Transcribe ではやぶさ2記者会見を文字起こししてみた
専門用語多く含む宇宙科学分野の内容を Transcribe で文字起こしするとどうなるか試しました。
また、カスタム語彙を追加した場合も試しました。
まずは普通にやってみる
Input Data
YouTube に公開された下記の記者会見動画のうち 4:26 以降、約 5 分間の音声を使用。
QuickTime Player で録音して iTunes で .m4a から .mp3 ファイルに変換。
【録画】小惑星探査機「はやぶさ2」の記者説明会(22/1/13)
カスタム語彙なしの場合の結果
文字起こし結果全文
はい では スタート いたし ます 本日 は あの 記者 会見 として えっ と カタログ の えー 話 を し、 たい と 思い ます 皆さん お 集まり いただき まし て どうも ありがとう ござい ます えー 内容 と いたし まし て は 二 千 二 十 二 年 の 一月 十 三 日 つまり 本日 初 の 資料 の カタログ を 世界 に 向け て 一般 公開 え する という こと に なり まし た ので その お話 詳細 について ご 説明 差し上げ ます え ポイント は あ ここ に ある よう に 四つ あり ます 一つ 目 は えー サンプリング 三 次元 サンプリング え 人口 くれ た から の 物質 を 含む 表面 および 地下 物質 を、 含む 物質 が 記載 さ れ た カタログ で ある という こと そして その カタログ を 作る 時 に 我々 で 行っ て いる 布 ション 作業 で は サンプル を 編成 さ せ ず に 寄与 先 非破壊 非 暴露 の 条件 で 作成 さ れ た もの で ある という こと 三つ、 目 は その カタログ に 乗せ られ た 粒子 という の が あ 実際 の りゅう ぐう の 詳細 な 地質 図 と ひも 付け られ て いる という こと で 最後 四 点 目、 です けれども これから 現在 進行 し て いる 詳細 な 科学 分析 から 得 られる 科学 成果 を 担保 する ため に 作成 さ れ た カタログ で ある という こと を この、 四 点 を 順次 説明 し て いき たい と 思っ て おり ます で え? 田崎 運用 の 状況 に関して は え? 拡張 ミッション の 運用 継続 中 という こと それから 日本 エンジン ノルマ 運転 を 達成 し て い ます という こと です けれども こちら に関して は えーと 参考 資料 を ご 参照 ください 今日 は あ 目次 で 言う と 一番 と 二 番 優遇 資料 の カタログ の 詳細 を 渡し それ から ヤダ 岡田 の 三 名 で ご 説明 いたし ます で その後 今後 の 予定 に 着い て、 薄い が 説明 し て いき たい と 思い ます さて 最初 の ポイント 三 次元 サンプル による 小惑星 表面 及び 地下 物質 を 含む 物質 が 記載 さ れ た カタログ で ある という こと を これ どういう こと か と 言い ます と 記者 の 皆さん 御存じ だ と 思い ます けれども 危う さ つ で は 衝突 装置 を 使っ て 人工 クレーター を 形成 し、 その 付近 から えー サンプル を 採取 する こと に 成功 いたし まし た で それ を 含め て それ は 二 回 目 の タッチダウン で サンプル 採取 し た。 ん? です けど それ を 含め て 異なる 場所 第 一 回 目 の タッチダウン、 第 二 回 目 の タッチダウン 異なる 場所 として 人工 クレーター を 使っ て 異なる 深 さ から え 回収 さ れ た 資料 で ある という こと が ポイント に なっ て い ます えー 特に 深 さ な ん です けれども 小惑星 は 宇宙 線 や 太陽 風 など の よう に 影響 によって え 宇宙 風化 という プロセス を 経 て おり ます 地下 物質 は その 影響 が ああ ああ 小さい の で は ない か という 可能 性 を 秘め て い て とても 貴重 な 物質 で ある 可能 性 が 高い という こと が ポイント に なっ て いる ただし せっかく そう やっ て 二つ の 場所 から 異なる 場所 異なる 深 さ から 回収 さ れ た 物質 を 探査 機 が 取っ て 帰っ て き て も それ が 混ざっ て しまっ て は え? しょうが ない 訳 で え? はや ぶさ つ で は? え? サンプラ カプセル の 中 が え 三つ の 部屋 が 三つ の 部屋 に 区切ら れ て い て その 中 の シリンダー が 回転 する こと で? え え プレゼン の 部屋 の 資料 を 確立 し て いる 訳 です で 一 回 目 の タッチダウン に関して は 一番 大きな 絵 という 部屋 に 物質 が あ 入っ て おり 二 回 目 の タッチダウン ええ 人工 クレーター の 付近 で 採取 さ れ た 二 回 目 の タッチダウン の シ ステ 言わ れる と また 別 の 部屋 に えー サンプル が 開い て いる いっ た 状況 に なっ て い て これら が 区別 さ れ て 帰還 し て 当然 区別 さ れ た 形 で キュレーション 活動 が 進ん で おり ます え? さて ここ から は キュレーション グループ の 皆さん に 発表 映る わけ です けれども その 前 に 私 から ちょっと 一言 え エース と は 進出 それぞれ 異なる 場所 から あ 持っ て 帰っ て き た 資料 を 混ぜる と 意味 が ない という こと です けど 混ぜる だけ で は なく て これから 科学 分析 を する にあたって カタログ を 作り まし て カタログ という の は ポイント に なる の は え? 費用 船 非破壊 非 暴露 で 作ら れ なけれ ば いけ ない とか あ そう する こと によって えー これから そして 現在 進行 中 の え 科学
