Sanatarkka vai siistitty litterointi: mikä tyyli valita?

Sanatarkka litterointi tallentaa puheen täsmälleen sellaisenaan, myös täytesanat kuten "öö", takeltelut, keskeytyneet aloitukset ja toistot, kun taas siistitty sanatarkka litterointi (englanniksi clean tai intelligent verbatim) säilyttää puhujan sanat mutta poistaa kompastelut, jotta tekstiä on helpompi lukea. Kolmas tyyli, toimitettu litterointi, menee pidemmälle ja muokkaa tekstiä selkeämmäksi. Valitse täysin sanatarkka litterointi, kun sanomisen tapa on tärkeä (oikeudellinen työ, keskustelunanalyysi), siistitty useimpiin haastatteluihin, tutkimukseen ja tekstityksiin ja toimitettu teksti julkaisuun.

Alta löydät kunkin tyylin määritelmän, saman lyhyen katkelman kaikilla kolmella tavalla, vertailutaulukon, tilanteet, joissa kutakin tyyliä tarvitaan, sekä tarkistuslistan valinnan tueksi.

Mitä sanatarkka litterointi tarkoittaa?

"Sanatarkka" tarkoittaa sanasta sanaan, mutta litterointipalvelut ja tutkijat käyttävät sanaa kolmesta eri tarkkuustasosta. Nimitykset vaihtelevat tyylioppaasta toiseen, joten tasot kannattaa määritellä ennen kuin tilaat tai teet litteraatin. Suomalaisessa tutkimuskäytännössä puhutaan usein myös yleiskielistetystä litteroinnista, joka on lähellä siistittyä tasoa.

Täysin sanatarkka litterointi (myös "tarkka" tai "täydellinen" litterointi) tallentaa kaiken kuuluvan: jokaisen sanan, jokaisen "öö" ja "niinku", takeltelut, keskeytyneet aloitukset, toistetut sanat, kesken jääneet lauseet sekä yleensä muut kuin puheäänet ja tauot, kuten [nauraa], [yskii] tai (tauko). Kielioppi jätetään täsmälleen puhutun mukaiseksi.

Siistitty sanatarkka litterointi säilyttää puhujan omat sanat ja lauserakenteen mutta jättää pois täytesanat, takeltelut, keskeytyneet aloitukset ja toistot, jotka eivät lisää merkitystä. Siinä ei pidä mukailla tai "parantaa" sitä, mitä ihminen sanoi.

Toimitettu litterointi (joskus "kevyesti toimitettu") korjaa lisäksi kieliopin, tiivistää polveilevat lauseet ja voi järjestellä tai lyhentää ilmauksia niin, että teksti luetaan kuin kirjoitettua proosaa. Se on uskollinen merkitykselle, ei sanoille.

Jotkin tutkimusperinteet lisäävät neljännen tason: yksityiskohtaisen litteroinnin, jossa merkitään ajoitus, päällekkäisyydet ja intonaatio, kuten keskustelunanalyysissä käytetty Jeffersonin järjestelmä. Oppaamme litterointi laadullisessa tutkimuksessa käsittelee näitä merkintätapoja.

Täysin sanatarkka vai siistitty: sama katkelma kolmella tavalla

Tässä on neljän rivin ote haastattelusta, litteroituna kullakin tyylillä.

Täysin sanatarkka

H: Nii, öö, miten sä— miten sä päädyit hoitoalalle?
V: No, tota, siis se oli— se oli vähän niinku vahinko, tiiäks? [nauraa]
V: Mun äiti oli sairaanhoitaja ja, niinku, mä— mä vannoin etten ikinä tee sitä.
V: Mut sit, öö, amkin jälkeen mä olin... mä olin vaan silleen, niinku, tuuliajolla. (tauko)

Siistitty sanatarkka

H: Miten sä päädyit hoitoalalle?
V: No, se oli vähän vahinko. [nauraa]
V: Mun äiti oli sairaanhoitaja ja mä vannoin etten ikinä tee sitä.
V: Mut sit amkin jälkeen mä olin vaan silleen tuuliajolla.

Toimitettu

H: Miten sinusta tuli sairaanhoitaja?
V: Melkein vahingossa. Äitini oli sairaanhoitaja, ja olin vannonut,
   etten seuraa häntä, mutta ammattikorkeakoulun jälkeen ajelehdin.

