Головна › Розпізнавання української мови

Українська мова · розпізнавання на Mac

Розпізнавання української мови на Mac: чи справді воно її розуміє

Це перше питання, яке ставлять українською, і від відповіді на нього залежить, чи має сенс решта. Коротко: так — розпізнавання української мови в Lesskeys працює, українська входить до 99 мов застосунку і визначається автоматично, а обробка відбувається просто на вашому Mac. Нижче — без прикрас: де результат добрий, де він псується і що з цим робити на двомовній нараді.

Розпізнавання української мови: коротка відповідь

Українська — одна з 99 мов, які модель розпізнає, і вона визначається автоматично: перед диктуванням чи транскрибацією нічого перемикати не треба. Обчислення йдуть на графічному чипі вашого Mac, тож для роботи не потрібні ні інтернет, ні обліковий запис, ні пересилання файлу комусь на сервер.

Що це означає на практиці. Одна людина, мікрофон близько, звичайний темп, повні речення — і українська розшифровується добре: розділові знаки модель розставляє сама, апостроф і «ї» їй не проблема. А от прізвища, назви компаній, абревіатури й вузька термінологія — найслабше місце будь-якої системи розпізнавання, і української це стосується так само. Автоматичний текст — чернетка, яку треба вичитати. Ми не обіцяємо відсотків точності: вони залежать від мікрофона, фону й того, як говорить конкретна людина, а не від рекламного рядка.

Як визначається мова — і чому це головна деталь

Мова визначається на запис, а не на кожне слово окремо. Модель слухає початок і вирішує, якою мовою це сказано, після чого розшифровує весь фрагмент саме нею. Із цього одного факту випливає майже все, що далі.

Наслідок перший, приємний: окремі англійські терміни в українському реченні — «дедлайн», «мітинг», «пул-реквест», «фідбек» — жодної проблеми не створюють. Мова запису лишається українською, а терміни просто записуються так, як прозвучали. Це найпоширеніший робочий сценарій в українських ІТ-командах, і він працює нормально.

Наслідок другий, менш приємний: якщо на початку запису кілька секунд тиші, кашлю або нерозбірливого шуму, модель приймає рішення про мову на порожньому місці. Тому варто починати говорити після натискання клавіші, а не одночасно з ним, і не залишати довгих пауз на самому початку файлу.

Двомовні наради, суржик і перемикання посеред розмови

Це найважливіший розділ цієї сторінки, і тут потрібна відвертість, а не маркетинг. Реальність українського робочого дня часто виглядає так: половина учасників наради говорить українською, половина — російською; хтось природно змішує обидві; хтось вставляє цілі англійські фрази. Українська й російська — різні мови, і модель розпізнає їх як різні; ідеться не про «майже те саме», а про технічну задачу, у якій запис постійно перемикається між кількома мовами.

Що з цього виходить на практиці:

• Поодинокі слова іншою мовою. Практично не шкодять. Мова запису визначена, вставка розшифровується як прозвучала.
• Суржик. Мовлення, у якому елементи двох мов перемішані на рівні речень і слів, дає нестабільний результат: частина фрагмента може піти в один бік, частина — в інший. Це не оцінка того, як людина говорить, — це технічне обмеження підходу «одна мова на запис».
• Тривалі перемикання. Найгірший випадок: п’ять хвилин українською, десять російською, потім знову українською. Мова визначилася один раз — і решта розшифровується не тією мовою, якою насправді сказано.
• Різні мовці — різні мови. Той самий випадок, лише перемикання відбувається щоразу, коли слово бере наступна людина.

Жоден автоматичний інструмент — ні локальний, ні хмарний — не розв’язує це бездоганно, і чесніше сказати про це прямо, ніж дати вам витратити вечір на файл, який вийде наполовину зіпсованим.

Що зробити, щоб результат був кращим

• Звузьте перелік мов до робочих двох-трьох. Якщо в налаштуваннях лишити, скажімо, українську та англійську, вибір робитиметься лише між ними, а не між дев’яносто дев’ятьма — і коротка фраза не поїде в далеку мову, якої у вашій кімнаті ніколи не звучало.
• Розріжте довгу двомовну нараду на частини. Якщо запис явно ділиться на блоки за мовами, обробляйте їх окремо: кожен блок отримає своє правильне визначення мови. Це найдієвіша порада з усього списку.
• Перезапускайте розпізнавання. Якщо результат виглядає так, наче мову визначено неправильно, запустіть розшифровку того самого запису ще раз, вказавши мову явно. Повторна транскрибація вже розшифрованого файлу не витрачає квоту, тож експериментувати можна вільно.
• Дбайте про звук. Гарнітура замість одного мікрофона посеред столу дає більше приросту точності, ніж будь-яке налаштування в програмі.
• Починайте говорити одразу. Кілька секунд тиші на початку — це кілька секунд, з яких модель робить висновок про мову.

