פיתוח מערכת AI ליצירת סיכומי הרצאות

יצירה אוטומטית של תקצירי הרצאות: היכן התהליך הידני נשבר

ניתוח ידני של הרצאות כמעט תמיד נתקע באותו קטע בדיוק — תמלול של הקלטת האודיו. הקלטה בת שעה הופכת לארבע עד שש שעות עבודה של עורך: יש להאזין עם עצירות ודילוגים, ובהאזנה מאבדים מונחים, שמות משפחה ושמות של שיטות. לאחר מכן מגיעה עריכה, השוואה עם המצגות והבאת הטקסט לאחידות, ורק אחרי כן התקציר נעשה קריא.

צוואר הבקבוק של העיבוד אינו מהירות ההקלדה, אלא שחזור המשמעות. המרצה נסח את עצמו שלא במדויק, דילג בין נושאים, חזר להגדרה כעבור עשר דקות — והעורך מגלגל את ההקלטה שוב כדי להרכיב את ההיגיון בחזרה. אם בקורס יש כמה מרצים, נוספים לכך גם יישור לאחידות סגנונית, ובכל הרצאה ההחלטות האלה מתקבלות מחדש.

המחיר של סכמה כזו ניכר בזרימת ההרצאות. כשיש שלוש עד חמש הרצאות בשבוע, העומס על העורך עולה באופן ליניארי, והמועדים למסירת התקציר נדחקים: הסטודנט מקבל את החומר לשיעור הבא או מאוחר יותר, כשכבר אינו נחוץ.

השלמות נפגעת ראשונה — כשהזמן לוחץ, מהתקציר נופלים דוגמאות, הסתייגויות וניתוח שגיאות, כלומר המקומות המועילים ביותר.

יצירה אוטומטית של תקצירים מסירה בדיוק את המגבלה הזו: תמלול ההקלטה, סימון לפי נושאים והרכבת המבנה נעשים באופן ממוחשב, והאדם נשאר לעריכה ולבדיקת עובדות. להלן נבחן כיצד זה נסגר — מהכנת האודיו ועד למסירת המסמך המוגמר.

מה נותנת המערכת: מהירות ניתוח, דיוק וכיסוי ההרצאות

האפקט של ההטמעה נמדד לא במספר הפונקציות, אלא בארבעה מדדים: כמה זמן אורך הניתוח של הרצאה אחת, איזה חלק מהעריכות הידניות נשאר בטקסט המוגמר, איזה אחוז מהקורס מכוסה בתקצירים, והאם הפרסום עומד בלוח הזמנים. להלן — מה משתנה בכל אחד מהם.

מהירות ניתוח ההרצאה

ההקלטה עוברת זיהוי על מודל פתוח Whisper וסימון סמנטי לפי נושאים במקביל, ולכן הטיוטה מוכנה לפני שהשיעור הבא מתחיל. חבילה של עשר הרצאות נכנסת לתור ומעובדת ללא מעורבות המרצה.

דיוק התמלול וחלק העריכות הידניות

מילון המונחים של הקורס, ראשי תיבות ושמות נטענים לפני ההרצה — שמות ונוסחאות נדירים מפסיקים להפוך לחסרי משמעות. חלק העריכות הידניות נשמר בטווח של 10–15% מהטקסט ונוגע להבהרות משמעותיות, ולא לתיקון שגיאות זיהוי.

כיסוי הקורס

הזרימה נסגרת במלואה: הקלטות מרשמקול, אודיו מהטלפון, הרצות חוזרות — כולל שיעורים שלא הספיקו להגיע אליהם קודם. קורס של 30+ הרצאות מקבל תקצירים בכל הנושאים, ולא רק בנושאים בעדיפות.

פרסום ללא חריגה מלוחות הזמנים

החומר נכנס למעגל הלימודי ביום שלמחרת השיעור, כשהנושא עוד טרי אצל הסטודנטים. סוג התקלות שבו התקציר יוצא לסמסטר נעלם: לוח הפרסומים אינו תלוי עוד בעומס השוטף של המרצה.

מצבי עיבוד הרצאות: מקוון, אצווה, היברידי

מצב העיבוד נבחר לפי שלושה משתנים: האם נדרש תקציר עד סוף השיעור, כמה ערוצי שמע יש בקלט והאם לקורס יש חומרים — מצגות, חוברות, רשימת מונחים. מכך תלויים ההשהיה עד לטקסט המוגמר, דיוק המונחים והעומס על התשתית.