Huomaa, mikä muuttuu. Siistitty versio poistaa sanat "öö", "tota", "siis", "tiiäks" ja "niinku" sekä toistetut "miten sä" ja "mä", mutta säilyttää puhujan arkisen puhekielen ("mun", "amk", "silleen"). Se, jätetäänkö [nauraa] mukaan, on tyylioppaan päätös; monet siistityn litteroinnin ohjeet säilyttävät muut äänet vain, jos ne muuttavat merkitystä. Toimitettu versio on lyhyempi ja sujuvampi, mutta se ei enää ole haastateltavan oma ääni.

Vertailutaulukko

Milloin mitäkin tyyliä tarvitaan

Oikeudellinen työ ja vaatimustenmukaisuus

Kuulustelut, oikeudenkäynnit, poliisin haastattelut, vakuutuskorvaukset ja todisteina käytettävät tallenteet edellyttävät yleensä täysin sanatarkkaa litterointia. Tauko ennen vastausta, itsensä korjaaminen tai "kyllä... ei, anteeksi" voi muuttaa sitä, miten lausuma tulkitaan, joten sen poistaminen olisi toimituksellinen päätös, jota litteroijan ei pidä tehdä. Tarkat vaatimukset riippuvat tuomioistuimesta, maasta ja litteraatin tilaajasta, joten noudata heidän ohjeitaan tai muotoilusääntöjään.

Akateeminen ja laadullinen tutkimus

Menetelmä ratkaisee. Keskustelunanalyysi, diskurssianalyysi ja kielitieteelliset tutkimukset tarvitsevat täysin sanatarkkaa litterointia, usein merkintöineen. Temaattisessa analyysissä, soveltavassa tutkimuksessa ja useimmissa selvityksissä käytetään tyypillisesti siistittyä litterointia, koska huomio on siinä, mitä osallistujat sanovat, eikä siinä, miten. Valitsitpa kumman tahansa, kirjaa säännöt ennen litterointia ja raportoi ne menetelmäosiossa.

Journalismi ja media

Toimittajat työskentelevät yleensä siistityn litteraatin pohjalta ja palaavat äänitteeseen ennen sitaattien käyttämistä. Suorien lainausten pitää vastata sitä, mitä sanottiin; täytesanojen karsiminen hyväksytään yleensä, sanojen muuttaminen ei. Pitkissä jutuissa toimitettu litteraatti voi olla hyödyllinen lukukappale, kunhan sitaatit tarkistetaan tallenteesta. Haastattelujen litterointioppaamme käy läpi tallennus- ja lainaustyönkulun.

Tekstitykset

Tekstitykset ovat lähes aina siistittyjä tai kevyesti toimitettuja. Katsojalla on muutama sekunti aikaa lukea jokainen tekstitysrivi, ja yleisradioyhtiöiden tyylioppaat rajoittavat lukunopeutta ja rivinpituutta, joten täytesanat ja keskeytyneet aloitukset jätetään pois, ellei niillä ole merkitystä kohtaukselle tai henkilölle. Kuuroille ja huonokuuloisille tarkoitettu tekstitys lisää äänikuvauksia, kuten [ovi paukahtaa], mikä on eri asia kuin sanatarkat täytesanat. Muotoilusta kerromme SRT- ja VTT-tekstitysgeneraattorin oppaassa.

Liiketoiminta, kokoukset ja podcastit

Kokousmuistiot, podcastien jaksokuvaukset ja asiakashaastattelut litteroidaan yleensä siistittynä, ja perään tehdään usein tiivistelmä. Täysin sanatarkka teksti lisää tässä lukuaikaa tuomatta lisäarvoa.

Miten tekoälyn litteraatit käyttäytyvät

Automaattinen litterointi ei asetu siististi näihin tyyleihin, joten on hyvä tietää, mitä odottaa.

