ในทางภาษาศาสตร์การถอดเสียงคือการแสดงภาษา พูด ใน รูปแบบ ลายลักษณ์อักษร อย่างเป็นระบบ โดย แหล่งที่มาอาจเป็นคำพูด ( ภาษาพูดหรือภาษามือ ) หรือข้อความ ที่มีอยู่แล้ว ในระบบการเขียนอื่น

การถอดเสียงไม่ควรสับสนกับการแปลซึ่งหมายถึงการถ่ายทอดความหมายของข้อความจากภาษาต้นฉบับไปยังภาษาเป้าหมาย (เช่นLos Angeles (จากภาษาต้นฉบับภาษาสเปน) หมายถึงThe Angelsในภาษาเป้าหมายภาษาอังกฤษ) หรือกับการถอดเสียงซึ่งหมายถึงการถ่ายทอดการสะกดคำของข้อความจากอักษรหนึ่งไปยังอีกอักษรหนึ่ง

ในสาขาวิชาภาษาศาสตร์ การถอดเสียงเป็นส่วนสำคัญของระเบียบวิธีวิจัยในหลายสาขา เช่นสัทศาสตร์การวิเคราะห์บทสนทนาภาษาถิ่นและสังคมภาษาศาสตร์นอกจากนี้ยังมีบทบาทสำคัญในสาขาย่อยต่างๆ ของเทคโนโลยีการพูดตัวอย่างทั่วไปของการถอดเสียงนอกแวดวงวิชาการ ได้แก่ การบันทึกการพิจารณาคดีในศาลเช่นคดีอาญา (โดยผู้บันทึกการพิจารณาคดี ) หรือบันทึกเสียงของแพทย์ ( การถอดเสียงทางการแพทย์ ) บทความนี้จะเน้นที่การถอดเสียงในสาขาภาษาศาสตร์

การถอด เสียงทางภาษาศาสตร์มีสองประเภทหลัก การถอดเสียงตามหลัก สัทศาสตร์เน้นที่ลักษณะทางสัทศาสตร์และสัทวิทยาของภาษาพูด ระบบการถอดเสียงตามหลักสัทศาสตร์จึงกำหนดกฎสำหรับการจับคู่เสียงหรือหน่วยเสียง แต่ละหน่วย กับสัญลักษณ์ที่เป็นลายลักษณ์อักษร ในทางตรงกันข้าม ระบบการถอดเสียงตามหลักอักขรวิธีประกอบด้วยกฎสำหรับการจับคู่คำพูดกับรูปแบบลายลักษณ์อักษรตามที่กำหนดโดยหลักอักขรวิธีของภาษาใดภาษาหนึ่ง การถอดเสียงตามหลักสัทศาสตร์ทำงานกับชุดอักขระที่กำหนดไว้เป็นพิเศษ โดยปกติคืออักษรสัทศาสตร์สากล (International Phonetic Alphabet )

ประเภทของการถอดเสียงที่เลือกใช้ขึ้นอยู่กับบริบทการใช้งานเป็นส่วนใหญ่ เนื่องจากการถอดเสียงตามหลักสัทศาสตร์เน้นลักษณะทางสัทศาสตร์ของภาษาอย่างเคร่งครัด จึงมักใช้สำหรับการวิเคราะห์ทางสัทศาสตร์หรือสัทวิทยา อย่างไรก็ตาม การถอดเสียงตามหลักอักขรวิธีมีองค์ประกอบทางสัณฐานวิทยาและคำศัพท์ควบคู่ไปกับองค์ประกอบทางสัทศาสตร์ (โดยระดับการแสดงแง่มุมใดนั้นขึ้นอยู่กับภาษาและอักขรวิธีที่เกี่ยวข้อง) ดังนั้นการถอดเสียงรูปแบบนี้จึงสะดวกกว่าเมื่อต้องการ ถอดเสียงแง่มุม ทางความหมายของภาษาพูด การถอดเสียงตามหลักสัทศาสตร์มีความเป็นระบบมากกว่าในเชิงวิทยาศาสตร์ แต่ก็เรียนรู้ได้ยากกว่า ใช้เวลานานกว่า และใช้งานได้จำกัดกว่าการถอดเสียงตามหลักอักขรวิธี

การแปลงภาษาพูดไปเป็นสัญลักษณ์เขียนนั้นไม่ใช่กระบวนการที่ตรงไปตรงมาอย่างที่อาจดูเหมือนในตอนแรก ภาษาเขียนเป็นภาพจำลองในอุดมคติ ประกอบด้วยชุดสัญลักษณ์ที่จำกัดและแยกออกจากกันอย่างชัดเจน ในทางกลับกัน ภาษาพูดเป็นปรากฏการณ์ต่อเนื่อง (ตรงข้ามกับแบบแยกส่วน) ประกอบด้วยองค์ประกอบจำนวนมากที่อาจไม่จำกัดจำนวน ไม่มีระบบที่กำหนดไว้ล่วงหน้าสำหรับการแยกแยะและจัดประเภทองค์ประกอบเหล่านี้ และด้วยเหตุนี้ จึงไม่มีวิธีการที่กำหนดไว้ล่วงหน้าในการแปลงองค์ประกอบเหล่านี้ไปเป็นสัญลักษณ์เขียน

