תמלול אוטומטי בעברית: איך זה עובד, ומה זה נותן

תמלול אוטומטי בעברית הוא המרה של דיבור מוקלט לטקסט על ידי מודל זיהוי דיבור, בלי מתמלל אנושי. ב-IvreetMeet (עברית מיט) ההקלטה עוברת שלושה שלבים: מודל זיהוי דיבור שאומן על עברית מדוברת כותב את המילים, מודל הפרדת דוברים מסמן מי אמר מה, ומודל שפה כותב סיכום בעברית מתוך התמליל. התוצאה חוזרת בדקות, עם חותמות זמן, עריכה, ייצוא ושיתוף. התוכנית החינמית כוללת עד 7 הקלטות ו-120 דקות בחודש.

מה קורה להקלטה, שלב אחרי שלב

1. 1הכנה. פס הקול מחולץ מהקובץ (גם מווידאו), מנורמל, ומחולק למקטעים לפי הפסקות בדיבור. קטעים בלי דיבור מזוהים ככאלה.
2. 2זיהוי דיבור. מודל שאומן על עברית מדוברת כותב את המילים של כל מקטע, עם זמן לכל מילה. המקטעים מעובדים במקביל, ולכן הקלטה ארוכה לא לוקחת פי כמה.
3. 3הפרדת דוברים. מודל נפרד מזהה מתי הקול מתחלף ומסמן "דובר 1", "דובר 2"; אתם נותנים שמות פעם אחת.
4. 4סיכום. מודל שפה קורא את התמליל המלא וכותב, בעברית, את עיקרי הדברים, ההחלטות והמשימות, לפי ההנחיות שנתתם.
5. 5תוצר. תמליל שאפשר לערוך ולחפש בו, סיכום שאפשר לבקש מחדש, ייצוא ל-Word, PDF וכתוביות, וקישור שיתוף.

למה עברית היא מקרה קשה

• בלי ניקוד: "ספר" יכול להיות סֵפֶר, סַפָּר או סָפַר; המודל צריך את ההקשר כדי לבחור.
• תחיליות וסיומות: "וכשנפגשנו" היא מילה אחת בכתב וארבע יחידות משמעות; מודל שלא אומן על זה מפרק אותה לא נכון.
• כתיב מלא וחסר: אותה מילה נכתבת בכמה דרכים מקובלות, וזה מבלבל גם את מדידת הדיוק.
• סלנג ודיבור מהיר: "יאללה", "סבבה", בליעת הברות, וקצב שלא קיים בהקראה.
• עברית ואנגלית באותו משפט: ראו תמלול עברית ואנגלית מעורבות.

מודל כללי שאומן בעיקר על אנגלית מסתדר עם הקראה נקייה ונופל בדיוק במקומות האלה, ולא בג'יבריש: הוא כותב מילה אחרת שנשמעת הגיונית. לכן המודל של IvreetMeet אומן על עברית מדוברת אמיתית. הסבר בפוסט למה מודלים כלליים טועים בעברית מדוברת.

איפה תמלול אוטומטי טועה, ומה עושים

איך מקליטים כדי שהתמלול ייצא טוב

• מיקרופון קרוב לדוברים. טלפון על השולחן באמצע החדר עדיף על טלפון בכיס; מיקרופון שולחני עדיף על שניהם.
• חדר שקט וסגור. מזגן רועש, רחוב פתוח ומכונת קפה הם הגורם הראשון לשגיאות.
• אחד מדבר בכל פעם. דיבור חופף הוא המקרה הקשה לכל מערכת, אנושית או אוטומטית.
• שמות ומספרים בבירור. אלה המקומות שבהם תמלול אוטומטי טועה הכי הרבה; כדאי גם לכתוב אותם בהנחיות לסיכום.
• איכות קובץ סבירה. אין צורך ב-WAV כבד; M4A או MP3 באיכות רגילה מספיקים. הקלטת טלפון דחוסה מאוד תישמע גרוע גם לאדם.

איך זה עובד אצלנו, בקצרה

1. 1מעלים את ההקלטה. שמע או וידאו, עד 500MB, מהמחשב או מהטלפון. אפשר לצרף הנחיות לסיכום: מי המשתתפים, מה מטרת ההקלטה, על מה להתמקד.
2. 2מקבלים תמליל לפי דוברים. כל קטע מסומן בדובר שלו ובזמן שלו. נותנים שמות לדוברים פעם אחת, מתקנים מה שצריך, ומחפשים בתוך הטקסט.
3. 3מקבלים סיכום. עיקרי הדברים, ההחלטות והמשימות, בעברית, מתוך התמליל המלא. לא מרוצים מהדגש? כותבים הנחיה ומבקשים סיכום מחדש.
4. 4מייצאים ומשתפים. Word, PDF, PowerPoint, Excel, טקסט, Markdown, כתוביות SRT או VTT (בתוכנית החינמית: PDF), או קישור שיתוף למי שלא היה בהקלטה.

מה קורה עם ההקלטה

• לא לאימון. הקלטות של משתמשים רשומים אינן משמשות לאימון מודלים, ואיננו מוכרים מידע אישי.
• ההקלטה לא נשלחת לספקי מודלי השפה. רק הטקסט לסיכום, בניתוב שאינו שומר את התוכן.
• ההקלטות נשמרות בישראל, מוצפנות, ונמחקות כשמוחקים את הפגישה או את החשבון. פירוט במדיניות הפרטיות ובעמוד אבטחת המידע.

כמה זה עולה

התוכנית החינמית כוללת עד 7 הקלטות ו-120 דקות בחודש קלנדרי לארגון, עם תמלול לפי דוברים, סיכום, ייצוא PDF ושיתוף בקישור, בלי כרטיס אשראי. Pro עולה ₪99 לחודש (₪79 לחודש בתשלום שנתי) ופותח עד 70 שעות תמלול בחודש; Business, ₪299 למשתמש לחודש, פותח עד 200 שעות. ביטול בכל עת. פירוט במחירים ובתמלול בעברית בחינם.