SPR. UPS руководство по работе с интерфейсом

SPR Распознавание

Рис. 1 Главный экран UPS

В главном меню UPS (Universal Proxy Server) расположены кнопки для перехода в блоки (см. рис. 1):

1. SMC Классификатор,
2. SEE Сущности,
3. SPR Распознавание,
4. SBS Биометрия,
5. TTS Синтез,
6. QAS ЧаВО,
7. SES Сценарная машина,
8. Выход.

Переключаться между продуктами можно двумя способами:

1. Воспользоваться кнопкой на панели управления «На главную»   .
2. Воспользоваться кнопкой в виде линии , которая находится снизу в центе экрана (см. рис. 2).

Перейти в блок «Распознавание» можно кликнув по соответствующей кнопке на главном экране UPS (см.рис. 1).

Рис. 2 Интерфейс рабочей области блока «Распознавание»

Описание интерфейса блока SPR «Распознавание»

В левой части экрана находится список аудиодорожек для распознавания (SPR). Он упорядочен по времени добавления, новые дорожки отображаются вверху. Кроме того, имеется панель управления, а также блок, позволяющий загружать звуковые файлы для распознавания. В центре рабочей области расположены блоки, позволяющие просматривать:

* результат распознавания;

* информацию о модели и времени, затраченном на распознавание выбранного аудио;

* возможность прослушивания или скачивания аудио.

Ниже слева находятся переключатели для вкладок «Очередь» и «Стенограммы». Так же есть информационная вкладка - Серверы, которая отображает информацию о серверах и процессах - находится в правом нижнем углу рабочей области (рис. 2).

Загрузка аудио на распознавание

На панели слева, под блоком с информацией о модели есть опции: «определить говорящих», «выполнить пунктуацию», «анализ на токсичность», «голосовой анализ», «текстовый анализ», а также «указать кол-вл говорящих» и «шумоподавление» — с его помощью можно включать и выключать шумоподавление. Если флаг активен, то шумоподавление включено, если нет — выключено..

Если выбрана модель big, то галочка «выполнить пунктуацию» не влияет на расстановку знаков препинания. Если же используется модель call, то эта галочка может повлиять на пунктуацию. «Определение говорящих» не влияет на пунктуацию, так как это взаимодействие с сервисом биометрии SBS.

Анализ на токсичность — при активации этого флага система будет оценивать текст на предмет наличия в нём токсичных выражений, таких как ненормативная лексика и угрозы. Эта статистика будет доступна во всплывающем окне при наведении курсора на реплику.

Голосовой анализ — при активации этой функции будет проведен анализ голоса, чтобы определить пол (мужской или женский) и примерный возраст (ребенок, взрослый или пожилой человек)Также будет отображаться эмоциональная окраска каждого фрагмента. Эти данные будут отображаться во всплывающем окне над репликой, когда вы наведете на неё курсор.

Текстовый анализ — это метод, который позволяет определить только эмоциональное содержание каждого фрагмента текста.

Указать количество говорящих — активировав этот флаг, появится окно «Количество говорящих», где сможете указать количество спикеров (если оно вам известно) в аудиофайле, который хотите отправить на распознавание.

Ниже под флажками располагаются: раскрывающийся список «Тип VAD» (тип модели для разбивки аудиофайлов: webrtc и neuro) и кнопка «Указать другую модель». При нажатии на кнопку появляется раскрывающийся список, в котором можно выбрать встроенную модель из списка (big или call), она становится приоритетной.

Под информационным блоком располагается функционал для загрузки звуковых фрагментов. Нажимая на кнопку «wav-файл» можно выбрать файл звуковой дорожки. Либо можно сделать запись нажав и удерживая кнопку с микрофоном (только для модели call). Для работы данной кнопки требуется доступ к UPS по https. Настроить его можно проксированием через любой веб-сервер (nginx или apache). Кнопка «Распознать» отправляет звуковой файл на распознавание, при успешной отправке в правом нижнем углу появится сообщение о том, что файл добавлен в очередь на распознавание. После этого результат распознавания можно будет увидеть в очереди (блок со списком аудиодорожек в левой части рабочей области).

Рис. 3 Интерфейс вкладки «Очередь»

Вкладка «Очередь» SPR

Рабочая область вкладки «Очередь» содержит список всех распознанных аудиодорожек и тех, что на очереди распознавания: сам аудиофайл и его текст, панель управления (см. раздел. Панель управления вкладки «Очередь» SPR). Выше каждой аудиодорожки отображается информация о модели, времени добавления файла и времени окончания обработки (рис. 3).

Важно отметить, что распознавание аудио дорожек происходит последовательно, а не параллельно.

