انتخاب قالب متن صوت باید از استفاده بعدی شروع شود. متن ساده برای خواندن مناسب است، اما برای زیرنویس زمان لازم دارد و برای تحلیل گفت‌وگو، بخش‌بندی و برچسب گوینده می‌تواند مهم باشد. این مقاله درباره قرارداد تحویل خروجی است؛ ممیزی دقیق هم‌ترازی متن تماس موضوع جداگانه‌ای است.
روش اجرا و تصمیم‌گیری
سه نیاز را مشخص کنید: خواندن انسان، جست‌وجو و پردازش نرم‌افزاری. متن ساده، جدول قطعه‌ها و زیرنویس زمان‌دار برای این نیازها یکسان نیستند. اگر خروجی ساختاریافته می‌گیرید، واحد زمان، شناسه فایل، ترتیب بخش و مقدار نامشخص را در قرارداد بنویسید.
برچسب گوینده با هویت واقعی فرق دارد. «گوینده۱» صرفاً یک برچسب پردازشی است مگر اینکه با روش مجاز تأیید شده باشد. گفتار هم‌زمان و بخش ناخوانا نیز باید قاعده ثبت داشته باشند. مدل نباید برای پرکردن همه خانه‌ها، نام فرد یا کلمه ناخوانا را اختراع کند.
نسخه خام و ویرایش‌شده را تفکیک کنید. اصلاح نگارش ممکن است برای مطالعه مفید باشد، اما عدد، شرط و نفی نباید عوض شوند. اگر فایل برای استناد یا بازبینی استفاده می‌شود، پیوند به منبع مجاز و نسخه دقیق را نگه دارید. آزمون واردکردن خروجی به ابزار مقصد را پیش از تحویل دسته‌ای انجام دهید.
نمونهٔ ساختگی و قابل تکرار
در نمونه ساختگی، تیم آموزشی فقط متن قابل مطالعه می‌خواهد، ولی تیم ساخت زیرنویس زمان هر بخش را هم لازم دارد. یک فایل متنی بدون زمان برای هدف دوم کافی نیست. قرارداد تازه ستون شروع، پایان، متن و برچسب گوینده دارد و زمان را برحسب میلی‌ثانیه تعریف می‌کند. اگر ابزار مقصد ثانیه می‌خواهد، تبدیل صریح انجام می‌شود. همین واحد ساده اگر پنهان بماند، خروجی ظاهراً کامل اما غیرقابل استفاده می‌سازد؛ مشکل لزوماً خطای تشخیص گفتار نیست.
محدودیت‌ها و خطاهای رایج
پشتیبانی قالب‌ها در سرویس‌ها متفاوت است. وجود زمان یا برچسب در خروجی، دقت آن‌ها را تضمین نمی‌کند و به آزمون جدا نیاز دارد. متن صوت می‌تواند داده حساس داشته باشد؛ حقوق پردازش و دسترسی را مستقل از انتخاب قالب رعایت کنید.
کنترل پیش از استفاده
| کنترل | معیار پذیرش |
|---|---|
| هدف | قالب با مصرف خواندن، زیرنویس یا پردازش نرم‌افزاری سازگار باشد. |
| واحد | زمان و ترتیب و مقدار نامشخص قرارداد صریح داشته باشند. |
| هویت | برچسب پردازشی گوینده به نام واقعی فرد تعمیم داده نشود. |
کاربرگ همراه
کاربرگ یک قالب قطعه‌بندی‌شده پیشنهادی است، نه ادعای خروجی آماده محصول خاص. نام و واحد ستون‌ها را با ابزار مقصد تطبیق دهید. برای متن ناخوانا، برچسب مشخص بنویسید و آن را با جمله حدسی جایگزین نکنید.
دریافت کاربرگ CSV این راهنما — داده‌های داخل فایل نمونهٔ ساختگی‌اند. نسخهٔ اصلی را نگه دارید و برای آزمون خودتان یک کپی بسازید.
منبع و ادامهٔ کار
W3C WAI: متن جایگزین رسانه؛ MDN: ظرف فایل رسانه. تاریخ بررسی منابع: ۱ نوامبر ۲۰۲۶.
اگر هدف شما تحلیل مکالمات کارشناسان است، اپرابین را ببینید و قالب خروجی و معیار ارزیابی موردنیازتان را برای بررسی با تیم اپرا مشخص کنید.
این قالب را هنگام درخواست گفتار به متن توضیح دهید
اگر قصدتان تبدیل فایل صوتی فارسی به متن است، بگویید خروجی برای خواندن، ویرایش، زیرنویس یا ورود به نرم‌افزار لازم است. این‌ها قراردادهای یکسانی ندارند. نمونه ستون‌ها و واحد زمان این راهنما، پیشنهاد توضیح نیاز است و وجود همه این قالب‌ها در هر محصولی را ثابت نمی‌کند.
اپرانگار برای گفتار به متن فارسی از مسیر درخواست و راه‌اندازی تیمی ارائه می‌شود؛ قالب و دامنه تحویل پیش از شروع نهایی می‌شود. برای مقایسه معیارها، مقایسه اپرانگار و فارس‌آوا را ببینید. اگر هنوز دسته ابزار را انتخاب نکرده‌اید، راهنمای ابزارهای هوش مصنوعی کمک می‌کند تبدیل متن، تحلیل تماس و ابزار عمومی را جدا کنید.