Sau độ chính xác 98%: năm công đoạn quyết định chất lượng biên bản cuộc họp

Nhiều người mua tập trung toàn bộ đánh giá vào một con số duy nhất: Độ chính xác của phiên âm giọng nói. 98% nghe có vẻ ấn tượng. Sau đó, ba tháng sau khi đi trực tiếp, phản hồi thực sự đến - "Chúng ta vẫn phải chỉ định ai đó để dọn dẹp nó. "

Vấn đề là trộn lẫn hai thứ khác nhau. Độ chính xác phiên âm giọng nói xác định liệu các từ có đúng hay không. biên bản cuộc họp khả năng sử dụng xác định liệu đầu ra có thể được sử dụng như là. Vị trí thứ hai vẫn còn năm cổng để vượt qua.

Ghi chú: Bài viết này được tổ chức từ quan điểm kiểm tra chấp nhận của người mua. Các tuyên bố khả năng làm theo sản phẩm được công bố Thông số kỹ thuật; số liệu thông lượng là giá trị được công bố và thay đổi theo điều kiện âm thanh, kích thước mô hình và chiến lược đồng thời - đo chúng trên trang web.

Giai đoạn 1: phân tách người nói - ai nói điều này?

biên bản cuộc họp mà không có loa quy định đọc như thế này: *"Tôi nghĩ kế hoạch này hoạt động... Rủi ro quá cao... Hãy thử nó trước. * Ai đồng ý, ai phản đối - hoàn toàn vô hình. biên bản cuộc họp như thế này còn tệ hơn không có, bởi vì họ đưa ra các quyết định sai lầm.

Hai khái niệm được kết hợp ở đây, và kiểm tra chấp nhận phải tách chúng ra:

Khả năng	Câu hỏi được trả lời	Điều kiện tiên quyết	phù hợp nhất để
phân tách người nói	Ai đã nói phần này (Speaker 1 / Speaker 2)	Không có	Các cuộc họp với sự thay đổi của những người tham dự
Nhận dạng vân tay giọng nói	Thành viên nào trong nhóm này (Alice / Bob)	Các mẫu in giọng nói đã đăng ký	Các cuộc họp với danh sách ổn định

phân tách người nói hoạt động thông qua tích hợp với hệ thống âm thanh và cuộc họp địa phương, tự động ghi âm và dán nhãn người nói. Nó ra nhãn vai trò - không cần phải biết danh tính trước, phù hợp với các cuộc họp với những người tham gia bên ngoài.

Nhận dạng vân tay giọng nói đi xa hơn và gán lời nói cho danh tính thực: nó phân tích dấu giọng nói trong phiên âm giọng nói trực tiếp hoặc tập tin, phân biệt người nói và hiển thị thông tin vai trò, với quản lý thư viện dấu giọng nói đầy đủ (đăng ký, đổi tên, xóa). Nó phù hợp với các cuộc họp định kỳ với một danh sách cố định - ủy ban điều hành, ủy ban đầu tư, nhóm làm việc thường trực.

Chế độ thất bại phổ biến

• Thử nghiệm với một mẫu đọc loa đơn: Một giọng nói duy nhất không thể kiểm tra sự tách biệt. Bạn cần một bản ghi âm thực sự với sự gián đoạn và lời nói chồng chéo.
• Toàn bộ phân khúc sai quy định: khi hai giọng nói nghe giống nhau, mô hình có thể gán toàn bộ phần kéo dài cho nhầm người - tồi tệ hơn là không phân biệt chúng.
• Không có quản lý in giọng nói: nếu bạn không thể đổi tên hoặc xóa dấu vân âm sau khi thay đổi nhân viên, tính năng này sẽ chết trong vòng sáu tháng.

Hành động chấp nhận

Hãy thực hiện một bản ghi âm thực sự với Ba người hoặc nhiều người tham gia và gián đoạn (không phải là kịch bản đọc) và kiểm tra xem nhãn vai trò có bị xáo trộn hay toàn bộ phân đoạn đi đến nhầm người. Nếu bạn đang đánh giá tuyến đường in giọng nói, hãy thử nghiệm đăng ký, đổi tên và xóa.