שלושה מצבים וגבולותיהם

המגבלות כאן חשובות יותר מהיכולות. אם באולם אין מיקרופונים והדוברים מפריעים זה לזה, תמלול בזרימה יניב טקסט שיהיה צריך להשוות להקלטה; הרצת אצווה נשענת מיד על חומרי הקורס ומדויקת יותר במונחים. המקרה ההפוך — וובינר ללא מצגות עם מרצה אחד: מצב הזרימה סוגר את המשימה בדקות.

שלבי ההטמעה: מביקורת ההקלטות ועד מסירת המערכת

ההרצאות מגיעות הטרוגניות: מיקרופונים שונים, רעש באולם, כמה דוברים, נוסחאות על הלוח ומצגות על המסך. לפני שמגדירים משהו, אנחנו בודקים מה בדיוק תקבל המערכת בקלט.

1. ביקורת הקלטות. מנתחים את הקורפוס: משך, איכות השמע, מספר הדוברים, שיעור ההכתבה והמצגות. בפלט — מפת חומרים ומחלקות מורכבות, שלפיהן נבנית בהמשך הבדיקה.

2. סכמת העיבוד. מתכננים מסוע: חלוקה לפי דוברים, זיהוי דיבור, נרמול מונחים, חילוץ מבנה, הרכבת הטקסט. בנפרד מתאמים היכן במעגל נשאר האדם.

3. מילון המונחים. מרכיבים גלוסר לקורס — שמות, ראשי תיבות, שמות פרטיים, סימוני נוסחאות. בלעדיו מונחים נדירים מזוהים כצירופי צלילים, והתקציר מאבד את משמעותו.

4. התאמה לתחום. בוחרים פרמטרים לחלוקה ותבנית לתקציר: עיקרים, הגדרות, דוגמאות, שאלות לנושא. לגבי נוסחאות ותרשימים מחליטים מה מועבר כטקסט ומה כגרפיקה.

5. בדיקה על הרצאות אמיתיות. מריצים הקלטות שהמערכת לא ראתה, ומשווים לתקציר הייחוס של המרצה: שלמות העיקרים, דיוק המונחים, קוהרנטיות. פערים מנתחים לפי סיבות.

6. קבלת המערכת. קובעים מדדים מדידים: חלק התקצירים שהתקבלו ללא עריכות, זמן עיבוד ההרצאה, דיוק המונחים. מוסרים תיעוד, תקנון עריכות, הרשאות ותוכנית שיפור לזרימה החדשה.

מה נשאר אצל הלקוח: סכמות, מילונים, תקנונים

המערכת ליצירה אוטומטית של תקצירים אינה חיה בהדגמה, אלא בזרימת הרצאות: ההקלטה מזוהה, מסומנת לפי נושאים והופכת לטקסט מובנה. כדי שהמעגל הזה יעבוד בלעדינו, אנו מוסרים ערכת חפצי־מערכת — ולפיהם המנהל שלכם או מהנדס חדש מקים ומתקן את המערכת בעצמו.

• סכמת זרימות הנתונים — המסלול של ההקלטה מההעלאה ועד לפרסום התקציר: נקודות כניסה, תורים, אחסון, שירותים חיצוניים. לפיה רואים היכן העיבוד נתקע ואיזה קטע לשנות עם גדילת הזרימה.
• קונפיגורציות עיבוד — פרמטרים לחיתוך ההקלטה, ספי ביטחון בזיהוי, תבניות שאילתות למודל, כללים לעיבוד־בתר של הטקסט. נערכים ללא שינוי בקוד.
• מילון המונחים — שמות מתחומיים, ראשי תיבות, שמות מרצים. מתעדכן מהעריכה שלכם ומפחית את שיעור השגיאות באוצר המילים הנדיר.
• תקנון העריכה — מי, באיזה שלב ולפי איזו רשימת בדיקה מאמת את התקציר, כמה עריכות מותרות, לאן הולך קטע שנוי במחלוקת. שומר על איכות אחידה ללא תלות במבצע.
• כללי גישה — תפקידי מרצים, מתודיסטים ומנהלים, חלוקה לפי קורסים, הרשאות נפרדות להקלטת ההרצאה ולתקציר המוגמר.
• תיעוד המערכת — תיאור המודולים, סכמת הפריסה, תלויות ופעולות שגרתיות: הפעלה מחדש, טעינת מילון נוספת, שחזור גרסה.
• תקנון העדכון — כיצד נבדקת האיכות על מדגם מסומן לפני העלאה של גרסה חדשה לזרימה.

