Raportoinnin uudet apuvälineet DX-kuuntelussa
Jouni Keskinen, Pirkkala
Radioasemien
raportointi on usein se pakkopulla ja monien mielestä DX-harrasteen tylsin osa.
Osa kuuntelijoista onkin luopunut kuuluvuusraporttien kirjoittamisesta
kokonaan. Mutta ne rankkisoturit, jotka yhä asemien vastauksia keräävät ja
niistä pisteitä laskevat, joutuvat käyttämään paljon aikaa QSLien
metsästykseen. Viime vuosina raporttien teko on kuitenkin vähitellen muuttunut
uusien apuvälineiden ja tekoälyn tulon myötä. Seuraavassa katsaus muutamiin
testaamiini raportoinnin apuvälineisiin, joilla olen yrittänyt tehdä
raportoinnista helpompaa ja nopeampaa.
Apua ohjelmakohtien kaiveluun
Klassisessa Kauko
Kuuntelijan kuuluvuusraportissa ohjelmakohtina olivat: ”man speaks, beautiful
music, woman speaks” ja sitten saattoi tulla se ”station identification”. Tähän
ei onneksi enää nykyisin tarvitse tyytyä. Jo pienellä googlailulla voi selvitä
paljon ohjelmakohtia, varsinkin jos aseman kotisivulta löytyy esim.
ohjelmakartta ja aseman käyttämiä sloganeita.
Musiikkikappaleiden
tunnistamiseen on löytynyt apuohjelmia jo pidempään. Ensimmäinen suuren suosion
saanut sovellus oli kännyköissä toimiva Shazam. Se kuuntelee musiikkia kännykän
kaiuttimen kautta ja tunnistaa hyvin kuuluvan musiikin ongelmitta. DX-kuunteluun
Shazam ei kuitenkaan kännykkäappina ollut parhaimmillaan, vaan tarvetta oli
ohjelmalle, joka tunnistaa musiikin suoraan tietokoneen audiolinjasta.
Tietokoneella
toimivia musiikintunnistusohjelmia löytyy varmasti monia, mutta itse en ole
koskaan tarvinnut muita ohjelmia kuin FlairMaxin. FlairMax käyttää ilmeisesti
samaa musiikkitietokantaa kuin Shazam ja toimii lähes yhtä hyvin kuin se vanha
junan vessa. Käyttö on yksinkertaista: Avataan ohjelma, klikataan Recognize
from audio output ja laitetaan audioklippi soimaan. Noin kymmenessä sekunnissa
ohjelma kertoo sinulle kappaleen nimen ja esittäjän.
FlairMax on tunnistanut tallenteelta meksikolaisen XERDO
La Raza 1060:n soittaman Tiranos del Norte -yhtyeen kappaleen Hermosa Tirana.
FlairMax
tunnistaa musiikkikappaleet hämmästyttävän hyvin jopa kohinaisista
AM-tallenteista. Tietokannasta löytyy käsittämätön määrä musiikkia kaikista
kulttuureista. Argentiinalaiset tangot ja meksikolainen ranchera tunnistuu
ongelmitta. Ainut kappale, jota FlairMax ei DX-tallenteiltani viimeisen vuoden
aikana tunnistanut oli paikallisen lasten radion soittama slovakialainen
lastenlaulu.
Jos kuultu
DX-asema siis soittaa musiikkia, musiikkikappaleiden nimet ja esittäjät saa
ohjelmakohdiksi raportteihin helposti.
Puheesta tekstiksi
Puheen tunnistus
tietokoneella on osoittautunut vaikeammaksi tehtäväksi kuin vanha
scifikirjallisuus ja elokuvat antoivat olettaa. Vasta aivan viime vuosina ja
erityisesti nyt tekoälyn läpimurron myötä, on peruskäyttäjille alkanut ilmestyä
ohjelmia, jotka oikeasti säästävät aikaa esimerkiksi videoiden tekstityksessä
ihmisen tekemään työhön verrattuna.
DX-kuuntelijoiden
kannalta erityisen käyttökelpoisia ovat ohjelmat, joilla pystyy audiosta
litteroimaan puheen suoraan tekstiksi. Mahdollisuus muuttaa puhe tekstiksi
helpottaa merkittävästi ohjelmakohtien kaivelua raporttiin, erityisesti kun
kyse on kielistä, joita ei itse osaa.
