O que é transcrição automática?
Transcrição automática é o processo de produção de uma transcrição escrita de fala ou fala, através do uso de computadores e sem intervenção humana direta. A transcrição automática precisa requer software de transcrição de alta qualidade e um dispositivo que possa receber com precisão informações auditivas. Em geral, também é necessário que a fala ou gravação a ser transcrita esteja razoavelmente livre de distorção e interferência do ruído de fundo. Também foram feitas tentativas de transcrever música com o uso de computadores executando software de transcrição especializado. A transcrição de música envolve escrever as notas de uma determinada peça musical, principalmente quando não há notação preexistente para essa música, como é o caso de solos improvisados.
Um bom software de transcrição é necessário para uma transcrição automática bem-sucedida. O software é responsável pelo processamento da entrada auditiva, separando um fluxo contínuo de idioma em palavras separadas, reconhecendo essas palavras e representando-as corretamente em texto. Uma falha em qualquer estágio deste processo geralmente resulta em uma transcrição que difere um pouco do material de origem. Um bom software de transcrição automática deve ser capaz de reconhecer as diferenças sutis entre palavras semelhantes e compensar vários estilos e velocidades de fala. Acentos difíceis de entender tendem a ser problemáticos, mesmo para o melhor software de transcrição.
Algumas pessoas usam software de transcrição automática porque preferem o ditado a digitar ou escrever diretamente o texto. Algumas formas de software de transcrição automática são particularmente boas para esse fim, porque podem "aprender" as vozes das pessoas cujas palavras estão sendo transcritas. Nesses casos, a transcrição automática não é usada para criar transcrições de fala de várias fontes diferentes; portanto, não é necessário que o software esteja aberto a uma ampla variedade de padrões de fala. Permitir esse processo de otimização, que pode ocorrer durante o uso prolongado do software por uma pessoa ou durante uma calibração preliminar, pode aumentar bastante a precisão e a velocidade potencial do ditado.
Infelizmente, os computadores não são tão adequados para reconhecer de maneira consistente e precisa a fala humana quanto os humanos. Eles não podem, por exemplo, fazer uso de pistas contextuais se não entenderem uma palavra específica. Como tal, muitas vezes é necessário que um ser humano revise as transcrições criadas por meio da transcrição automática. Erros menores na formatação e vários erros na transcrição são, em muitos casos, comuns, a menos que a fala transcrita seja muito clara. Ainda assim, o uso da transcrição computadorizada pode rapidamente constituir uma base sólida para uma transcrição que requer apenas intervenção humana limitada antes do envio ou uso.