Анализ речи: интонация, темп и исследование аудио
В Speech Expert появились два инструмента для работы со звучанием: «Акустика речи» с графиками и измерениями и «Исследование аудио» с разбором выбранного фрагмента. Они помогают сравнивать озвучки, замечать изменения интонации и разбирать места, где одного транскрипта недостаточно.
Интонация, темп и паузы на графиках
«Акустика речи» показывает осциллограмму, контур основного тона F0 и относительную интенсивность. Видно, где голос повышается и понижается, как меняется уровень записи и где возникают тихие интервалы. При наличии подходящей расшифровки рассчитывается темп в словах в минуту. Если сохранена разметка речевых интервалов VAD, она используется для расчёта речи и пауз; иначе звуковая активность оценивается по энергии.
Можно выбрать участок от 1 до 120 секунд, перейти к нужному моменту по нажатию на график и сравнить две записи на одинаковых шкалах. Это удобно для выбора дикторского дубля, проверки синтезированной озвучки или сравнения оригинала и дубляжа. Время отсчитывается от начала каждого фрагмента; автоматического выравнивания по словам нет.
Расчёт выполняется движком Praat на сервере Speech Expert, без обращения к языковой модели и без списания кредитов. Измерения сохраняются в истории, а численные данные можно скачать в JSON и CSV. Интенсивность показана относительно пика каждого фрагмента: она помогает сравнивать изменения уровня внутри записи, а не абсолютную громкость двух файлов.
Задайте вопрос о звучании
В разделе «Исследование аудио» выберите запись, задайте фрагмент от 20 до 120 секунд и нажмите «Запустить исследование». Для старта есть 12 пресетов: общее описание аудио, шёпот и пропуски распознавания, голосовые роли, реакции зала, интонация и смысл, качество записи, проверка озвучивания и другие задачи. К любому пресету можно добавить свой вопрос.
- Что слышно в месте, которое пропустил распознаватель?
- Почему одна озвучка воспринимается более ровной, а другая — более выразительной?
- На какую реплику реагирует зал и как это показать в коротком ролике?
Можно передать только звук или дополнить его уже сохранёнными расшифровками, разметкой речи, диаризацией и результатами анализаторов. Ранее рассчитанные акустические показатели добавляются, если их интервал точно совпадает с выбранным фрагментом. Новые распознаватели и классификаторы при этом автоматически не запускаются.
Результат может включать описание звучания, наблюдения с таймкодами, гипотезы со способами проверки и идеи коротких роликов. Каждый запуск сохраняется отдельно; использованный запрос и контекст доступны для скачивания. Спорные наблюдения можно проверить по исходному аудио.
Исследование оплачивается отдельно: стоимость показана на кнопке до запуска. Выбранный фрагмент аудио и включённые дополнительные данные передаются Google для анализа.
Как попробовать
- Откройте готовый результат распознавания и нажмите «Акустика речи». Нужная запись откроется сразу на вкладке измерений. Этот переход есть и у готовых файлов пакетного распознавания.
- Рассчитайте интересующий участок и при необходимости выберите вторую запись для сравнения.
- Для разбора звучания откройте «Исследование аудио» в меню или в ряду сервисов рядом с распознаванием и синтезом. Выберите пресет и сформулируйте вопрос.
Creator Pack по-прежнему готовит тезисы, статьи и публикации по расшифровке. Для работы со звучанием доступны отдельные инструменты «Акустика речи» и «Исследование аудио».