Tällä hetkellä
markkinoilla on jo useita litterointiohjelmia ja niiden kielivalikoima kattaa
kaikki maailman pääkielet. DX-kuuntelukäytössä Suomessa on käytetty ainakin
kolmea seuraavaa:
Riverside Audio & Transcription: https://riverside.com/transcription
Turboscribe : https://turboscribe.ai/
ElevenLabs Voice AI Platform : https://elevenlabs.io
Omaa kokemusta
minulla on ensimmäisestä ja viimeisestä. Riverside oli ensimmäisiä ohjelmia,
joka tarjosi tekoälytranskriptiota rajallisesti ilmaiseksi
selainkäyttöliittymän kautta ja vieläpä ilman rekisteröintiä. Laajempi käyttö
toki vaati rekisteröitymistä ja luottokortin vilauttamista, kuten käytännössä
kaikissa muissakin vastaavissa ohjelmissa.
Riverside lienee
yhä nopein tapa testata koneellista litterointia. Äänitiedosto vain tipautetaan
selainikkunaan ja valitaan kieli, jolle puhe halutaan litteroida. Sitten
odotellaan vaihteleva aika (ilmaisversio lienee välillä ylikuormitettu, mutta
toimii kuitenkin useimmiten nopeasti) ja ruudulle ilmestyy tekstinä
äänitiedostossa puhuttu puhe.
ElevenLabs
tarjoaa myös pienimuotoisen testimahdollisuuden omiin audio-AI työkaluihinsa,
joita on paljon enemmän kuin Riversidessa. ElevenLabsilla saat vaikka oman
äänesi puhumaan kiinaa valitsemasi tekoälygeneroidun musiikin soidessa
taustalla.
Olen kuitenkin
lähinnä käyttänyt ohjelmiston Speech to Text -työkalua. Se litteroi tekstiä
äänitiedostosta lähes kaikilla maailmalla laajemmin puhutuilla kielillä.
Kertaakaan ei DX-käytössä ole vielä tullut vastaan sellaista kieltä, jota ei
ElevenLabsin valikoimasta löydy. Se onko kaikilla kielillä tehty litterointi
saman tasoista, onkin sitten jo toinen juttu. Joka tapauksessa ElevenLabsin
kielivalikoima on laajempi kuin vaikkapa Turboscripessä.
Rekisteröitymällä
ElevenLabsin käyttäjäksi, sai ainakin viime keväänä pienen määrään
”krediittejä”, joilla ohjelman toimintoja saattoi käyttää rajatun määrän.
Laajempi, pidempiaikainen käyttö vaatii kuukausimaksun maksamista. Asiakkuuksia
on eri hintaisia ja kesän FM-keleille hyvin riittäneen halvimman
asiakkuustyypin hinta oli ensimmäiseltä kuukaudelta hyvinkin kohtuullinen
viiden euron luokkaa, nousten sitten jonkin verran tilauksen jatkuessa.
Mitkä sitten
olivat todelliset käyttökokemukset puheentunnistuksen käytöstä DX-kuuntelussa? Yhdellä
sanalla, vaihtelevat. Häiriöttömästä FM-lähetteestä puheentunnistus generoi
varsin virheetöntä tekstiä. Kun sitten audioon alkaa tulla feidausta, kohinaa
tai muiden asemien aiheuttamia häiriöitä, tuotetun tekstin virheet lisääntyvät
tai puhe jää kokonaan litteroimatta. Kun siirrytään AM-asemien audioon ja
lisätään pohjakohina, räsähdykset yms. niin koneellisen puheentunnistuksen kyky
tuottaa audiosta oikeaa tekstiä, laskee yhä.
Turkkilaisen Küpe FM 98.7 mainoskatkoa ElevenLabsillä litteroituna. Rajatussa kuvassa oikealla näkyy audiotiedoston nimi ja valittu kieli, keskellä litteroitu teksti puhujittain kappaleiksi jaettuna. Vaikkei asema olisikaan tiedossa, litteroinnissa erottuu kieltä osaamattomallekin paljon paikkakuntia aseman kuuluvuusalueelta kuten Cerkezköy, Silivri ja Corlu.
Puheentunnistusohjelma
ei ole optimoitu AM-radion äänenlaadulle vaan yleensä niitä ajatellaan
käytettävän haastattelujen, puheluiden, podcastien tai radio- ja TV-ohjelmien
litterointiin, jolloin audio on oletuksena puhdasta ja häiriövapaata.
Se ei kuitenkaan
tarkoita, etteikö AM-klippejäkin voisi koittaa antaa puheentunnistuksen
litteroitavaksi. Ei kuitenkaan kannata
pettyä, jos se hyttysen huokauksena monen aseman feidailussa kuuluva
graveyarder-jenkin idi ei ohjelman tekoälyn neuroverkkoihin rekisteröidy. Olen
itse testaillut ElevenLabsia mm. kohtuu häiriöttömästi kuuluvilla kinalaisilla
ja saanut niistä ohjelmakohtia esiin kaivettua.