自分がさっと確認した限り、約 380 語中、下記の 20 語は、
人間(私)が聞き取った結果と差異があった。
Transcribe(カスタム辞書なし) | 人間(私)聞き取り |
---|---|
初 | リュウグウ |
くれ た | クレーター |
布 ション | キュレーション |
編成 | 変成 |
寄与 先 | 非汚染 |
田崎 | 探査機 |
ヤダ | 矢田 |
薄い | 臼井 |
危う さ つ | はやぶさ2 |
いる | います |
はや ぶさ つ | はやぶさ2 |
ABC | |
プレゼン | それぞれ |
絵 | A室 |
シ ステ | C室 |
エース | A室 |
進出 | C室 |
資料 | 試料 |
費用 船 | 非汚 |
まとめると、
- 「はやぶさ2」「(サンプラーの)A室」や人名などの固有名詞
- 「キュレーション」「非汚染」などの一般的でない用語
- 「資料/試料」「編成/変成」など文脈で変換が変わる漢字
などで差異が生じている印象だった。
カスタム語彙を使ってみる
カスタム語彙作成
固有の用語が正しくレンダリングされない場合には、
カスタム語彙を使えば認識してもらえるかもと思い追加してみる。
固有名詞や用語、発表に登場する人物名を追加してみる。
(先生方呼び捨てですみません...)
Phrase SoundsLike IPA DisplayAs
はやぶさつう はやぶさ2
はやぶさつー はやぶさ2
きゅれーしょん キュレーション
ええしつ A室
えーしつ A室
びいしつ B室
びーしつ B室
しいしつ C室
しーしつ C室
やだ 矢田
うすい 臼井
おかだ 岡田
警告
TAB 文字区切りなのでスペース区切りにならないよう注意
Transcribe コンソールの Custom vocabulary からファイルインポートして作成。
作成完了後、いったん Real-time transcription でカスタム語彙指定してリアルタイム書き出ししてみて効いてそうか試してみる。
(Real-time の方で「はやぶさ2」「A室」など認識されることを確認)
カスタム語彙ありの場合の結果
文字起こし結果全文
はい では スタート いたし ます 本日 は あの 記者 会見 として えっ と カタログ の えー 話 を し たい と 思い ます 皆さん お 集まり いただき まし て どうも ありがとう ござい ます えー 内容 と いたし まし て は 二 千 二 十 二 年 の 一月 十 三 日 つまり 本日 初 の 資料 の カタログ を 世界 に 向け て 一般 公開 え する という こと に なり まし た ので その お話 詳細 について ご 説明 差し上げ ます え ポイント は あ? ここ に ある よう に 四つ あり ます 一つ 目 は えー サンプリング 三 次元 サンプリング え 人口 くれ た から の 物質 を 含む 表面 および 地下 物質 を、 含む 物質 が 記載 さ れ た カタログ で ある という こと そして その カタログ を 作る 時 に 我々 で 行っ て。 いる キュレーション 作業 で は サンプル を 編成 さ せ ず に 寄与 先 非破壊 非 暴露 の 条件 で 作成 さ れ た もの で ある という こと 三つ、 目 は その カタログ に 乗せ られ た 粒子 という の が あ 実際 の りゅう ぐう の 詳細 な 地質 図 と ひも 付け られ て いる という こと で 最後 四 点 目、 です けれども これから 現在 進行 し て いる 詳細 な 科学 分析 から 得 られる 科学 成果 を 担保 する ため に 作成 さ れ た カタログ で ある という こと を この、 四 点 を 順次 説明 し て いき たい と 思っ て おり ます で え? 田崎 運用 の 状況 に関して は え? 拡張 ミッション の 運用 継続 中 という こと それから 日本 エンジン ノルマ 運転 を 達成 し て い ます という こと です けれども こちら に関して は えーと 参考 資料 を ご 参照 ください 今日 は あ 目次 で 言う と 一番 と 二 番 優遇 資料 の カタログ の 詳細 を 渡し それ から 矢田 岡田 の 三 名 で ご 説明 いたし ます で その後 今後 の 予定 に 着い て、 臼井 が 説明 し て いき たい と 思い ます さて 最初 の ポイント 三 次元 サンプル による 小惑星 表面 及び 地下 物質 を 含む 物質 が 記載 さ れ た カタログ で ある という こと を これ どういう こと か と 言い ます と 記者 の 皆さん 御存じ だ と 思い ます けれども はやぶさ2 で は 衝突 装置 を 使っ て 人工 クレーター を 形成 し、 その 付近 から えー サンプル を 採取 する こと に 成功 いたし まし た で それ を 含め て、 それ は 二 回 目 の タッチダウン で サンプル 採取 し た。 