כל חפץ־מערכת הוא מסמך עבודה, ולא דוח לשמור על המדף: לפיו מבצעים קבלה, מלמדים מחליף ומתכננים שיפורים. הרכב הערכה מתאמים כבר בהתחלה — בהתאם למעגל שלכם ולצוות שיישאר בתמיכה.

מקרה בוחן: כיסוי ההרצאות גדל בלי עלייה בעומס על העורכים

הלקוח — פלטפורמה חינוכית עם קורס של כמה מאות הרצאות מוקלטות. את הניתוח הוביל מחלקה של שלושה עורכים: תמללו ידנית אודיו, השוו מונחים לתוכנית הקורס והרכיבו תקציר. הגבול של הניתוח הידני הגיע במהירות — שלוש עד ארבע הרצאות בשבוע, וכל השאר שקע בארכיון.

היכן הניתוח הידני נתקע

הרצאה אחת תפסה אצל העורך שלוש עד ארבע שעות: תמלול לפי שמיעה, בדיקת מונחים, כתיבה מחדש של ביטויי דיבור לטקסט קריא. התור גדל מהר יותר מאשר הספיקו לנתח אותו, והתוצאה הייתה תלויה במי בדיוק התיישב מול ההקלטה — פערים במונחים בין תקצירים של אותו קורס היה צריך לתקן ביד.

מה שינו

הרכיבו מסוע: נרמול השמע, זיהוי דיבור (Whisper), השוואת מונחים למילון הקורס, חלוקה אוטומטית לבלוקים סמנטיים — לעורך נשארת עריכה של המבנה והניסוחים. הוא חדל להיות מתמלל והפך לבודק.

הכיסוי גדל פי שישה בהרכב מחלקה זהה, ומילון הקורס הסיר פערי מונחים בין התקצירים. העומס של העורכים עבר מכתיבה מכנית מחדש לעריכה של המשמעות.

מה לעשות כשהטיוטה של התקציר אינה תואמת את ההקלטה?

אי־התאמה בין הטיוטה להקלטה היא התנהגות צפויה של המערכת, ולא תקלה. רעש באולם, החלפת דוברים באמצע משפט ומונחים שמחוץ למילון הכללי תמיד יוצרים עיוותים. השאלה אינה איך למנוע אותם, אלא איך לגרום לכך שכל קטע שנוי במחלוקת יהיה מסומן וניתן לבדיקה בדקות, ולא ידרוש האזנה להרצאה כולה.

הבסיס לאימות הוא ההצמדה להקלטה. כל קביעה בתקציר מקושרת לקוד זמן של הקטע המקורי, ולכן הבודק פותח לא את כל הטקסט, אלא מקום מסוים. קטעים עם ביטחון זיהוי נמוך וחפיפת קולות עוברים אוטומטית לתור לאימות, הערות מהקהל נחתכות לפי סימון הדוברים. בפועל רק חלק קטן מהחומר דורש בדיקה ידנית — השאר מאושר באופן חד־משמעי על ידי ההקלטה.

מונחים, נוסחאות ועובדות נבדקים בנפרד מהסגנון. המונח מושווה לגלוסר של הדיסציפלינה, ובמקרה של אי־בהירות הקטע עובר למומחה תוכן, ולא מתוקן בידי עורך «לפי ההגיון». נוסחאות משוחזרות לפי ההקלטה וחומרי ההרצאה, טענות מספריות נבדקות לפי המקור — כך בדיקת העובדות אינה הופכת לכתיבה מחדש.

עריכות המרצה נרשמות עם המחבר, הזמן והסיבה — במצב הצעות, כמו ב־Google Docs. כל עריכה הופכת לכלל: המונח מוסיף לגלוסר, שגיאת זיהוי חוזרת נסגרת בהגדרה. גרסת התקציר נשארת בלתי ניתנת לשינוי, שחזור לגרסה הקודמת זמין בצעד אחד.