Giai đoạn 2: Thế hệ tóm tắt - kết luận có tồn tại không?

Lỗi tóm tắt phổ biến nhất là Sử dụng sai template.

Các loại cuộc họp khác nhau cần cấu trúc tóm tắt khác nhau. Bốn template được cung cấp:

Loại cuộc họp	Mẫu (Template)	Những gì bản tóm tắt nên chứa
Đồng bộ hóa thông tin	Định hướng tóm tắt	Các điểm chính, trạng thái tiến độ
Cuộc họp quyết định	Định hướng kết luận	Quyết định cuối cùng, bất đồng, các mục mở
Hội thảo / Brainstorm	Thảo luận đa đảng	Những điểm tranh chấp, những điểm tranh chấp
Báo cáo lên	Định hướng báo cáo	Đầu tiên, hỗ trợ dữ liệu

Tại sao mẫu không phù hợp là kẻ giết người số một: chạy một cuộc họp quyết định thông qua một mẫu định hướng tóm tắt và mô hình nén các cuộc thảo luận thành một đoạn trơn tru - Làm phẳng các kết luận và bất đồng với nhau. Tuy nhiên, trong một cuộc họp quyết định, các kết luận và bất đồng là những phần duy nhất quan trọng.

Khả năng tóm tắt phải bao gồm cả cuộc họp trực tiếp và các tệp âm thanh / video. Nghĩa là biên bản cuộc họp xuất hiện khi cuộc họp kết thúc, và một bản ghi âm lịch sử được thả vào sau đó cũng có thể được tóm tắt.

Chế độ thất bại phổ biến

• Đánh giá bản tóm tắt chỉ bằng Fluency: Một bản tóm tắt trôi chảy mà mất đi kết luận nguy hiểm hơn một bản vụng về, bởi vì nó trông ổn.
• Bỏ qua loại cuộc họp: một mẫu cho tất cả mọi thứ.
• Không có bản tóm tắt cho tập tin phiên âm giọng nói: chỉ có các cuộc họp trực tiếp được xử lý, vì vậy các bản ghi âm lịch sử không thể được lưu trữ một cách hữu ích.

Hành động chấp nhận

Chuẩn bị bốn bản ghi âm của các loại cuộc họp khác nhau, áp dụng mẫu phù hợp cho mỗi loại, và Tập trung vào việc liệu các kết luận và bất đồng có được bảo tồn đầy đủ hay không thay vì đọc để mịn màng.

Giai đoạn 3: trích xuất hành động - nó có thực sự được thực hiện không?

Điều thúc đẩy mọi thứ sau một cuộc họp là danh sách hành động. biên bản cuộc họp không có các mục hành động là một bản ghi, không phải là một công cụ quản lý.

Chuỗi cốt lõi là: Xác định các câu lệnh kiểu hành động và bên chịu trách nhiệm từ các kết luận → đầu ra cấu trúc task, owner và source passage → đẩy qua một API tiêu chuẩn vào quy trình công việc hiện có.

Có một yêu cầu khó khăn ở đây mà rất dễ bị bỏ qua: các mục hành động phải giữ nguyên nguồn gốc của chúng. Nếu tất cả những gì bạn nhận được là "hoàn thành nghiên cứu vào thứ Tư tới ", không ai biết trong bối cảnh nào điều đó đã được nói hoặc ai đã đưa ra nó - đường mòn trách nhiệm đã bị phá vỡ.

Sự tích hợp cũng quan trọng như vậy. Các mục hành động được trích xuất phải tiếp cận các hệ thống mà mọi người đã sử dụng: WeCom, DingTalk hoặc Feishu trong nội bộ, các hệ thống OA của chính phủ như Landray và Seeyon trong các thiết lập khu vực công. Nếu các mục hành động chỉ có thể ngồi bên trong hệ thống này cho đến khi ai đó di chuyển chúng bằng tay, tính năng này gần như không đáng giá.

Chế độ thất bại phổ biến

• Không có nguồn tham khảo: không thể được truy tìm lại từ ngữ và ngữ cảnh.
• Không tích hợp: các mục hành động không thể rời khỏi hệ thống, điều đó cũng tốt như không trích xuất chúng.
• Khai thác quá mức: xử lý "để lát nữa chúng ta bàn lại chuyện này" như một mục hành động.

