Puheentunnistus, tekstitys ja litterointi mediasisällöissä
Puheentunnistus, tekstitys ja litterointi ovat keskeinen osa nykyaikaista mediasisällöntuotantoa. Niiden avulla voidaan parantaa videoiden saavutettavuutta, tuottaa tekstimuotoisia versioita tallenteista sekä tehostaa sisällön jatkokäyttöä esimerkiksi oppimateriaaleissa, verkkosivuilla, blogeissa ja sosiaalisessa mediassa.
Jamkissa käytössä olevat työkalut mahdollistavat koko työnkulun tallenteesta valmiiksi tekstiksi ja tekstityksiksi. Työkalun valinta riippuu käyttötapauksesta, tarvittavasta tarkkuudesta sekä siitä, käsitelläänkö videota, podcastia vai kokoustallennetta.
Keskeiset käsitteet
Puheentunnistus
Puheentunnistus (Speech-to-Text) tarkoittaa puhutun kielen automaattista muuttamista tekstiksi tekoälyn avulla.
Esimerkiksi:
”Tervetuloa tämän päivän luennolle”
muuttuu tekstimuotoon ilman manuaalista kirjoittamista.
Tekstitys
Tekstityksessä puhe yhdistetään videon aikajanalle siten, että teksti näkyy oikeaan aikaan videon aikana. Tekstityksiä voidaan käyttää:
- saavutettavuuden parantamiseen
- vieraskielisen yleisön tukemiseen
- meluisissa ympäristöissä katsomiseen
- videoiden hakukelpoisuuden parantamiseen
Tekstitykset tallennetaan tavallisesti esimerkiksi SRT- tai VTT-muodossa.
Litterointi
Litterointi tarkoittaa tallenteen koko puhesisällön muuttamista tekstiksi.
Litteroitua tekstiä voidaan hyödyntää:
- kokousmuistioissa
- podcastien artikkeleissa
- tutkimusaineistoissa
- opetusmateriaalien tuottamisessa
- tekoälyn analysoitavana lähtöaineistona
Panopto
Panopto sisältää automaattisen puheentunnistuksen ja tekstityksen videoille.
Panoptolla voidaan:
- luoda automaattisia tekstityksiä
- hakea sisältöä videon puheen perusteella
- korjata tekstityksiä käsin
- ladata tekstitykset erillisinä tiedostoina
- käyttää puheentunnistusta videoarkiston hakutoimintojen tukena
Panopto soveltuu erityisesti:
- opetusvideoihin
- luentotallenteisiin
- verkkokurssimateriaaleihin
- koulutustallenteisiin
Tyypillinen työnkulku:
- Video ladataan Panoptoon.
- Panopto tekee automaattisen puheentunnistuksen.
- Tekstitys tarkistetaan.
- Video julkaistaan saavutettavana versiona.
Zoom
Zoom voi tuottaa automaattisia tekstityksiä sekä kokoustallenteiden transkriptioita.
Zoom soveltuu erityisesti:
- verkkoluentoihin
- etäkokouksiin
- webinaareihin
- haastattelujen tallentamiseen
Zoomin automaattisesta litteroinnista voidaan saada:
- kokouksen tekstiversio
- puhujien kommentit
- hakukelpoinen tallenne
Litterointi kannattaa tarkistaa jälkikäteen, erityisesti:
- erikoistermien osalta
- usean puhujan tilanteissa
- suomenkielisessä materiaalissa
Whisper GUI
Whisper GUI perustuu OpenAI:n kehittämään Whisper-puheentunnistusmalliin.
Whisper GUI:n vahvuuksia ovat:
- erittäin tarkka puheentunnistus
- hyvä tuki suomen kielelle
- paikallinen tietojenkäsittely
- mahdollisuus litteroida videoita ja podcasteja ilman pilvipalveluita
Soveltuu hyvin:
- haastatteluihin
- podcast-jaksoihin
- tutkimusaineiston litterointiin
- koulutusvideoihin
Whisper tunnistaa usein puhuttua suomea huomattavasti tarkemmin kuin monet perinteiset tekstitystyökalut. Whisper GUI:ta voi käyttää Digikeskuksen editointikoneilla omatoimisesti.