งานวิจัยต่างๆ ชี้ให้เห็นถึงความไม่เป็นกลางของกระบวนการถอดเสียงอย่างค่อนข้างสอดคล้องกัน ไม่มีและไม่สามารถมีระบบถอดเสียงที่เป็นกลางได้ ความรู้เกี่ยวกับวัฒนธรรมทางสังคมมีส่วนโดยตรงในการสร้างเอกสารถอดเสียง ความรู้เหล่านั้นถูกบันทึกไว้ในเนื้อหาของเอกสารถอดเสียง (เบเกอร์, 2005)

ระบบการถอดเสียงคือชุดของกฎที่กำหนดวิธีการแทนภาษาพูดด้วยสัญลักษณ์ลายลักษณ์อักษร ระบบการถอดเสียงตามหลักสัทศาสตร์ส่วนใหญ่จะอิงตามอักษรสัทศาสตร์สากลหรือโดยเฉพาะอย่างยิ่งในเทคโนโลยีการพูด จะอิงตามSAMPAซึ่ง เป็นระบบที่พัฒนามาจากอักษรสัทศาสตร์สากล

ตัวอย่างของระบบการถอดเสียงตามหลักอักขรวิธี (ทั้งหมดมาจากสาขาการวิเคราะห์บทสนทนาหรือสาขาที่เกี่ยวข้อง) ได้แก่:

อาจกล่าวได้ว่าระบบแรกสุดในประเภทนี้ ถูกร่างขึ้นครั้งแรกใน (Sacks et al. 1978) ต่อมาได้ถูกดัดแปลงเพื่อใช้กับคลังข้อมูลที่คอมพิวเตอร์อ่านได้ในชื่อCA-CHATโดย (MacWhinney 2000) สาขาการวิเคราะห์บทสนทนาเองนั้นประกอบด้วยวิธีการถอดเสียงและการกำหนดรูปแบบการถอดเสียงที่แตกต่างกันหลายวิธี ซึ่งรวมถึง Jefferson Notation ด้วย ในการวิเคราะห์บทสนทนา ข้อมูลที่บันทึกไว้มักจะถูกถอดเสียงเป็นรูปแบบลายลักษณ์อักษรที่นักวิเคราะห์ยอมรับได้ มีวิธีการทั่วไปสองวิธี วิธีแรกเรียกว่าการถอดเสียงแบบละเอียด ซึ่งจะบันทึกรายละเอียดของการปฏิสัมพันธ์ในการสนทนา เช่น คำใดที่เน้นเสียง คำใดที่พูดด้วยความดังที่เพิ่มขึ้น จุดที่การพูดซ้อนทับกัน วิธีการออกเสียงคำต่างๆ และอื่นๆ หากรายละเอียดดังกล่าวมีความสำคัญน้อยกว่า อาจเป็นเพราะนักวิเคราะห์สนใจโครงสร้างโดยรวมของการสนทนาหรือการกระจายตัวของการพูดคุยระหว่างผู้เข้าร่วมมากกว่า การถอดเสียงแบบที่สองที่เรียกว่าการถอดเสียงแบบกว้างๆ ก็อาจเพียงพอแล้ว (วิลเลียมสัน, 2009)

ระบบการถอดเสียงของเจฟเฟอร์สันเป็นชุดสัญลักษณ์ที่พัฒนาโดยเกล เจฟเฟอร์สันซึ่งใช้สำหรับการถอดเสียงการสนทนา ด้วยประสบการณ์การถอดเสียงมาก่อนหน้านี้ เมื่อเธอได้รับการว่าจ้างในปี 1963 ในตำแหน่งเสมียนพิมพ์ดีดที่ ภาควิชาสาธารณสุขศาสตร์ของ UCLAเพื่อถอดเสียงการฝึกอบรมด้านความอ่อนไหวสำหรับผู้คุมเรือนจำ เจฟเฟอร์สันเริ่มถอดเสียงบันทึกบางส่วนที่ใช้เป็นวัสดุในการพัฒนาการบรรยายครั้งแรก ๆ ของฮาร์วีย์ แซ็กส์ ตลอดระยะเวลากว่าสี่ทศวรรษ ซึ่งส่วนใหญ่เธอไม่ได้ดำรงตำแหน่งในมหาวิทยาลัยและไม่ได้รับเงินเดือน การวิจัยของเจฟเฟอร์สันเกี่ยวกับการสนทนาในปฏิสัมพันธ์ได้กำหนดมาตรฐานสำหรับสิ่งที่รู้จักกันในชื่อการวิเคราะห์การสนทนา (CA) งานของเธอมีอิทธิพลอย่างมากต่อการศึกษาทางสังคมวิทยาของปฏิสัมพันธ์ แต่ยังรวมถึงสาขาวิชาอื่น ๆ โดยเฉพาะอย่างยิ่งภาษาศาสตร์ การสื่อสาร และมานุษยวิทยา^{[ 1 ]}ระบบนี้ถูกนำไปใช้ทั่วโลกโดยผู้ที่ทำงานจากมุมมองของ CA และถือได้ว่าเป็นชุดคำแนะนำสำหรับการถอดเสียงที่เกือบจะเป็นสากล^{[ 2 ]}