Hành động chấp nhận

Chọn ba mục hành động và đẩy chúng qua việc tích hợp vào hệ thống thực sự đang sử dụng (WeCom / DingTalk / Feishu / OA). Xác nhận tất cả chủ sở hữu, nhiệm vụ và nguồn đoạn đều sống sót sau khi giao hàng.

Giai đoạn 4: Đánh bóng đường đi - nó có thể đọc được không?

Các cuộc họp thực sự nghe như thế này: "vì vậy, um, chúng ta sẽ đẩy điều đó trở lại một chút, bởi vì cái trước đó đã không, bạn biết đấy, chưa. "

Raw phiên âm giọng nói buộc người đọc phải nỗ lực thực sự để xây dựng lại ý nghĩa.Đánh bóng giải quyết năm loại vấn đề:

Loại vấn đề	Làm thế nào nó xuất hiện
Dự phòng	Lời bài hát: Repeated Lead-In
Trật tự từ Scrambled	Inversions, parenthesical interruptions
Từ ngữ kém	Tài liệu tham khảo không rõ ràng, thuật ngữ bị lạm dụng
Thiếu các kết nối logic	Các câu mất liên kết nhân quả của họ
Trượt và lặp lại	Tự sửa dư

Nhưng có một hạn chế không thể vượt qua: đánh bóng không được làm rơi thông tin quan trọng hoặc thay đổi giọng nói của người nói.

Tại sao điều này lại quan trọng? Bởi vì quá đánh bóng số lượng để đặt các từ trong miệng của người nói. Trong biên bản cuộc họp chính thức - đặc biệt là trong các cơ sở chính phủ và pháp lý - hồ sơ mang một tính chất gần bằng chứng. Nếu AI đánh bóng một nhận xét được bảo vệ thành một cam kết vững chắc, trách nhiệm giải trình sẽ bị phá vỡ.

Chế độ thất bại phổ biến

• Đánh bóng quá mức: Thay đổi "chúng tôi có thể xem xét nó " thành" chúng tôi đồng ý " thay đổi hoàn toàn bản chất của tuyên bố.
• Không đánh bóng: bàn giao lời nói thông tục thô cho người đọc phá hủy khả năng sử dụng.
• Tông màu phẳng: chuyển đổi một nhận xét ngoại giao thành một nhận xét thẳng thắn.

Hành động chấp nhận

So sánh các đoạn đánh bóng với bản ghi âm gốc câu nói theo câu nói, kiểm tra hai điều: có bất kỳ thông tin quan trọng nào bị bỏ rơi, và âm điệu đã bị thay đổi.

Giai đoạn 5: Chuỗi ngoại tuyến - sự tuân thủ có thực sự giữ?

Tuy nhiên, bốn giai đoạn đầu tiên tốt, nếu giai đoạn này sụp đổ, giải pháp chỉ đơn giản là không tuân thủ trong khu vực công và các cài đặt được quy định.

Có một khoảng cách mà hầu hết người mua bỏ lỡ ở đây: phiên âm giọng nói rất dễ chạy ngoại tuyến, nhưng Thế hệ tóm tắt là giai đoạn bị bỏ qua.

Nếu Kiến trúc là "transcribe to text locally, then send the text to a cloud LLM for summary", sau đó:

Âm thanh không bao giờ rời khỏi trang web, nhưng Toàn bộ nội dung của cuộc họp là.Đối với MLPS Cấp 3, các kịch bản tài chính và chính phủ, điều đó trực tiếp mâu thuẫn với cam kết "không có dữ liệu rời khỏi trang web".

Vì vậy, sự chấp nhận phải bao gồm một hành động cụ thể: chạy lại toàn bộ đường ống với mạng hoàn toàn ngắt kết nối, đặc biệt theo dõi giai đoạn tóm tắt.

