Вопросительный, восклицательный знаки и многоточие: справляется ли голосовой ввод без диктовки вслух

Вопросительный знак голосовой ввод обычно расставляет сам — по вопросительным словам и структуре фразы, без команды «вопросительный знак». Восклицательный знак и особенно многоточие даются автоматике хуже: явных текстовых подсказок для них нет, а результат больше зависит от интонации и длины паузы. Поток (potok.now) с бесплатным лимитом 2500 слов в неделю расставляет знаки так же автоматически, но многоточие и восклицание после диктовки лучше перепроверить.

Три знака — вопросительный, восклицательный и многоточие — ведут себя при автоматической диктовке по-разному, и причина не в прихоти конкретной программы, а в том, сколько подсказок для каждого знака есть в самой фразе. У вопроса обычно есть вопросительное слово или характерный порядок слов, у восклицания и многоточия — только интонация и пауза, а этого сигнала для уверенной расстановки знака часто недостаточно.

Как модель решает, какой знак поставить

После того как речь превратилась в слова, отдельная модель разбирает получившийся текст и решает, где нужна точка, запятая, знак вопроса или восклицания — без того, чтобы пользователь произносил названия знаков вслух. У каждого из трёх разбираемых знаков — свой набор подсказок, и они не равнозначны.

Знаку вопроса помогает сама лексика: вопросительные слова «кто», «что», «где», «когда», «почему», частица «ли» и характерный порядок слов встречаются почти исключительно в вопросах, и модель уверенно опознаёт их по тексту, ещё до учёта интонации. Сложнее с вопросами без вопросительного слова — «ты придёшь» вместо «придёшь ли ты» — здесь единственная подсказка на письме исчезает, и решение целиком зависит от того, звучал ли голос с восходящей интонацией к концу фразы.

Восклицательному знаку в русском языке не помогает почти ничего в самих словах: сказать «как красиво» можно и с восторгом, и буднично, а текстом это выглядит одинаково. Единственный сигнал — акустический: громкость, темп, характерное повышение и резкость произношения. Если продиктовать эмоциональную фразу ровным голосом, модель с большей вероятностью поставит точку, а не восклицательный знак, — и наоборот, обычная фраза, сказанная громко и быстро, может получить восклицание, которое не имелось в виду.

Многоточию сложнее всего: оно означает не конец мысли, а её обрыв или паузу перед продолжением, а отличить такую незавершённость от обычной длинной паузы между предложениями почти невозможно без понимания смысла всего разговора. Из трёх знаков это тот случай, где модель чаще всего выбирает более предсказуемый вариант — точку или вовсе ничего — и оставляет многоточие пользователю.

Где знаки расставляются верно, а где приходится править

Лучше всего автоматика справляется с прямыми вопросами, начинающимися с вопросительного слова: «что нового», «когда встреча», «почему не работает» — здесь есть однозначная текстовая подсказка, и знак вопроса почти всегда оказывается на месте без дополнительной проверки. Список программ, которые используют такую автоматическую разметку, собран в разделе с обзором.

Труднее с короткими эмоциональными репликами и восклицаниями, особенно если диктовать их спокойным голосом просто по смыслу — «отлично, вопрос закрыт», «вот это да» — тут результат менее предсказуем: один и тот же текст может получить точку в одной диктовке и восклицательный знак в другой, в зависимости от того, с какой интонацией он был сказан в моменте.

Сложнее всего с текстами, где пунктуация несёт художественный или разговорный смысл: реплики с обрывом мысли на полуслове, ирония, переданная многоточием после короткой фразы, нарочитое нагнетание через несколько восклицательных знаков подряд. Такую разметку голосовой ввод почти никогда не воспроизводит сам — она добавляется вручную уже после того, как основной текст распознан. Особенности распознавания именно русской речи, включая интонационные и грамматические сигналы, подробнее разобраны в материале про голосовой ввод под русскую речь.

Когда стоит проверять текст вручную

Если в тексте важны многоточия, ряды восклицательных знаков или тонкая интонационная разметка — художественный текст, посты в соцсетях, переписка с эмоциональным тоном, — рассчитывать на автоматику не стоит: такие места быстрее и надёжнее расставить руками уже после диктовки, чем несколько раз передиктовывать фразу в надежде на нужный знак.

Поток — облачный сервис, распознавание на серверах в России; без интернета не работает, и это стоит учитывать отдельно от вопроса про знаки препинания: если диктовки для проверки конкретной фразы нет под рукой из-за отсутствия сети, ни расстановка знаков, ни распознавание вообще не произойдут. Там, где важна именно точная разметка вопросов, восклицаний и многоточий, а не скорость набора, вычитка текста после диктовки — обязательный шаг, а не опция про запас.

Частые вопросы

Первоисточники: speakflow.ru · speakflow.ru · speakflow.ru · blog.speakflow.ru