תמלול הקלטה לטקסט בעברית: הדרכים החינמיות, ומה גורם לתמלול לטעות

שלוש דרכים לתמלל, ומתי כל אחת מתאימה

לפני שבוחרים כלי, שואלים שתי שאלות. כמה טעויות מותר שיהיו בטקסט, ומי יקרא אותו. סיכום של ישיבה לשימוש עצמי סובל טעות בכל משפט שלישי. כתוביות לסרטון, ציטוט בכתבה או תמליל שמוגש לבית משפט לא סובלים אף אחת.

הקלדה קולית חינמית

הכלי הזמין ביותר הוא ההקלדה הקולית ב-Google Docs, בתפריט הכלים, שתומכת בעברית ועובדת בדפדפן כרום. במקלדת של הטלפון, באנדרואיד ובאייפון, יש כפתור מיקרופון שעושה אותו דבר בכל אפליקציה. שני הכלים מאזינים למיקרופון ולא לקובץ. יש מי שמנגן הקלטה ברמקול מול המיקרופון כדי לעקוף את זה, והתוצאה גרועה: הצליל עובר דרך רמקול, חדר ומיקרופון, ומגיע למנוע מרוח.

מנוע תמלול מבוסס בינה מלאכותית

רוב שירותי התמלול שתומכים בעברית נשענים היום על Whisper, מודל קוד פתוח של OpenAI, או על גרסאות שלו שאומנו במיוחד על עברית מדוברת, כמו המודלים של הפרויקט הישראלי ivrit.ai. מי שנוח לו עם התקנות יכול להריץ את המודל על המחשב שלו, בחינם ובלי להעלות את הקובץ לאף שרת. זה שיקול של ממש כשמדובר בשיחה רפואית, משפטית או עסקית.

שירותים מקוונים עוטפים את אותו מנוע בממשק נוח, מוסיפים זיהוי דוברים ועורך טקסט שמסונכרן לשמע, וגובים לפי דקות או במנוי. לפני שמעלים קובץ רגיש, קוראים מה השירות עושה איתו אחרי התמלול.

מתמלל אנושי

תמלול ידני של שעת הקלטה לוקח למתמלל מנוסה ארבע עד שש שעות עבודה. כשהתמליל מיועד להליך משפטי, הנוהג הוא להגיש תמליל שערך מתמלל מקצועי וחתם עליו, ולא פלט של תוכנה. במקרה כזה כדאי לברר מראש עם עורך הדין מה נדרש. זה מידע כללי ולא ייעוץ משפטי.

למה התמלול טועה: זו כמעט תמיד ההקלטה

מנוע תמלול לא מבין עברית. הוא מזהה דפוסים בצליל ומנחש את המילה הסבירה ביותר. כשהצליל ברור, הניחוש קל. כשיש הד, רעש או שני אנשים שמדברים יחד, הוא ממשיך לנחש באותו ביטחון, ומחזיר משפט תקין לגמרי שאף אחד לא אמר.

ארבעה דברים מפילים את הדיוק, בסדר יורד של נזק.

• דיבור חופף. שני דוברים באותו רגע הם הבעיה שהכי קשה לתקן אחר כך. בראיון, מחכים שהמרואיין יסיים לפני ששואלים.
• מרחק מהמיקרופון. טלפון שמונח באמצע שולחן ישיבות קולט את החדר יותר מאת האנשים. כל הכפלה של המרחק מורידה כ-6 dB מהקול הישיר, וההד נשאר באותה עוצמה.
• רעש רקע. כשהדיבור חזק מהרעש ב-20 dB ומעלה, המנוע כמעט לא מושפע. מתחת ל-10 dB הוא מתחיל להמציא.
• דחיסה חזקה. הודעה קולית שהועברה שלוש פעמים בין אפליקציות מאבדת את העיצורים, ו"שש" הופך ל"שבע".

איך מקליטים כך שהתמלול ייצא מדויק

אם ההקלטה עוד לא נעשתה, זה החלק שחוסך הכי הרבה זמן. אני מקליט ראיונות לתמלול כבר שנים, ואלה הכללים שנשארו אחרי כל הניסויים.

מיקרופון לכל דובר, קרוב לפה. מיקרופון דש על החולצה או טלפון במרחק של 15 עד 20 סנטימטר מהסנטר עדיפים על מקליט יקר באמצע החדר. למי שמצלם ריאיון, יש באתר מדריך על מיקרופון דש אלחוטי.

חדר עם ריהוט, שטיח ווילונות, ולא חדר ישיבות ריק עם קיר זכוכית. מכבים מזגן לזמן ההקלטה אם אפשר. מקליטים בפורמט לא דחוס או בדחיסה עדינה, ולא דרך שיחת וידאו כשאפשר להקליט מקומית. ואומרים בקול את השמות של המשתתפים בתחילת ההקלטה: זה עוזר גם למנוע וגם למי שיתקן אחריו.

על האיכות עצמה לא צריך להתאמץ. מנועי התמלול עובדים בקצב דגימה של 16 קילוהרץ במונו, כך שקובץ של 48 קילוהרץ בסטריאו לא מוסיף דיוק. הוא רק מעלה לאט יותר. מי שרוצה לוודא שהטלפון או המחשב מקליטים כמו שצריך יכול להיעזר בכלי של הקלטת קול אונליין ולהאזין לתוצאה לפני הפגישה.

ההקלטה כבר קיימת והיא גרועה: מה אפשר להציל

שלושה צעדים, מהקל לכבד, לפני שמעלים את הקובץ למנוע.

ניקוי רעש. רחש קבוע, מזגן וזמזום חשמל יורדים טוב. הכלי החינמי של ניקוי רעשי רקע מהקלטה עושה את זה בדפדפן, בלי להעלות את הקובץ לשרת. לא מגזימים: ניקוי אגרסיבי מוסיף לקול צליל מתכתי שמבלבל את המנוע יותר מהרעש המקורי.

השוואת עוצמות. כשדובר אחד קרוב והשני רחוק, המנוע מדלג על השקט. מעלים את העוצמה הכללית כמו שמוסבר במדריך על הגברת ווליום של קובץ שמע, ומפעילים קומפרסור עדין כדי לקרב בין השניים.

חיתוך. מסירים דקות של שתיקה, מוזיקה ורעשי התארגנות. בקטעים בלי דיבור מנועי תמלול נוטים להמציא משפטים שלמים, ואת אלה קשה לזהות בקריאה.

הד של חדר ודיבור חופף כמעט אי אפשר לתקן. אם קטע חשוב נשמע כך, מתמללים אותו ידנית.

אחרי התמלול: הגהה בחצי מהזמן

שעה של דיבור היא 7,000 עד 9,000 מילים. אף אחד לא רוצה לקרוא אותן מול ההקלטה בקצב רגיל, ואין צורך.

מאזינים במהירות של פי אחד וחצי, ועוצרים רק במקום שהטקסט והשמע נפרדים. מתחילים מחיפוש של שמות פרטיים, מספרים, תאריכים ומונחים מקצועיים, כי שם נמצאות רוב הטעויות, והן גם אלה שמביכות. ושמים לב למשפטים שנקראים חלק מדי בקטע שזכור לך כמבולגן: מנוע שלא שמע טוב כותב עברית יפה.

שאלות נפוצות

ההבדל בין תמלול של עשר דקות הגהה לתמלול של שעתיים הגהה נקבע לפני שלוחצים על הקלטה. מיקרופון קרוב, חדר שקט, ואדם אחד שמדבר בכל רגע.