AI Suara: Bila Mesin Mula Dengar dan Bercakap Bahasa Melayu

AI suara ada dua kerja berbeza: mendengar rakaman jadi teks, dan membaca teks jadi suara. Panduan mudah untuk nota suara, mesyuarat dan audio homestay.

Kerja pertama ialah pertuturan ke teks. Rakaman suara masuk, teks keluar. Kerja kedua ialah teks ke pertuturan. Ayat bertulis masuk, suara keluar. Sistem yang mendengar dipanggil pengecaman pertuturan automatik, manakala sistem yang bercakap dipanggil sintesis suara. Satu menjadi telinga, satu menjadi mulut.

Bahagian mendengar sudah cukup matang untuk bahasa Melayu. Model Whisper dilatih dengan puluhan bahasa, dan Melayu termasuk dalam senarai bahasa yang melepasi ambang kualiti rasmi OpenAI. Dokumen mereka meletakkan had 25 megabait bagi setiap fail, dengan format mp3, mp4, m4a, wav dan webm. Perlu diingat had itu pada saiz fail, bukan panjang rakaman; fail mampat 25 megabait boleh memuatkan puluhan minit ceramah. Google Cloud pula menawarkan transkripsi strim masa nyata untuk lebih 125 bahasa melalui model Chirp 3.

Angka ketepatan pula kena dibaca dengan hati-hati. Penyedia alat suka membandingkan kadar ralat perkataan pada penanda aras awam. ElevenLabs, contohnya, mendakwa model mereka mencatat 4.5 peratus ralat untuk Melayu pada set FLEURS berbanding 9.6 peratus bagi Whisper Large versi ketiga. Itu dakwaan penjual pada set data tertentu, bukan jaminan untuk rakaman anda di bilik yang ada kipas berpusing. Cara paling jujur ialah uji dengan lima rakaman sendiri, kemudian kira berapa banyak perkataan yang tersalah.

Bahagian bercakap pula ada masalah khas Melayu yang jarang disebut. Satu kajian akademik tentang buku teks bahasa Melayu di Universiti Bahasa Asing Tokyo mendapati suara janaan AI tersilap menyebut huruf e. Perkataan seperti berehat, kamera dan video keluar dengan bunyi pepet atau taring yang salah, kata pinjaman pula sering terpesong, dan bunyi kh dalam Khamis hilang menjadi k. Kesilapan ini kecil pada telinga penutur asing tetapi jelas pada telinga orang tempatan. Jadi kalau anda jana audio untuk pelanggan, dengar sendiri sampai habis sebelum ia keluar.

Contoh paling dekat dengan kerja harian ialah nota suara. Pelanggan homestay hantar mesej suara panjang dalam WhatsApp, bercampur dialek, sebut harga malam dan bilangan tetamu. Daripada dengar tiga kali, transkripsikan dahulu, kemudian semak nombor telefon dan tarikh dengan mata sendiri. Satu lagi contoh: rakaman mesyuarat atau taklimat pagi yang bertukar menjadi senarai tugas. Untuk pemilik kedai pula, teks ucapan aluan atau penerangan laluan ke homestay boleh dijadikan audio, tetapi jangan guna suara orang lain tanpa izin.

Tutorial ringkas:

1. Tentukan kerjanya dahulu. Anda mahu mendengar rakaman, atau mahu menghasilkan suara? Dua alat berbeza. 2. Rakam dalam keadaan bersih. Telefon dekat mulut, bilik kecil, seorang bercakap pada satu masa, jauhkan kipas dan bunyi jalan. 3. Cuba alat percuma dahulu. Ciri transkripsi dalam aplikasi sembang AI atau aplikasi transkrip percuma sudah cukup untuk menguji sama ada idea anda berguna. 4. Semak transkrip sebelah menyebelah dengan audio. Nama orang, nombor telefon, harga dan tarikh ialah empat perkara yang paling kerap tersalah. 5. Beri AI tugas kedua: kemas dan susun transkrip itu. Inilah bahagian yang menjimatkan masa sebenar. 6. Untuk audio keluar, tulis ayat pendek, satu idea satu ayat, dan dengar hasilnya. Kalau sebutan tersalah, ubah ejaan atau pecahkan perkataan.

Kesimpulan, AI suara menjimatkan masa menaip dan masa mendengar semula, tetapi ia tidak menjadikan rakaman sebagai bukti. Simpan fail audio asal, semak nombor dan wang dengan mata sendiri, dan jangan muat naik rakaman pelanggan ke alat percuma tanpa kebenaran mereka. Suara manusia ialah data peribadi, dan transkrip yang tersalah harga boleh jadi masalah yang lebih mahal daripada masa yang dijimatkan.

Ini transkrip nota suara seorang pelanggan homestay. Tugas anda:
1) Kemas ayat tanpa menambah fakta baharu.
2) Senaraikan nama, nombor telefon, tarikh masuk, tarikh keluar, bilangan tetamu dan harga yang disebut.
3) Tandakan perkara yang tidak jelas dengan [TIDAK JELAS]. Jangan teka.
4) Akhir sekali, tulis tiga soalan yang saya perlu tanya kepada pelanggan itu.
Transkrip: ...