ถอดเสียงจากวิดีโอเป็นข้อความ ภาษาไทย — ความแม่นยำขึ้นกับอะไร และของฟรีพอไหม

เรื่องนี้ฟังดูน่าเบื่อแต่มันจริงกว่าทุกข้อ ระบบถอดเสียงที่ดีที่สุดก็ยังพลาดกับไฟล์ที่อัดมาไม่ดี และระบบธรรมดาก็ทำงานได้ดีอย่างน่าประหลาดใจกับไฟล์ที่อัดมาสะอาด ถ้าจะลงแรงที่จุดเดียวเพื่อให้ผลดีขึ้น ให้ลงที่ขั้นตอนอัดเสียง

ความผิดพลาดในภาษาอังกฤษมักเป็นคำผิดที่มองออกทันที ส่วนภาษาไทยมักได้ประโยคที่อ่านลื่นแต่ความหมายเพี้ยน เพราะระบบเลือกคำที่เสียงใกล้กันและเข้ากับบริบทได้พอดี

อีกจุดที่ต่างกันคือการเว้นวรรค ภาษาไทยเขียนติดกัน ระบบจึงต้องเดาเองว่าจะแบ่งประโยคตรงไหน การแบ่งที่ผิดตำแหน่งจะส่งผลต่อทุกอย่างที่ทำต่อจากนั้น โดยเฉพาะการขึ้นบรรทัดของซับ

ชื่อคน ชื่อร้าน ชื่อสินค้า ชื่อรุ่น เป็นคำที่ระบบไม่เคยเห็นมาก่อน มันจึงเดาเป็นคำที่เสียงใกล้เคียงที่สุดเสมอ และนี่คือความผิดพลาดที่แพงที่สุดสำหรับคลิปรีวิวหรือคลิปโฆษณา เพราะมันคือคำที่ทั้งคลิปพยายามจะสื่อ

ข้อดีคือมันเป็นความผิดพลาดที่คาดเดาได้ ถ้ารู้ล่วงหน้าว่าคลิปนี้จะมีคำอะไรบ้าง การเตรียมรายการคำที่ถูกต้องไว้ก่อนแล้วให้ระบบแก้ให้อัตโนมัติ ได้ผลดีกว่าการไล่แก้เองทีหลังมาก โดยเฉพาะเมื่อคำเดียวกันโผล่หลายสิบครั้งในคลิปเดียว

หลายคนเจอแล้วคิดว่าตัวเองตั้งค่าผิด ความจริงคือระบบถอดเสียงยุคนี้ไม่ได้ให้ผลเหมือนเดิมทุกครั้ง ไฟล์เดียวกันถอดสามรอบอาจได้คำที่ไม่ชัดเจนออกมาต่างกันทั้งสามรอบ โดยเฉพาะกับชื่อเฉพาะที่ระบบไม่รู้จัก

ผลที่ตามมาในทางปฏิบัติมีสองข้อ ข้อแรกคือการเทียบว่า “ข้อความต้องตรงเป๊ะ” ใช้เป็นเกณฑ์ตรวจคุณภาพไม่ได้ ข้อสองคือถ้าคลิปนั้นมีคำสำคัญที่ห้ามเพี้ยน อย่าหวังพึ่งการถอดเสียงรอบเดียวแล้วผ่าน ให้เตรียมรายการคำที่ถูกไว้ตั้งแต่แรกจะแน่นอนกว่า

เครื่องมือถอดเสียงฟรีมีเยอะ และหลายตัวใช้ได้จริงสำหรับงานที่ไม่ซีเรียส สิ่งที่มักต่างกันไม่ใช่ “แม่นกว่า” อย่างเดียว แต่เป็นข้อจำกัดรอบ ๆ ที่จะเจอเมื่องานเริ่มยาวขึ้น

ถ้างานคือคลิปสั้นไม่กี่นาทีและมีเวลานั่งแก้ ของฟรีมักพอ ถ้างานคือคลิปยาวเป็นชั่วโมงที่ต้องทำซ้ำทุกสัปดาห์ ต้นทุนที่แท้จริงจะย้ายจากค่าบริการไปเป็นเวลาของคุณแทน

การถอดเสียงแทบไม่เคยเป็นเป้าหมายสุดท้าย มันคือวัตถุดิบของขั้นตอนถัดไป และแต่ละขั้นตอนต้องการคุณภาพไม่เท่ากัน

รู้ว่าจะเอาไปทำอะไรต่อ ช่วยให้ตัดสินใจได้ว่าต้องนั่งตรวจข้อความละเอียดแค่ไหนก่อนไปต่อ ซึ่งมักเป็นขั้นตอนที่กินเวลาที่สุดของทั้งกระบวนการ