Một vòng lặp thực sự đóng chạy cả mô hình nhận dạng và tóm tắt tại địa phương, Không yêu cầu giấy phép đám mây - và điều này liên quan đến kênh kiểm tra giấy phép, cũng nên được xác minh không khí (một số giải pháp sao chép tại địa phương nhưng cần truy cập mạng để xác nhận giấy phép, điều này cũng sẽ làm suy yếu lời hứa "không thoát" trong quá trình đánh giá).

Để biết các yêu cầu tuân thủ cơ bản, hãy xem phân tích của chúng tôi về MLPS Level 3 requirements for meeting recording and minutes systems.

Chế độ thất bại phổ biến

• Xác minh phiên âm giọng nói ngoại tuyến nhưng không tóm tắt: lỗ phổ biến nhất.
• Bỏ qua kênh kiểm tra giấy phép: phiên âm giọng nói chạy cục bộ, nhưng mọi startup đều gọi Trang chủ.
• Sự suy giảm im lặng thay vì một lỗi: hệ thống lặng lẽ rơi trở lại một dòng chảy giảm mà không có dấu hiệu hiển thị cho người dùng.

Hành động chấp nhận

Chạy lại đường ống đầy đủ không khí. Nếu giai đoạn tóm tắt bị lỗi hoặc giảm mạnh, nó phụ thuộc vào đám mây và giải pháp không tuân thủ.

Phụ lục: Một danh sách kiểm tra bạn có thể sử dụng như là

Năm giai đoạn được nén thành một bảng - đánh dấu mỗi giai đoạn trong quá trình chấp nhận:

#	Mục	Phương pháp	Tiêu chí vượt qua
1	phân tách người nói	Ghi âm đa bên thực sự	Không có toàn bộ phân đoạn sai quy định
2	Nhận dạng vân tay giọng nói (nếu được chọn)	Đăng ký / đổi tên / xóa	Cả ba hành động đều hoạt động
3	Kết hợp mẫu tóm tắt	Kiểm tra tất cả 4 loại họp	Kết luận và bất đồng được bảo tồn
4	File-phiên âm giọng nói tóm tắt	Nhập khẩu một bản ghi lịch sử	Summary được sản xuất
5	Action-item trích xuất	Đẩy ba mục kết thúc để kết thúc	Nhiệm vụ / chủ sở hữu / nguồn tất cả hiện diện
6	Tích hợp hệ thống	Kết nối với mục tiêu OA / IM	Các mục nhập vào dòng công việc hiện có
7	Đánh bóng đường đi	So sánh mức câu với âm thanh	Không mất thông tin, không thay đổi giai điệu
8	Định dạng đầu ra	Kiểm tra xuất khẩu	Văn bản / đồ họa / các mục hành động / bản đồ tâm trí
9	Chuỗi ngoại tuyến	Chạy lại không khí-gaped	Mọi thứ đều hoạt động, bao gồm các bản tóm tắt
10	Thông lượng	Nhập hàng loạt và thời gian nó	Khoảng 10:1 (lường nó)

Mục 9 là một trong những thường bỏ qua nhiều nhất, và một trong những có khả năng thất bại nhất. Nếu bạn chỉ có thể giữ một hành động chấp nhận, hãy giữ hành động này.

Để biết các đường dẫn triển khai cụ thể cho kịch bản, hãy xem các hướng dẫn chơi government intranet và financial compliance của chúng tôi.

Lời kết luận trung thực

Không một trong năm giai đoạn này có thể được thay thế bằng độ chính xác của phiên âm giọng nói. phiên âm giọng nói chính xác là vé nhập cảnh, không phải là điểm đến.

Nếu một nhà cung cấp chỉ nói về các con số chính xác Về chúng tôi và không bao giờ gán loa Về chúng tôi, mẫu tóm tắt, nguồn gốc của mục hành động hoặc tóm tắt ngoại tuyến, hệ thống sẽ rất có thể được sử dụng như một công cụ phiên âm giọng nói - sản xuất các bản thảo thô mà ai đó vẫn phải làm sạch bằng tay.

Điều đó không giống như việc mua một hệ thống biên bản cuộc họp.

---

Đọc thêm: Running multilingual meetings: offline translation and synced subtitles | OA integration in practice (Tạm dịch: OA integration in practice) | Choosing an on-premise ASR solution