych, na przykład numer sprawy wewnętrznej. Sprawdź, czy nagranie odtwarza się do końca, czy słychać obie strony i czy nie ma dłuższych przerw. Zanotuj jego czas trwania.

Przed wyborem narzędzia sprawdź w dokumentacji konkretnej wersji:

• czy rozpoznaje język polski i przyjmuje gotowy plik audio;
• jakie formaty, wielkości plików i długości nagrań obsługuje;
• jakie ma wymagania sprzętowe i systemowe;
• gdzie przetwarza dźwięk oraz czy przesyła go do innych usług;
• jak można zachować tekst i usunąć przesłane materiały.

Przykładem aplikacji z transkrypcją w wersji komputerowej jest bitCaller, dostępny na Windows i Linuksa. Przed użyciem tej funkcji trzeba potwierdzić w dokumentacji konkretnej wersji obsługiwane języki, formaty wejściowe i miejsce przetwarzania. Sam lokalny zapis nagrania nie oznacza, że również zamiana mowy na tekst odbywa się offline. Brak tych informacji nie pozwala obiecać obsługi polszczyzny ani podać uniwersalnej instrukcji kliknięć.

Jeżeli potrzebna jest konwersja pliku, wykonaj ją na kopii i odsłuchaj rezultat. Nie zastępuj oryginału plikiem po odszumianiu lub przycinaniu. Unikaj też ponownego nagrywania rozmowy odtwarzanej z głośnika: w ten sposób do materiału mogą dojść odgłosy pomieszczenia, które utrudnią zarówno rozpoznawanie, jak i korektę.

Jak ocenić próbkę rozmowy telefonicznej po polsku

Zanim opracujesz całe nagranie, wybierz krótki fragment reprezentatywny dla rozmowy. Niech zawiera wypowiedzi obu osób, nazwę własną, liczbę oraz trudniejszy moment, jeśli takie występują. Najczystsze kilkanaście sekund nie pokaże, jak narzędzie poradzi sobie z cichszym rozmówcą lub głosami nakładającymi się na siebie. Próbkę z danymi osobowymi przekazuj usłudze dopiero po sprawdzeniu warunków przetwarzania.

Porównaj wynik słowo po słowie z dźwiękiem. W rozmowie telefonicznej przeszkodą mogą być szumy, przerwy w połączeniu, niewyraźna wymowa i różna głośność głosów. Szczególnej uwagi wymagają polskie nazwiska, skróty branżowe, daty i kwoty. Nawet zadeklarowana obsługa języka polskiego nie gwarantuje prawidłowego odczytu konkretnego nagrania.

Oceń nie tylko liczbę pomyłek, lecz także ich znaczenie i czas poprawiania. Pomylenie słowa łączącego zdania zwykle ma inne skutki niż zamiana terminu płatności. Sprawdź, czy program pomija krótkie odpowiedzi, dopisuje słowa w ciszy albo łączy wypowiedzi dwóch osób. Taka próba służy wyborowi metody dla danego pliku; nie daje podstaw do ogólnej oceny dokładności narzędzia.

Korekta: sens, mówcy i znaczniki czasu

Koryguj tekst przy równoczesnym odsłuchu, od początku do końca. Najpierw popraw opuszczenia i błędnie rozpoznane słowa, potem interpunkcję i podział na wypowiedzi. W zdaniu o zamówieniu sprawdź osobno produkt, liczbę sztuk, cenę oraz termin. Krótkie przeczenie potrafi odwrócić sens całego ustalenia, dlatego nie wystarczy przeczytać gotowego tekstu pod kątem językowym.

W opracowaniu możesz samodzielnie wprowadzić stałe etykiety, na przykład „Rozmówca A” i „Rozmówca B”. Przypisuj je na podstawie odsłuchu. Nie dopisuj nazwiska wyłącznie dlatego, że pasuje do kontekstu sprawy. Gdy nie da się rozróżnić głosów, oznacz niepewność. Zmianę mówcy najlepiej pokazywać nowym akapitem, aby czytelnik nie przypisał odpowiedzi osobie zadającej pytanie.

Znaczniki czasu pomagają wrócić do nagrania. Możesz wpisać je ręcznie przy zmianie tematu i przy każdym niejasnym fragmencie, zawsze licząc od początku pliku źródłowego. Ustal jednolity zapis minut i sekund. Przykładowe oznaczenie redakcyjne to [03:12 – fragment niezrozumiały] albo [05:40 – jednoczesne wypowiedzi]. Nie zastępuj niesłyszalnego słowa prawdopodobnym domysłem.

Oznaczanie mówców i czasu jest tu sposobem opracowania dokumentu. Nie każdy program wykonuje te czynności automatycznie. Jeżeli dzielisz audio na części, uwzględnij przesunięcie czasu względem oryginału, inaczej znaczniki przestaną prowadzić do właściwych wypowiedzi. Przy gotowym tekście zapisz datę korekty i informację, czy sprawdzono całość, czy tylko fragment.