האישור מתבצע בשלבים: אימות אוטומטי בוחר מועמדים לעריכה, עורך־תוכן בודק מונחים ונוסחאות, המרצה מאשר מקומות שנויים במחלוקת וחותם על הגרסה. עד לחתימה התקציר אינו נחשב מפורסם — ולכן לפלט יוצא טקסט שאדם אחראי לו, ולא טיוטה של מודל.

ספקות טכניים: רעש, מונחים, מבטאים, גישה

ספקות מתמשכים נוגעים בדרך כלל לא לשאלה «האם המערכת בכלל מזהה דיבור», אלא להתנהגות בגבולות: המהום של המקרן, הערות שקטות מהקהל, אותיות לטיניות במונחים, החלפת דובר באמצע משפט. דווקא אותם אחוזים בודדים של ההקלטה קובעים אם התקציר יהפוך למסמך עבודה או יישאר טיוטה שאיש לא יפתח.

מבחינה הנדסית זה נסגר לא במודל אחד, אלא בשילוב. שכבה אקוסטית על Whisper נותנת עמידות למבטאים ולדיבור מעורב, ומעליה — דיאריזציה לפי טביעות קול, מילון מונחים של הדיסציפלינה הספציפית ומעבר חוזר על קטעים עם ביטחון נמוך. להלן — ארבע שאלות טכניות שנשאלות לרוב לפני ההתחלה.

מה עם מונחים צרים מאוד ואותיות לטיניות?

בשלב ההתחלה נאסף מילון של הדיסציפלינה: שמות שיטות, ראשי תיבות, שמות פרטיים, כתיב לטיני. הוא מחובר כשכבת תיקון נפרדת, ולכן «הערכה אפוסטריורית» אינה הופכת ל«הערכה אפו־סטריורית», והלטינית שומרת על רישיות וכתיב.

אם בהקלטה יש כמה דוברים?

דיאריזציה מסמנת את ההערות לפי קולות ומקצה תוויות «דובר 1..N» — התקציר שומר על מבנה הדיאלוג ואינו מדביק שאלה מהקהל לתשובת המרצה. התוויות מוחלפות בשמות אמיתיים ביד או לפי לוח ההופעות.

למי שייכות ההקלטות והיכן הן נשמרות?

האחסון והגישה מוגדרים לפי התקנון של הלקוח: מאגרים משלו, משך החיים של ההקלטות, חלוקת תפקידים, מחיקת האודיו המקורי בתום התקופה תוך שמירת הטקסט. הזכויות על החומרים נשארות אצל הלקוח, ואנחנו עובדים איתם כמעבד לפי הסכם.

נדון במשימה ונחזור עם הערכה ותוכנית עבודה

כדי לחזור עם הערכה ותוכנית עבודה, ולא עם הבטחות כלליות, נדרש סט מינימלי של נתוני קלט.

שלחו 2–3 הקלטות של הרצאות — רצוי שונות באיכות השמע, בקצב הדיבור ובכמות המונחים, — דרישות לפלט (היקף התקציר, המבנה, האם נדרשים נוסחאות, הגדרות ורשימות ספרות, ובאיזה אופן למסור את הטקסט המוגמר) ומגבלות גישה: היכן נשמרות ההקלטות, האם מותרת העלאה לעיבוד ומי מצד הלקוח מקבל את התוצאה. זה מספיק כדי להעריך את היקף העבודה ולהציע סכמת עיבוד.

בתמורה אתם מקבלים:

• ניתוח של ההקלטות שנשלחו: מה בדיוק מפריע לזיהוי — רעש, חפיפת קולות, מונחים מתחומיים, שקט באולם;
• הערכה ותוכנית עבודה לפי שלבים בציון מה נחשב לתוצאה מוגמרת בכל שלב;
• דרישות פלט מתואמות שנקבעו לפני ההתחלה, כדי לא לעצב מחדש את מבנה התקציר בשלב הסופי;
• בדיקה על הרצאה אחת: מריצים מחזור מלא מההקלטה ועד לתקציר המוגמר ומשווים לדרישות שלכם;
• סכמת מסירת המערכת — איזה מעגל נפרס אצלכם, מה נשאר תחת הליווי שלנו, כיצד מוכנסות עריכות למילון המונחים;
• סדר הקבלה: מערכת הרצאות לבדיקת בקרה וקריטריונים שלפיהם התוצאה נחשבת למתקבלת.

תארו את המשימה בצורה חופשית, צרפו הקלטות ודרישות — ונחזור עם הערכה ותוכנית עבודה.