Чтобы прослушать аудиодорожку, вы можете нажать на кнопку «Play» . Если вы хотите начать прослушивание с определенного слова, просто щелкните по нему левой кнопкой мыши и нажмите на кнопку воспроизведения (рис. 4.

Рис.4 Прослушивание отдельных слов и фрагментов стенограммы

Вы можете ускорить или слегка замедлить воспроизведение аудио. Для этого справа от аудиодорожки есть переключатель скорости . По умолчанию он установлен на 1x, что соответствует оригинальной скорости.

Аудиодорожку также можно сохранить, нажав на иконку «Скачать» , которая находится справа от аудио. В текст можно вносить изменения вручную, корректируя ошибки распознавания и пунктуации. Однако, если вносите новые слова, которых нет в тексте, у них не будет таймлайна и они будут подсвечены при проигрывании как одно слово.

Панель управления вкладки «Очередь» SPR

Табл. 3 Описание функционала панели управления

Иконка кнопки	Наименование кнопки	Описание
	Включить подсветку достоверности и анализа на токсичность	подсвечивает красным слова, где модель сомневается в правильности распознавания, где уровень достоверности от 0 до 0.4 подсвечивает красным, от 0.4 до 0.7 - розовым. При наведении на реплику будет выводиться анализ на наличие токсичных выражений, таких как ненормативная лексика и угрозы.
	Экспортировать как документ Microsoft Word	позволяет сохранить текст распознавания в виде документа в формате doc(x) или txt.
	Создать стенограмму	создает стенограмму из данных распознавания из очереди. При нажатии на эту кнопку создается стенограмма, доступная для редактирования во вкладке «Сохранено».
	Удалить задачу	Позволяет удалить задачу распознавания. В диалоговом окне подтверждения действия, после чего появляется сообщение о статусе удаления в правом нижнем углу. Нельзя создать стенограмму, кнопка не активна, если спикер всего один.
	Меню пользователя	отображает меню пользователя (имя, смена пароля, переход на главную страницу, выход из системы и убрать фон)

Вкладка «Сохранено» SPR

Рис. 6 Интерфейс вкладки «Сохранено»

Во вкладке «Сохранено» находятся все созданные стенограммы из очереди на распознавание, аудиофайл, панель управления (см. раздел. Панель управления вкладки «Сохранено» SPR), область редактирования стенограммы, блок с информацией о модели и список спикеров (рис. 6). Если необходимо, можно переименовать спикера, нажав на иконку карандаша справа от имени. Затем нужно внести изменения и подтвердить действие, нажав на зеленую галочку. Предусмотрена функция прослушивания самого длинного отрезка спикера, для этого нужно кликнуть на значок напротив имени спикера (рис. 6). При изменении данных спикера длина самого большого отрезка пересчитывается. Над каждой репликой указано имя спикера. Чтобы выбрать имя из списка или ввести новое, нужно кликнуть левой кнопкой мыши по имени. После этого можно нажать «Добавить нового спикера», его имя появится в списке спикеров.

Рис. 7 Функционал работы со стенограммой

Чтобы удалить лишнее слово, добавить недостающее, разделить реплику на двух разных спикеров, или наоборот, объединить реплики одного спикера, нужно кликнуть правой кнопкой мыши на нужной реплике и в диалоговом окне выбрать необходимое действие (рис. 7). Реплики можно объединить только в том случае, если совпадают имена спикеров.

Чтобы добавить новое слово, поместите курсор в то место, где должно быть слово, и вызовите контекстное меню. Когда вы нажмёте на пункт меню «Добавить слово», на этом месте появится подчёркивание. Введенное вами слова будет с достоверностью 100% и подсветится синим.

Панель управления вкладки «Сохранено» SPR

Табл. 4 Функционал панели управления вкладки «Сохранено»

Иконка кнопки	Наименование кнопки	Описание
	Включить подсветку достоверности	подсвечивает красным слова, где модель сомневается в правильности распознавания, где уровень достоверности от 0 до 0.4 подсвечивает красным, от 0.4 до 0.7 - розовым.
	Включить автосохранение	позволяет включить автоматическое сохранение каждые 30 секунд. Если кнопка активирована вокруг нее появляется красный контур.
	Экспортировать как документ Microsoft Word	позволяет сохранить текст распознавания в виде документа.
	Сохранить изменения	позволяет сохранить внесенные правки в стенограмму.
	Удалить задачу	Позволяет удалить задачу распознавания. В диалоговом окне подтверждения действия, после чего появляется сообщение о статусе удаления в правом нижнем углу.
	Меню пользователя	отображает меню пользователя (имя, смена пароля, переход на главную страницу, выход из системы и убрать фон)