Komputer i chmura – co sprawdzić w sprawie danych

Przy przetwarzaniu wyłącznie lokalnym dźwięk nie musi opuszczać komputera, lecz nadal trzeba zabezpieczyć pliki i dostęp do urządzenia. Sprawdź także synchronizację folderów: zapis na dysku może być automatycznie kopiowany do chmury. W narzędziu zewnętrznym ustal, kto otrzymuje audio, kto ma dostęp do tekstu, jak długo materiały pozostają w usłudze i czy są używane do innych celów, na przykład rozwijania modeli.

Gdy rozmowa zawiera informacje o możliwej do zidentyfikowania osobie, jej spisywanie może stanowić przetwarzanie danych osobowych w rozumieniu art. 4 pkt 1 i 2 RODO. Art. 2 ust. 2 lit. c RODO przewiduje wyłączenie dla czynności osoby fizycznej o czysto osobistym lub domowym charakterze. Nie należy automatycznie odnosić tego wyłączenia do rozmów obsługiwanych w działalności firmy.

Firma ustalająca cel i sposób wykorzystania danych może pełnić rolę administratora, a usługodawca działający w jej imieniu – podmiotu przetwarzającego; definicje zawiera art. 4 pkt 7 i 8 RODO. Ról nie przesądza samo określenie usługi jako chmurowej. Trzeba sprawdzić, do czego dostawca rzeczywiście wykorzystuje przekazany materiał.

Art. 28 ust. 1 RODO wymaga od administratora wyboru podmiotu zapewniającego odpowiednie gwarancje ochrony danych. Art. 28 ust. 3 RODO określa wymogi umowy lub innego wiążącego instrumentu prawnego dotyczącego przetwarzania. Obejmują one między innymi zakres i czas usługi, polecenia administratora, poufność, bezpieczeństwo oraz zasady zwrotu lub usunięcia danych. Art. 28 ust. 2 RODO reguluje angażowanie dalszych podmiotów przetwarzających. Sama dostępność przycisku wysyłania pliku nie rozstrzyga tych kwestii.

Umowa powierzenia nie zastępuje podstawy przetwarzania danych, której wymaga art. 6 ust. 1 RODO. Z kolei art. 5 ust. 1 lit. c i e RODO dotyczy ograniczenia zakresu danych i czasu ich przechowywania. Do praktycznych środków ochrony mogą należeć ograniczenie dostępu do upoważnionych osób, szyfrowanie i zabezpieczona kopia zapasowa; art. 32 ust. 1 RODO nakazuje dobierać zabezpieczenia odpowiednio do ryzyka.

Zachowaj związek tekstu z nagraniem

Gotową transkrypcję przechowuj razem z informacją, z którego pliku powstała, i zachowaj możliwość dotarcia do audio przez okres uzasadniony celem. Tekst ułatwia wyszukiwanie ustaleń, ale nie oddaje wszystkich pauz, intonacji i nakładających się głosów. Nie ustalaj bezterminowego przechowywania tylko dlatego, że dokument może się jeszcze przydać.

Przed udostępnieniem wyniku sprawdź, czy odbiorca potrzebuje całej rozmowy, czy wystarczy jej oznaczony fragment. Usuń zbędne kopie robocze zgodnie z przyjętymi zasadami i warunkami usługi. Opracowanie pojedynczej rozmowy kończy się na sprawdzonym tekście z czytelnymi oznaczeniami. Wykorzystanie transkrypcji w sądzie oraz analiza większego zbioru rozmów wymagają odrębnego omówienia.

Źródła

• Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2016/679 z dnia 27 kwietnia 2016 r. (Dz.U. UE L 119 z 4.05.2016, s. 1), art. 2, 4, 5 i 6 – zakres stosowania, role i zasady przetwarzania danych; Urząd Publikacji UE, eur-lex.europa.eu, CELEX 32016R0679
• Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2016/679 z dnia 27 kwietnia 2016 r. (Dz.U. UE L 119 z 4.05.2016, s. 1), art. 28 – wymagania dotyczące podmiotu przetwarzającego; Urząd Publikacji UE, eur-lex.europa.eu, CELEX 32016R0679
• Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2016/679 z dnia 27 kwietnia 2016 r. (Dz.U. UE L 119 z 4.05.2016, s. 1), art. 32 – bezpieczeństwo przetwarzania; Urząd Publikacji UE, eur-lex.europa.eu, CELEX 32016R0679

Zdjęcie: KrypteriaIV, CC BY-SA 3.0 (creativecommons.org/licenses/by-sa/3.0/), Wikimedia Commons, commons.wikimedia.org/wiki/File:DJ_headphones_by_Philips_A5-PRO.jpg