Дауыстық хабарламаны аудару: бөтен тілді түсіну

Дауыстық хабарламаны аудару екі қадаммен жүреді: алдымен сөйлеу мәтінге айналады, содан соң мәтін аударылады. Бірінші қадам Орталық Азия тілдерінде сүрінеді: глобал сервистерде өзбекшеде әрбір үшінші сөз қате шығады. Мақалада өзбек, қазақ, қырғыз және орыс тілдері үшін жұмыс істейтін нұсқалар мен олардың шектеулері талданған.

Неліктен дауыстық хабар алдымен мәтінге айналады, содан соң аударылады?

«Аудио → басқа тіл» деген тікелей аударма жоқ. «Дауысты аударамыз» деген кез келген сервис дәл осылай жасайды: алдымен сөйлеуді танып, содан соң алынған мәтінді аудармашыға жібереді.

Бұл дегеніміз: аударма сапасы тану сапасына тікелей тәуелді. Бірінші қадам шатасқан мәтін берсе, екінші қадам сол шатасқан мәтінді аударады. Транскрипция кезіндегі есімдегі, санда немесе етістіктегі қате бүкіл сөйлемнің мағынасын өзгертеді.

Сондықтан бәрі бірден сынады. 30% қате бар мәтінді өңдейтін модель іс жүзінде үштен бір сөзі бұрыс мазмұн аударады, нәтиже мағынасын жоғалтады.

Тану механизмі қандай форматтармен жұмыс істейтіні туралы толығырақ «Сөзді мәтінге айналдыру» мақаласында.

Мессенджерлердің кірістірілген транскрипциясы неге жетпейді?

Telegram Premium дауыстық хабарламаларды қолданба ішінде транскрипциялайды. Орысша және ағылшынша бұл жұмысты атқарады. Өзбек, қазақ және қырғыз тілдерінде транскрипция жоқ.

Глобал сервистерде себеп бірдей. Әмбебап жүйелер негізінен ағылшын тілінде оқытылған; өзбек пен қазақ тілдері агглютинативті, олар бойынша ашық оқыту деректері аз, ал айтылу аймаққа қарай айтарлықтай ерекшеленеді. Нәтиже: тану қателері 30%-дан асады, яғни әрбір үшінші сөз бұрыс.

Практикада бұл келесідей көрінеді: адам дауыстық хабарды әмбебап сервис арқылы жіберді, мәтін алды, аудармашы іске қосты, мағына түсінілмеді. Мұнда аудармашының кінәсі жоқ: мәтін оған әуел бастан қате күйінде жеткен.

Қазақша мамандандырылған шешімдердің арасында да сапа біршама ерекшеленеді. Бұл туралы «Қазақша сөзді мәтінге айналдыру» мақаласында толығырақ.

Дауыстық хабарды Telegram-бот арқылы қалай аудару керек?

3.1. Жеке сөйлесуде, қадамдар бойынша

Ең жылдам жол: дауыстық хабарды @sezishbot ботына жіберу. Тіркелу де, қосымша орнату да қажет емес.

Бот дауыстық хабарламаларды, дөңгелек видеоларды, аудиофайлдар мен 20 МБ-қа дейінгі видеоларды қабылдайды. Жауапта сөз ағыны емес, тыныс белгілері бар толыққанды мәтін келеді. Мәтіннің астында алты тілге аударма батырмалары пайда болады, соның ішінде қарақалпақ тілі де бар: оны Google Translate де, көптеген басқа аудармашылар да білмейді, ал бұл тілде сөйлейтіндер шамамен екі миллион адам.

Тегін күніне 10 минут транскрипция қолжетімді. Қысқа хабарлама дәл өз ұзындығын жұмсайды: 40 секундтық дауыстық 40 секундты есептен шығарады.

Мұнда бір нюанс бар: 20 МБ-тан ауыр файлды бот қабылдамайды, ал тегін лимит 10 минут тәулігіне барлық хабарламалар бойынша жинақталады.

3.2. Бүкіл чат үшін бірден

Бот тек жеке сөйлесуде жұмыс істемейді. @sezishbot ботын жұмыс немесе отбасы тобына қосыңыз: ол команда күтпестен, әрбір дауыстық хабарды өзі транскрипциялайды. Қалған қатысушылардың ештеңе баптауының қажеті жоқ.

Топта минуттар ботты қосқан адамның балансынан есептеледі. 40 адамдық чатта күн сайын үш тілде дауыстық хабарлар түссе де, бір адамның бір қимылы жеткілікті.