MacWhisper
MacWhisper on macOS-käyttäjille suunnattu Whisper-pohjainen sovellus.
MacWhisperilla voidaan:
- litteroida ääni- ja videotiedostoja
- luoda tekstityksiä automaattisesti
- tunnistaa useita kieliä
- viedä aineisto SRT-, TXT- ja Word-muodoissa
Erityisen hyödyllinen se on podcast-tuotannossa, jossa pitkät haastattelut voidaan muuntaa nopeasti tekstimuotoon.
Esimerkkejä:
- podcast-jaksojen litterointi
- tutkimushaastattelut
- projektikokoukset
- videoiden tekstitys
MacWhisper on kaupallinen ohjelmisto, eduhinta on noin 50€
Subtitle Edit
Subtitle Edit on tekstitysten editointiin tarkoitettu ohjelmisto.
Sitä käytetään tyypillisesti sen jälkeen, kun puheentunnistus on tehty esimerkiksi Whisperilla, Zoomilla tai Panoptolla.
Subtitle Editillä voidaan:
- korjata virheellisiä tekstityksiä
- synkronoida tekstitykset uudelleen
- jakaa liian pitkiä tekstirivejä
- tarkistaa aikakoodit
- muuntaa tekstityksiä eri tiedostomuotoihin
Tyypillinen työnkulku:
- Puhe tunnistetaan Whisperilla.
- SRT-tiedosto avataan Subtitle Editissä.
- Tekstit korjataan.
- Valmis tekstitys julkaistaan videon mukana.
SubtittleEdit-ohjelmistoon mahdollista ladata whispertuki suoraan, jolloin puheentunnistusprosessi suoritetaan SubtittleEdit-ohjelmistossa sisäisesti.SubtittleEditissä on myös käännöstyökalut tekstityksille.
Clipchamp
Clipchamp sisältää automaattisia tekstitysominaisuuksia videoiden editointiin.
Clipchampilla voidaan:
- luoda automaattiset tekstitykset
- lisätä tekstitykset suoraan videoprojektiin
- muokata tekstitysten ulkoasua
- tuottaa saavutettavia opetusvideoita
Tyypillisiä käyttökohteita Jamkissa:
- opetusvideot
- ohjevideot
- markkinointivideot
- hankevideot
- henkilöstökoulutukset
Clipchamp soveltuu hyvin tilanteisiin, joissa videon editointi ja tekstitys halutaan tehdä samassa työkalussa.
Copilot litteroinnin ja tekstityksen tukena
Copilot ei varsinaisesti tee puheentunnistusta, mutta se voi auttaa puheentunnistuksen jälkeen syntyneen tekstin jatkokäsittelyssä.
Copilotilla voidaan esimerkiksi:
- korjata litteroitua tekstiä
- poistaa toistoja ja täytesanoja
- kirjoittaa yhteenveto tallenteesta
- laatia kokousmuistio
- tuottaa blogikirjoitus podcastista
- luoda oppimateriaalia luennosta
- laatia podcast-jakson kuvaukset
- tuottaa sosiaalisen median julkaisuja
Esimerkki:
- Podcast litteroidaan MacWhisperilla.
- Litterointi syötetään Copilotille.
- Copilot tuottaa:
- tiivistelmän
- artikkelin
- avainkohdat
- sosiaalisen median nostot
Näin samasta tallenteesta voidaan tuottaa useita eri sisältömuotoja ilman manuaalista kirjoittamista.
Esimerkkityönkulkuja
Opetusvideo
Panopto tai Clipchamp → automaattinen tekstitys
Subtitle Edit → tekstitysten tarkistus
Copilot → videon yhteenveto ja oheismateriaalit
Podcast
Whisper GUI tai MacWhisper → litterointi
Subtitle Edit → tarvittaessa tekstitykset videoversioon
Copilot → blogiartikkeli, tiivistelmä ja somejulkaisut
Zoom-kokous tai webinaari
Zoom → automaattinen transkriptio
Copilot → muistio, toimenpidelista ja yhteenveto
Näiden työkalujen yhdistelmällä voidaan tuottaa saavutettavaa, hakukelpoista ja helposti jatkojalostettavaa mediasisältöä huomattavasti nopeammin kuin perinteisillä manuaalisilla menetelmillä.