Чому саме локальна обробка

Технічний бік: аудіофайл не залишає ваш Mac. Немає вивантаження, немає сервера, який приймає запис, немає облікового запису й немає телеметрії. Мережа потрібна лише двічі — щоб завантажити застосунок і щоб один раз завантажити модель. Далі все працює автономно, зокрема тоді, коли зв’язку або живлення просто немає; для багатьох це щоденна обставина, а не гіпотетична.

Друге, суто практичне: якщо запис розшифровується у вас на столі, питання «на чиїх серверах опинилася ця розмова» не виникає взагалі. Це твердження про архітектуру програми — і нічого більше. Ми не заявляємо відповідності Закону України «Про захист персональних даних», GDPR чи будь-яким стандартам і нічого не сертифікуємо: оцінка мети обробки та правової підстави — це до вашого юриста або до особи, відповідальної за захист персональних даних. Голос людини, а надто збережений голосовий профіль, є персональними даними.

Диктувати українською

Другий сценарій — не розшифровка файлу, а набір тексту голосом. Утримуєте ⌥Space, говорите українською, відпускаєте — текст опиняється в буфері обміну, і ви вставляєте його через ⌘V у лист, нотатку, месенджер, документ чи поле форми. Застосунок навмисно не друкує нічого сам у чужі вікна: ви бачите кожну фразу до того, як вона кудись потрапить.

Для української це часто вигідніше, ніж для англійської, з простої причини: розкладка. Диктування знімає перемикання розкладок, «і/и/ї», апострофи й тире — усе це модель ставить сама. Розділові знаки промовляти не треба. Докладніше про весь шлях від клавіші до тексту — на сторінці як перетворити голос на текст.

Чого чекати не варто

Прізвища й топоніми звучатимуть упізнавано, а писатимуться часто неправильно — «Гнатюк», «Бердичів», назва компанії чи продукту. Абревіатури на кшталт ЄДРПОУ, ТЦК, ФОП з’являються в тексті в різному вигляді. Вузька термінологія — юридична, медична, інженерна — розпізнається, але потребує перевірки. Коли двоє говорять одночасно, атрибуція до мовців збивається. І застосунок не робить нічого понад це: він не надсилає нікому підсумків, не приєднується до відеодзвінка окремим учасником і не друкує текст самостійно.

Якщо ви записуєте не лише себе

Щойно в записі звучать інші люди, спершу згода, потім техніка. Стаття 163 Кримінального кодексу карає порушення таємниці листування й телефонних розмов, тобто втручання в чужі комунікації; зворотного висновку про власні розмови ми не робимо — це юридична оцінка, яку ми не маємо права давати. Стаття 182 КК стосується незаконного збирання, зберігання, використання й поширення конфіденційної інформації про особу, тож вона актуальна й тоді, коли ви надсилаєте комусь готовий транскрипт. Цивільний кодекс додає право на приватне життя (ст. 301), таємницю телефонних розмов, використання яких потребує згоди (ст. 306), і згоду на відеозйомку (ст. 307).

Попередьте і отримайте згоду на початку розмови, зафіксуйте її в самому записі, а на роботі узгодьте практику запису з керівництвом і з відповідальною за персональні дані особою — окремого закону про запис нарад немає, це питання персональних даних і внутрішніх правил. Це інформаційний блок, а не юридична консультація, і жодних гарантій щодо доказової сили запису ми не даємо.

Вимоги, ціна й безкоштовна версія

Суму вказано в доларах, бо це ціна магазину; в App Store вона показується у валюті вашого облікового запису. Спробувати можна без покупки й без реєстрації: 5 хвилин диктування на добу та 5 аудіо- і 5 відеотранскрипцій усього — це загальний ліміт, а не денний. Сам запис не обмежується ніколи, а повторний запуск розпізнавання на вже розшифрованому файлі квоту не витрачає, тож перевірити, як воно дає раду саме з вашою вимовою й вашою двомовною нарадою, можна ще до покупки. Апаратна вимога при цьому не обговорюється: на Mac з процесором Intel застосунок не запуститься — перевірте своє залізо в меню Apple → «Про цей Mac».

Часті запитання

Читайте також