Jotain
tekoälypohjaisen puheentunnistuksen tulosta DX-kuunteluun kertovat myös Online
Logista viime kesäkuulta löytyvät lähes 130 FM-lokausta Irakista. Enimmäkseen
arabian, mutta myös kurdinkielisten Irakilaisasemien tunnistamisessa käytettiin
apuna tekoälypohjaista puheentunnistusta. Ilman näitä ohjelmia
irakilaislokausten määrä tuskin olisi läheskään noin suuri.
Intialaiset sihteeripalvelut vai
sittenkin AI-agentti?
Paljon
raportoivat dx-kuuntelijat vitsailevat usein tarvitsevansa intialaisia
sihteeripalveluja saadakseen raportoitua kaikki hyvien kelien jälkeen
tallenteilta löytyvät asemat. Elokuun lopussa olin myös itse tilanteessa, jossa
paljon loppukesän FM-raportteja oli yhtä tekemättä, mutta kaikenlaiset muut
hommat ja velvoitteet häiritsivät DX-harrastetta.
Jouduin työn
puolesta selvittelemään tekoälyn käytön haasteita ja hyötyjä
yliopisto-opetuksessa, ja jossain kohtaa tuli mieleen myös tekoälyn
hyödyntäminen kuuluvuusraporttien teossa. Voisiko tekoäly jopa korvata ne
intialaiset sihteerit?
Microsoft oli
keväällä 2025 lisännyt tekoälypohjaiseen keskustelutyökaluunsa M365 Copilotiin
(copilot.microsoft.com) mahdollisuuden rakentaa tekoälyavustajia eli ns.
AI-agentteja. Vastaavia agentteja on
mahdollisuus luoda myös muilla tekoälyillä kuten ChatGPT:llä (projektit) tai
Googlen Geminillä, mutta toistaiseksi agenttien luomien, tai ainakin kaikkien
ominaisuuksien käyttöön saaminen, on ollut mahdollista vain ohjelmien
maksullisilla versioilla.
Myös
käyttämässäni M365 Copilotin organisaatioversiossa osa agenttiominaisuuksista
on rajattu vain maksullisella lisenssillä toimivaksi, mutta AI-agentin
kevytversion saattoi toteuttaa ja testata myös perusversiolla. Valitettavasti
Copilotin kotiversiolla ei vielä toistaiseksi pysty agentteja luomaan.
AI-agentit ovat
tietynlaisia chattibotteja, joille on annettu ennalta määritetyt ohjeet
vastauksen muodostamiseksi. Agentti vastaa kysymyksiin vain ohjeiden mukaisesti
ja käyttäen rajattuja tietolähteitä, kuten antamaasi verkkosivustoa. Erilaisia
chattibotteja on toki ollut jo kauan, mutta niiden luominen on vaatinut
koodaustaitoja ja työtunteja. Tekoälyllä samaa sujuu nyt hetkessä, ilman
koodaustaitoja, pelkästään kuvailemalla tarpeensa.
AI-agentin luonti ja ohjeistus
Copilotissa
AI-agentin luonti on varsin suoraviivaista. Pakollisia tietoja ovat ainoastaan
nimi, kuvaus ja ohjeet. Lisäksi voi antaa valmiita kehotetekstejä ja
periaatteessa myös julkisten www-sivustojen osoitteita, joihin agentti voi
perustaa vastauksensa. Käyttämässäni Copilot-versiossa oli kuitenkin niin
huomattavia rajoituksia nettilähteiden käytössä, että ominaisuus oli
käytännössä käyttökelvoton.
Annoin testiagentilleni nimen: “Reception
Report Helper” ja kuvauksen: “Reception Report Helper helps DX-listener
hobbyist to quickly write reception reports to the long-distance radio
stations. It fills the reception report form with the given details, translates
it to radio station's language and finds the contact information to the radio
station”.
Tiedot olisi
voinut yhtä hyvin antaa myös suomeksi, mutta päädyin käyttämään englantia,
koska käyttämäni raporttipohja oli englanninkielinen. Agentilla oli siis kolme
tehtävää: 1. täyttää raporttipohja annetuilla tiedoilla, 2. kääntää raportti
halutulle kielelle ja 3. etsiä radioaseman yhteystietoja. Näistä onnistuin
toteuttamaan vain kaksi ensimmäistä. Yhteystietojen automaattinen nettihaku ei
vielä tässä versiossa onnistunut, sillä Copilot-versioni agenteilla oli hyvin
rajoitettu pääsy nettiin.
AI-Agentille annetut määrittelytiedot Copilotissa.