Сондықтан топтық сценарий жеке хат алмасудан өзгеше мәселені шешеді. Дауыстық хабарлар «тыңдалмаған» болып қалмайды: мәтін тікелей лентада пайда болады, оны іздеуге, көшіруге және аударуға болады.

Дауыстық хабарлар көп болса және ұзақ болса не істеу керек?

Тиімді құрал тапсырма көлеміне байланысты. Бот мессенджердегі жеке хабарламаларға ыңғайлы, ұзақ файлдарға емес.

Ұзақ жазбалар үшін жол басқа: Mac-қолданбасы материалды жергілікті деңгейде өңдейді. Бұл сценарий туралы жиналыстарды транскрипциялау жеке мақаласында толығырақ.

Офлайн туралы нюанс: Mac-та модель 225 МБ, барлық тану компьютерде жүреді, интернетсіз. Бірақ аударма серверді қажет етеді: сөйлем мәтіні тіл моделіне қорғалған қосылым арқылы жіберіледі, желісіз аударма батырмасы жұмыс істемейді.

Жіберілген дауыстық хабарлама қайда кетеді?

Аудио TLS қорғалған байланыс арқылы жіберіледі. Сервер оны жедел жадта өңдейді және жауап берген соң сақтамайды: файл алды, мәтін қайтарды, аудионы ұмытты.

Мәтіндер мен жазбалар модельдерді оқыту үшін пайдаланылмайды. Қолданба тіркелусіз жұмыс істейді; құрылғы идентификаторлары мен геолокация жиналмайды.

Аударма туралы бөлек мәселе. Аударма батырмасын басқанда сөйлем мәтіні тіл моделіне жіберіледі. Модель провайдері тек мәтін алады, пайдаланушы мен құрылғы туралы деректерсіз, және оны sezish саясатынан кем емес деңгейде қорғауға міндетті.

Бұл дегеніміз: әзірлеушіде жіберілген дауыстық хабарламалар мұрағаты жоқ. Аналитика тек sezi.sh сайтында орнатылған және стандартты браузер техникалық деректерін ғана алады; ботта және мобилдік қолданбаларда аналитика мүлде жоқ. Толық шарттар құпиялылық саясатында.

Жиі қойылатын сұрақтар

Менің дауыстық хабарламам серверде сақтала ма?

Жоқ. Сервер аудионы жедел жадта өңдейді және мәтін қайтарған соң сақтамайды. Жазбалар модельдерді оқыту үшін пайдаланылмайды.

Чаттың басқа қатысушылары ботты байқай ма?

Бот транскрипцияны жалпы чат лентасына жариялайды: мәтінді кәдімгі хабарлама сияқты барлық қатысушылар көреді. Жасырын фондық өңдеу жоқ.

Тегін қанша дауыстық аударуға болады?

Тегін күніне 10 минут транскрипция қолжетімді. Әрбір дауыстық дәл өз ұзындығын жұмсайды: бір минуттық хабарлама бір минутты есептен шығарады. Транскрипцияланған мәтінді аудару әрбір хабарламаның астындағы батырма арқылы қолжетімді.

Бот өзбек, қазақ және қырғыз тілдерін дұрыс түсіне ме?

Орталық Азия тілдеріне арнайы оқытылған модель өзбекшеде шамамен 9% сөзде қателеседі: он бір сөздің бірі. Глобал сервистерде өзбекшедегі қателер 30%-дан асады. Қазақ және қырғыз тілдері бойынша модель аймаққа мамандандырылған; бұл тілдер үшін жеке өлшенген сандар жарияланбаған.

20 МБ-тан ауыр немесе лимиттен ұзақ дауыстық хабармен не істеу керек?

Бот 20 МБ-қа дейінгі файлдарды қабылдайды; тегін лимит күніне 10 минут. Ұзақ жазбалар үшін жол басқа: Mac-қолданбасы материалды жергілікті деңгейде өңдейді. Толығырақ жоғарыдағы кестеден қараңыз.

Дауыстық хабарды офлайн аударуға бола ма?

Аударма офлайн жұмыс істемейді: сөйлем мәтіні сервер арқылы тіл моделіне жіберіледі. Mac-та жергілікті деңгейде тек тану жұмыс істейді: модель 225 МБ, аудионы тікелей компьютерде өңдейді. Аударма батырмасы қосылымды қажет етеді.

Бот қандай тілдерге аударады?

Бот алты тілге аударады, соның ішінде қарақалпақ тілі бар. Толық тізім бот интерфейсінде қолжетімді: аударма батырмалары әрбір транскрипцияның астында пайда болады.