Yapay Zeka Tabanlı Transkripsiyon Uygulamalarının Türkçe Doğruluğu Ne Seviyede?

Türkçede transkripsiyon doğruluğunu değerlendirme kriterleri ve yöntemleri, kültürel lehçeleri ve aksanları ne derece iyi yansıttıklarını da kapsamaktadır. İstanbul’un net telaffuzundan, Karadeniz bölgesinin hızlı ses akışına kadar, her aksan otomatik transkripsiyon sistemleri için kendine özgü bir test ortamı sunmaktadır.

Günümüzde, podcast üreticileri, gazeteciler, hukuk uzmanları, akademisyenler ve sosyal medya içerik üreticileri, kayıtlarını hızlı ve doğru bir şekilde yazıya dökmek için otomatik sistemlere güvenmektedir. Ancak bu sistemlerin performansları tutarlı değildir. Örneğin, bir model İstanbul Türkçesinde kusursuz sonuçlar sunarken, Karadeniz aksanında şaşırtıcı hatalar ortaya çıkabilir.

Bu yazıda, Türkçe transkripsiyon doğruluğunu ölçmek amacıyla gerçekleştirdiğimiz detaylı benchmark çalışmasının metodolojisini, bulgularını, örneklerini ve pratik ipuçlarını adım adım inceleyeceğiz.

Metodoloji: Test Tasarımı ve Ölçüm Kriterleri Neleri Kapsar?

Test tasarımı ve ölçüm kriterlerini içeren metodoloji, sadece “modeli çalıştır ve sonuçları al” yaklaşımından ibaret olamaz; güvenilir sonuçlar elde etmek için her aşama dikkatlice planlanmalıdır. Bu aşamalar arasında veri seti oluşturma, gürültü senaryoları ve model seçimi bulunmaktadır.

1. Veri Seti Oluşturma

Türkçe aksan çeşitliliğini yansıtmak için dört ana grup belirlenmiştir:

• İstanbul Türkçesi – Net artikülasyon, haber spikeri tarzı kayıtlar, resmi dil kullanımı.
• Karadeniz Aksanı – Hızlı tempo, hece yutma, bazen ünlü harflerin daralması.
• Doğu Anadolu Aksanı – Ses uzatma, bazı ünlü değişimleri, melodik intonasyon.
• Arapça Etkili Aksan – Kelime sonlarında tonlama değişiklikleri, ekleme/çıkarma eğilimleri.

• 30 dakikası stüdyo kaydı,
• 30 dakikası doğal ortam konuşması (örneğin pazar, sokak, kafe) olmak üzere toplam 1 saatlik kayıt toplanmıştır. Böylece 4 aksan için toplam 4 saatlik ham ses verisi elde edilmiştir.

2. Gürültü Senaryoları

Gerçek yaşam koşullarını simüle etmek için her ses kaydına dört farklı senaryo uygulanmıştır:

• Temiz kayıt – Stüdyo kalitesinde, minimum yankı.
• Hafif gürültü – Arka planda düşük seviyede ortam sesi (örneğin bilgisayar fanı, hafif trafik).
• Yoğun gürültü – Pazar yeri, kalabalık kafe, araç klaksonları gibi dikkat dağıtıcı sesler.
• Düşük kaliteli cihaz kaydı – Eski telefon mikrofonu veya düşük bit hızı.

Bu yöntemle toplamda 4 aksan × 4 senaryo = 16 farklı test ortamı oluşturulmuştur.

3. Model Seçimi ve Test Döngüsü

Üç farklı Türkçe destekli otomatik transkripsiyon modeli seçilmiştir:

• Model A – Genel amaçlı, hızlı işleme süresi.
• Model B – Gürültüye dayanıklı, yapay zekâ destekli hata düzeltme.
• Model C – Aksan adaptasyonu için ek eğitilmiş sürüm.

Her ses dosyası üç modelde üç kez test edilmiştir. Ortalama WER (Kelime Hata Oranı) ve CER (Karakter Hata Oranı) değerleri hesaplanmıştır.

4. Ölçüm Metrikleri

• WER: Yanlış kelime / toplam kelime oranı.
• CER: Yanlış karakter / toplam karakter oranı.
• Not: WER yüksekse anlam bütünlüğü bozulur; CER yüksekse yazım hataları artar.