AI-agentin
toiminnallisuuden kannalta olennaiset tiedot annettiin ohjeet-kentässä. Ensimmäisen tehtävän ohjeistin seuraavasti:
“Agent fills the reception report form (given below in the end) with the
details given by user in the following form:
[1] Radio station name
[2] Radio station studio location
[3] Frequency
[4] Date
[5] Year
[6] Time
…
After filling the details, agent removes the brackets [] and numbers inside
them.”
Tätä varten
“koodasin” raporttipohjaan kaikki vaihtuvan datan kohdat numeroin [1…13].
Agentille syötteenä annettiin raporttiin tarvittavat tiedot numeroittain
koodattuna. Lopulta sain 13 kappaletta tarvittavia tietoja. AM-raportissa
riitti 12, kun ei tarvittu RDS-koodia.
Olisin halunnut
agentin tekevän raportin suoraan annetun Word-raporttipohjan perusteella, mutta
Copilot-versioni ei päässyt käsiksi koneellani oleviin tiedostoihin. Niinpä
jouduin antamaan koodatun raporttipohjan agentille tekstinä ohjeistuksen
lopussa.
Agentin toisena
tehtävänä oli kääntää raportti halutulle kielelle. Tämä
ohjeistettiin seuraavasti:
“Agent then translates the reception report to the language given by user in
the line:
Translate the reception report in (language)
Translation is made in the polite and natural-sounding language but without
changing the technical details.
Kolmantena tehtävä olisi ollut radioaseman
yhteystietojen haku, josta ohjeistin seuraavasti:
Then the agent finds the radio station's (name mentioned in [1]) contact
information:
Web site address
Facebook page
Email addresses (also possible marketing email, director's email, secretary's
email, technical or engineering email).
Tämä ei kuitenkaan siis
ainakaan Copilotin perusorganisaatioversiolla toiminut.
Agentti testiin
Ensimmäisenä
testasin AI-agenttiani puolella tusinalla bulgarialaisia FM-raportteja.
Kokeilut sujuivat heti jopa paremmin kuin odotin. Agentti tuotti sujuvasti
bulgariankielisen raportin, jossa tiedot olivat oikein ja kohdallaan. Kääntelin
tekstiä takaisinpäin englanniksi ja suomeksi ja se vaikutti asialliselta ja
sujuvalta.
AI-Agentti "Reception Report Helper" valmiina vastaanottamaan syötettä Copilotissa.
Pientä
viilattavaa agentissa toki oli. Se esimerkiksi muutti chattibotin käyttämän
kielen pyydetyn käännöksen kieleksi eli yritti käännöksen jälkeen keskustella
kanssani bulgariaksi.
Puolenkymmentä
FM-raporttia Bulgariaan syntyi kuitenkin agentilla nopeasti. Vastauksiakin
niihin tuli, joten ne selvästi olivat myös kielellisesti sujuvia. Niinpä käytin
agenttia myös muutaman muun FM-raportin tekoon. Hauskin kommentti tuli Kiss FM
Slobozian v/s:stä Marius Stroelta, joka vastasi sujuvasti suomeksi ja kirjoitti
vastauksensa loppuun: ”Arvostin vaivannäköäsi välittää viestisi
äidinkielelläni, romaniaksi, ja siksi käytin tekoälyä kääntääkseni viestini
suomeksi. Toivottavasti tällä kertaa ChatGPT teki hyvää työtä”. Hiukan ehkä
tarpeettoman kohteliasta, mutta täysin ymmärrettävää ja kielellisesti oikeaa
tekoälysuomea!
Toki ensimmäisten
raporttien teko AI-agentilla, vei vähintään saman ajan kuin perinteisesti,
varsinkin jos otetaan huomioon agentin tekoon mennyt aika. Agentti kuitenkin
osoitti tehonsa mitä enemmän raportteja oli tehtävänä. Agentin toimintaa ja
raportintekoprosessia on vielä mahdollista edelleen tehostaa, nyt kun on
tiedossa mihin agentti kykenee ja mitkä ovat sen rajoitukset.
Ennen kaikkea
kokeilu tekoälyagentilla osoitti kuitenkin suunnan, johon jatkossa ollaan
menossa tekoälytyökalujen edelleen kehittyessä. Rutiiniprosessien siirtäminen
tekoälylle poistaa epäilemättä jossain vaiheessa tarpeen ”intialaisille
sihteereille”. Toki ongelmia ja riskejäkin on. Kun tekoäly päästetään käsiksi
oman koneen tiedostoihin ja omaan sähköpostiin, on yksityisyyden suoja
koetuksella ja riski ”tekoälyhakkerointiin” ilmeinen. Maailma ei tule
olemaan entisensä, eikä myöskään kuuluvuusraporttien teko.