Teksttranscripties

Teksttranscripties zijn schriftelijke weergaven van gesproken taal. Ze worden gemaakt om gesproken inhoud toegankelijk te maken, te archiveren of te analyseren. Transcripties komen voor in media, onderzoek, rechtspraak en onderwijs.

Er bestaan verschillende typen transcripties. Verbatim transcripties streven woordelijk naar alles, inclusief pauzes, ademhalingen en herhalingen. Gezuiverde transcripties verwijderen overbodige geluiden en fillerwoorden. Vaak bevatten ze sprekerlabels, tijdcodes en aanduidingen voor stiltes of overlappende spraak.

Het transcriptieproces kan handmatig door menselijke transcribenten gebeuren of met automatische spraakherkenning (ASR). Voor betrouwbaarheid worden transcripties nagelezen en gesynchroniseerd met audio of video. Nauwkeurigheid wordt vaak gemeten met de word error rate (WER) of vergelijkbare indicatoren.

Transcripties komen in diverse formaten voor, zoals platte tekst, ondertitelingsbestanden (SRT, VTT) en gestructureerde formaten (TTML, XML, JSON). Toepassingen zijn ondertiteling, archivering van interviews, onderzoek en rechtbank- of onderwijsdocumentatie. Ze dragen bij aan toegankelijkheid en hergebruik van gesproken data.

Belangrijke aandachtspunten zijn accuraatheid, dialecten, achtergrondgeluid en overlap, privacy en auteursrechten, en toestemming van sprekers. Ethiek en kwaliteitscontrole spelen een rol bij gevoelige informatie en meertalige transcripties, en bij het kiezen van normen en workflows.