Türkçe’de Transkripsiyon Doğruluğu Bulguları

Temiz kayıtlar İstanbul Türkçesi’nde %95+ doğruluk oranı sunarken, yoğun gürültü ve bölgesel aksanlar bu oranı ciddi şekilde düşürmüştür. Karadeniz ve Arapça etkili aksanlar, özellikle hızlı konuşma ve ekleme/çıkarma eğilimleri nedeniyle hata oranını artırmıştır.

Ethnologue’a göre, Türkiye, 19 yerli ve 25 yabancı dile ev sahipliği yapmaktadır. Transkripsiyon doğruluğu, aşağıdaki tabloda gösterildiği gibi dil türüne göre değişiklik göstermektedir:

Aşağıda bazı örnek cümleler ve hata türleri verilmiştir:

İstanbul Türkçesi

• Orijinal: “Bugün hava gerçekten çok güzel.”
• Hata: “Bugün hava gerçek ten çok güzel.” (Boşluk hatası)

Karadeniz Aksanı

• Orijinal: “Bu sene fındık az oldu.”
• Hata: “Bu sene fındı kaz oldu.” (Kelime birleşimi)

Doğu Anadolu Aksanı

• Orijinal: “Yarın misafirler gelecek.”
• Hata: “Yarın misafirler gel ecek.” (Yanlış boşluk)

Arapça Etkili Aksan

• Orijinal: “Ahmet yeni kitabı aldı.”
• Hata: “Ahmet yeni kit abi aldı.” (Ünlü kırılması)

Aksanları Geliştirmek İçin İpuçları

Türkçede aksanları geliştirmenin yolları aksana bağlı olarak değişiklik göstermektedir. Örneğin, İstanbul Türkçesinde telaffuzunuzu netleştirmeniz gerekirken, Karadeniz aksanında tempoyu düşürmeyi düşünebilirsiniz. İşte detaylar:

İstanbul Türkçesi

• Net telaffuz: Uzun kelimelerde heceleri belirgin bir şekilde söylemek.
• Kısa cümleler: Anlamı iki kısa cümleyle bölmek.
• Sabit mikrofon mesafesi: Ses seviyesi dalgalanmaz.

Karadeniz Aksanı

• Tempo düşürme: Modelin kelime sınırını anlaması için duraklamalar eklemek.
• Standart telaffuz denemesi: Yerel söyleyişleri azaltmak.
• Gürültü filtreleme: Hafif gürültü bile hatayı artırabilir.

Doğu Anadolu Aksanı

• Ses uzunluklarını sınırlama: “Gelēcek” yerine “gelecek” demek.
• Ünlü uyumu: Beklenmedik ünlü değişimlerini minimize etme.
• Ön test: Modelin sese adaptasyonunu denetleme.

Arapça Etkili Aksan

• Harf ekleme/çıkarma riskini önleme: Standart telaffuza yakın bir dille konuşmak.
• Tonlama düzenleme: Kelime sonlarını yumuşatmak.
• Harici mikrofon kullanma: Telefon mikrofonundaki bozulmayı azaltmak.

Sonuç: Genişletilmiş Değerlendirme

Türkçedeki aksan çeşitliliği, otomatik transkripsiyon teknolojileri için önemli bir zorluk teşkil etmekte; aynı zamanda büyük bir geliştirme fırsatı sunmaktadır.

Doğru model, doğru kayıt yöntemi ve aksana özgü bir strateji ile çoğu senaryoda %90 veya daha yüksek doğruluk oranına ulaşmak mümkündür. Bu eşik, metnin anlamsal bütünlüğünü korur ve içerik üretiminde zaman ve maliyet tasarrufu sağlayarak manuel düzenleme ihtiyacını en aza indirir.

Anadolu Ajansı’nın haberine göre, Türkiye, yapay zekadaki payı 600 milyon doları aşmış ve birçok model geliştirilmiştir. Türkçe transkripsiyon başarıya giden yol, tek bir “mükemmel” model bulmaktan ziyade, veri, teknoloji ve insan faktörünü bilinçli bir şekilde bir araya getirmekle mümkündür.