言语不流畅

有声停顿：um、uh、er，以及各种语言中的对应说法。话语标记：like、you know、sort of，在它们不带任何意义的时候。重复：“the the meeting”、“I I think”。说错重来：一个短语说到一半放弃，又重新开始。自我更正：一个值被另一个值替换，以“no wait”、“scratch that”、“I mean”为信号。每一种都需要不同的处理方式，而最后一种最有意思，因为正确的输出不是删掉一些词，而是保留更正。

有声停顿和重复可以安全地按规则去除：“um”从来不是你想说的词。话语标记要棘手一些，因为“like”有时是动词。自我更正最适合用一条严格的规则：当“no wait”前后是同一类东西，比如时间、数字或某一天时，用后者替换前者是确定无疑的，不需要模型。比这更宽松的情况，都交给一个有严格指令的语言模型：去掉不是本意的内容，绝不改写本意。

过度整理。一个被要求让口语读起来顺畅的模型，只要有机会，就会收紧你的句子，把你的用词换成它自己的，并删掉那个本来就是重点的委婉说法。测试方法很简单：听写一段用词不寻常的话，看它是否保留下来。一个去掉你的语气词、保留你的用词的工具，是在做该做的事；一个润色你文笔的工具，是在做另一件你没要求的事。

处理语气词最干净的办法就是少说。语气词通常是用声音填补的停顿，这个习惯来自对话：在对话中，沉默会让别人开始说话。听写工具不会打断你，所以你可以安静地停顿。

使用Apple内置的“听写”时，你有充足的空间这样做。Apple称，只有在30秒内未检测到语音时，听写才会自动停止。

1. 01 开始听写之前，先想好这句话要说什么，哪怕只是大概。
2. 02 一次说一句话，说完就停。
3. 03 需要思考时，闭上嘴，什么也不说。安静的停顿不会在文本中留下任何东西。
4. 04 稍微放慢一点。当嘴巴跑在下一个想法前面时，就会出现语气词。
5. 05 如果说错了，先把这句话说完，再回头更正，而不要说到一半重新开始。
6. 06 回看你听写的内容，记下你最常用的语气词，下次就能留意它们。

因为许多基准测试设置会在统计错误之前，从两份转写文本中删除语气词。随Whisper论文发布的文本规范化器会在计算词错误率之前，从参考文本和模型输出中删除hmm、mm、mhm、mmm、uh和um这些词。

实际结果是，公布的准确度数字完全不能说明语气词的情况。一个把每个“um”都写出来的模型，和一个一个都不写的模型，可能得到相同的分数。语气词会不会进入你的文档，取决于模型外围的工具，你必须自己测试。

一个简短的测试就能区分两类工具：一类按细致的规则去掉语气词，另一类删得太多或什么都不删。按下面写的原样听写每一行，包括其中的犹豫，然后把输出与你想表达的意思对比。

1. 01 听写一句带有填充停顿的话，例如：“报告嗯差不多呃写完了”。两个语气词都应该被去掉，其他每个字都应该保留。
2. 02 听写一句磕磕绊绊的话，例如：“我我觉得会议会议改时间了”。重复的词应该只出现一次。
3. 03 听写一句有意重复的话，例如：“那天真的真的很长”。两个词都应该保留，因为这里的重复是为了强调。
4. 04 听写一句把“那个”当作实词的话，例如：“我更喜欢那个方案”。这个词不能被删掉。
5. 05 听写一句自我更正的话，例如：“星期一发不对星期二”。检查你得到的是更正后的值、两个值都有，还是错误的那个。
6. 06 听写一句你确实想保留的委婉说法，例如：“我觉得我们可能应该再等等”。如果“我觉得”或“可能”不见了，说明这个工具在改写，而不是在整理。