• Täytesanat katoavat helposti. Käytännössä Whisper-luokan mallit jättävät usein pois täytesanat ja toistetut sanat ja tuottavat tekstiä, joka muistuttaa enemmän sitä, mitä puhuja tarkoitti, kuin sitä, mitä hän sanoi. CrisperWhisper-artikkelin (Interspeech 2024) tutkijat toteavat, että tavallinen Whisper poistaa monia täytesanoja ja toistoja, ja he hienosäätivät mallista version nimenomaan niiden säilyttämiseksi. OpenAI:n oma puheentunnistusopas mainitsee täytesanojen säilyttämisen asiana, jota voi ohjata kehotteella, mikä kertoo, ettei se ole oletus.
• Tulos on lähellä siistittyä litterointia, mutta ei aivan. Mallit voivat myös silotella keskeytyneen aloituksen tai puolikkaan sanan ja toisinaan säilyttää täytesanan, jonka sattuvat tunnistamaan. Lopputulos on epäjohdonmukainen eikä noudata mitään tyyliopasta.
• Muut äänet ja tauot yleensä puuttuvat. Useimmat työkalut eivät merkitse naurahduksia tai ajastettuja taukoja, eikä mikään tuntemamme työkalu tuota luotettavasti Jefferson-tyylisiä merkintöjä.
• Välimerkit ovat arvaus. Lauserajat ja pilkut päätellään, mikä voi hienovaraisesti muuttaa merkitystä pitkissä, polveilevissa vastauksissa. Suomen kielessä kannattaa lisäksi tarkistaa yhdyssanat ja taivutusmuodot.

Tekoälyn luonnos on siis hyvä lähtökohta siistitylle litteroinnille, mutta täysin sanatarkka teksti vaatii ihmisen tarkistuksen. Myös äänenlaadulla on väliä: vinkkimme litteroinnin tarkkuuteen kertovat, miten mikrofonit, päällekkäinen puhe ja aksentit vaikuttavat luonnokseen.

Näin valitset litterointityylin: tarkistuslista

Käy nämä kysymykset läpi ennen kuin litteroit tai tilaat litteraatin:

• Käytetäänkö litteraattia todisteena tai oikeudellisessa prosessissa? Valitse täysin sanatarkka litterointi ja noudata vaatimuksen asettajan ohjeita.
• Tarkasteleeko analyysisi sitä, miten ihmiset puhuvat (epäröinti, korjaukset, vuorottelu)? Valitse täysin sanatarkka, tarvittaessa merkinnöin.
• Tarvitsetko lähinnä sen, mitä ihmiset sanoivat, teemoja, sitaatteja tai päätöksiä varten? Siistitty litterointi yleensä riittää.
• Julkaistaanko teksti tai lukevatko sitä ihmiset, jotka eivät olleet paikalla? Harkitse toimitettua versiota ja säilytä siistitty litteraatti lähteenä.
• Onko kyse tekstityksestä? Siistitty litterointi, minkä jälkeen rivit lyhennetään lukunopeuteen sopiviksi.
• Oletko kirjannut säännöt? Luettele, miten käsitellään täytesanoja, slangia, muita ääniä, epäselviä kohtia ja puhujamerkintöjä, ja sovella niitä jokaiseen tiedostoon.
• Kuka tarkistaa litteraatin äänitettä vasten? Tyylistä riippumatta jonkun pitäisi kuunnella tallenne ainakin kerran.

Tekoälyn luonnoksesta tarvitsemaasi tyyliin

Käytännöllinen työnkulku on aloittaa automaattisesta litteraatista ja muokata sitä. Esimerkiksi Audiotextassa voit ladata tiedoston tai äänittää mikrofonilla, saada luonnoksen puhujamerkintöineen ja aikaleimoineen ja korjata sen editorissa, joka korostaa jokaisen sanan toiston aikana ja jossa sanaa napsauttamalla hyppäät suoraan kyseiseen kohtaan äänitteessä. Näin puuttuvien täytesanojen ja taukojen lisääminen täysin sanatarkkaan tekstiin tai jäljelle jääneiden kompastelujen poistaminen siistitystä tekstistä käy nopeammin. Voit kokeilla verkkosovellusta ilmaiseksi ilman tiliä enintään 30 minuutin tiedostoilla.

Kun litteraatti vastaa valitsemaasi tyyliä, vie se siinä muodossa, jota seuraava vaihe tarvitsee: DOCX tai PDF lukukappaleiksi (Pro-paketti), TXT analyysiohjelmistoon tai SRT ja VTT tekstityksiin; TXT-, SRT- ja VTT-tiedostot voi ladata myös ilmaisessa paketissa. Kirjaa jokaisen tiedoston yhteyteen käyttämäsi tyyli ja säännöt, jotta jokainen myöhempi lukija tietää tarkalleen, mitä "sanatarkka" projektissasi tarkoitti.