ん? です けど それ を 含め て 異なる 場所 第 一 回 目 の タッチダウン、 第 二 回 目 の タッチダウン 異なる 場所 として 人工 クレーター を 使っ て 異なる 深 さ から え 回収 さ れ た 資料 で ある という こと が ポイント に なっ て い ます えー 特に 深 さ な ん です けれども 小惑星 は 宇宙 線 や 太陽 風 など の よう に 影響 によって え 宇宙 風化 という プロセス を 経 て おり ます 地下 物質 は その 影響 が ああ ああ 小さい の で は ない か という 可能 性 を 秘め て い て とても 貴重 な 物質 で ある 可能 性 が 高い という こと が ポイント に なっ て いる ただし せっかく そう やっ て 二つ の 場所 から 異なる 場所 異なる 深 さ から 回収 さ れ た 物質 を 探査 機 が 取っ て 帰っ て き て も それ が 混ざっ て しまっ て は え? しょうが ない 訳 で え はやぶさ2 で は? え? サンプラ カプセル の 中 が え 三つ の 部屋 が 三つ の 部屋 に 区切ら れ て い て その 中 の シリンダー が 回転 する こと で? え え プレゼン の 部屋 の 資料 を 確立 し て いる 訳 です で 一 回 目 の タッチダウン に関して は 一番 大きな 絵 という 部屋 に 物質 が あ 入っ て おり 二 回 目 の タッチダウン ええ 人工 クレーター の 付近 で 採取 さ れ た 二 回 目 の タッチダウン の シ ステ 言わ れる と また 別 の 部屋 に えー サンプル が 開い て いる いっ た 状況 に なっ て い て これら が 区別 さ れ て 帰還 し て 当然 区別 さ れ た 形 で キュレーション 活動 が 進ん で おり ます え? さて ここ から は キュレーション グループ の 皆さん に 発表 映る わけ です けれども その 前 に 私 から ちょっと 一言 え A室 と は 進出 それぞれ 異なる 場所 から あ、 持っ て 帰っ て き た 資料 を 混ぜる と 意味 が ない という こと です けど 混ぜる だけ で は なく て これから 科学 分析 を する にあたって カタログ を 作り まし て カタログ という の は ポイント に なる の は え? 費用 船 非破壊 非 暴露 で 作ら れ なけれ ば いけ ない とか あ そう する こと によって えー これから そして 現在 進行 中 の え 科学
カスタム語彙あり/なしを比較するとこんな感じ。
(変化のないものは省略しています)
Transcribe(カスタム語彙なし) | 人間(私)聞き取り | Transcribe(カスタム語彙あり) |
---|---|---|
初 | リュウグウ | |
くれ た | クレーター | |
布 ション | キュレーション | キュレーション |
編成 | 変成 | |
寄与 先 | 非汚染 | |
田崎 | 探査機 | |
ヤダ | 矢田 | 矢田 |
薄い | 臼井 | 臼井 |
危う さ つ | はやぶさ2 | はやぶさ2 |
いる | います | |
はや ぶさ つ | はやぶさ2 | はやぶさ2 |
ABC | ||
プレゼン | それぞれ | |
絵 | A室 | |
シ ステ | C室 | |
エース | A室 | A室 |
進出 | C室 | |
資料 | 試料 | |
費用 船 | 非汚 |
「はやぶさ2」と人名は改善された。
この検証の結果を踏まえると、
自分なら長時間の文字起こしをするなら
- はじめに一部だけ Transcribe にかけてどの用語が拾われなさそうかあたりをつける
- それを参考にカスタム語彙とか準備して使う
みたいなことをしそう。登録語数とか限りがあるので、無理そうなら他の Speech-to-Text サービスとかも検討するとかするかも。
Author And Source
この問題について(Transcribe ではやぶさ2記者会見を文字起こししてみた), 我々は、より多くの情報をここで見つけました https://qiita.com/MarsMoonPotato/items/6bbb4c567204531dbe26著者帰属:元の著者の情報は、元のURLに含まれています。著作権は原作者に属する。
Content is automatically searched and collected through network algorithms . If there is a violation . Please contact us . We will adjust (correct author information ,or delete content ) as soon as possible .