ระบบที่อธิบายไว้ใน (DuBois et al. 1992) ซึ่งใช้สำหรับการถอดเสียงของ Santa Barbara Corpus of Spoken American English ^{[ 3 ]} (SBCSAE) ต่อมาได้รับการพัฒนาเพิ่มเติมเป็น DT2

ระบบที่อธิบายไว้ใน (Selting et al. 1998) ต่อมาได้รับการพัฒนาเพิ่มเติมเป็น GAT2 (Selting et al. 2009) ซึ่งใช้กันอย่างแพร่หลายในประเทศที่พูดภาษาเยอรมันสำหรับ การวิเคราะห์บทสนทนาที่เน้น จังหวะและภาษาศาสตร์เชิงปฏิสัมพันธ์^{[ 4 ] [ 5 ]}

อาจกล่าวได้ว่าเป็นระบบแรกในประเภทนี้ ซึ่งเดิมอธิบายไว้ใน (Ehlich and Rehbein 1976) – ดู (Ehlich 1992) สำหรับการอ้างอิงภาษาอังกฤษ – ดัดแปลงเพื่อใช้ในคลังข้อมูลที่คอมพิวเตอร์อ่านได้เป็น (Rehbein et al. 2004) และใช้กันอย่างแพร่หลายในวัจนปฏิบัติศาสตร์เชิง หน้าที่ ^{[ 6 ] [ 7 ] [ 8 ]}

เดิมทีการถอดเสียงเป็นกระบวนการที่ทำด้วยมือ กล่าวคือ ใช้ดินสอและกระดาษ โดยใช้การบันทึกเสียงแบบอนาล็อกที่บันทึกไว้ในอุปกรณ์ต่างๆ เช่น เทปคาสเซ็ตต์ ปัจจุบัน การถอดเสียงส่วนใหญ่ทำบนคอมพิวเตอร์ การบันทึกมักเป็นไฟล์เสียงหรือไฟล์วิดีโอ แบบดิจิทัล และการถอดเสียงเป็นเอกสารอิเล็กทรอนิกส์มีซอฟต์แวร์คอมพิวเตอร์เฉพาะทางที่ช่วยผู้ถอดเสียงในการสร้างการถอดเสียงดิจิทัลจากการบันทึกแบบดิจิทัลได้อย่างมีประสิทธิภาพ

สามารถใช้ ซอฟต์แวร์ถอดเสียงได้สองประเภทเพื่อช่วยในกระบวนการถอดเสียง ได้แก่ ประเภทที่อำนวยความสะดวกในการถอดเสียงด้วยตนเอง และประเภทที่ถอดเสียงอัตโนมัติ สำหรับประเภทแรก งานส่วนใหญ่ยังคงทำโดยผู้ถอดเสียงที่เป็นมนุษย์ซึ่งฟังการบันทึกและพิมพ์สิ่งที่ได้ยินลงในคอมพิวเตอร์ และซอฟต์แวร์ประเภทนี้มักจะเป็นโปรแกรมเล่นมัลติมีเดียที่มีฟังก์ชันการทำงาน เช่น การเล่นหรือการเปลี่ยนความเร็ว สำหรับประเภทหลัง การถอดเสียงอัตโนมัติทำได้โดยใช้เครื่องแปลงเสียงเป็นข้อความซึ่งแปลงไฟล์เสียงหรือวิดีโอเป็นข้อความอิเล็กทรอนิกส์ ซอฟต์แวร์บางตัวยังรวมถึงฟังก์ชันการใส่คำอธิบายประกอบด้วย^{[ 9 ]}

• ความหมายเชิงเส้น
• การถอดเสียงตามหลักสัทศาสตร์
• การรู้จำเสียงพูด
• คำบรรยาย (คำอธิบายภาพ)
• การศึกษาเชิงวิชาการด้านวรรณกรรม
• บริการถอดเสียง
• ซอฟต์แวร์ถอดเสียง

• Hepburn, A. และ Bolden, GB (2013). แนวทางการวิเคราะห์บทสนทนาในการถอดเสียง. ใน J. Sidnell และ T. Stivers (บรรณาธิการ), คู่มือการวิเคราะห์บทสนทนา (หน้า 57–76). อ็อกซ์ฟอร์ด: Blackwell. PDF
• DuBois, John / Schuetze-Coburn, Stephan / Cumming, Susanne / Paolino, Danae (1992): โครงร่างของการถอดความบทสนทนา ใน: Edwards/Lampert (1992), 45–89.
• Haberland, H. & Mortensen, J. (2016) การถอดเสียงในฐานะการสร้างข้อความลำดับที่สอง: ความท้าทายของความหลากหลายทางภาษา ใน: Capone, A. & Mey, JL (บรรณาธิการ): การศึกษาสหวิทยาการในด้านวัจนปฏิบัติศาสตร์ วัฒนธรรม และสังคม, 581–600. Cham: Springer.
• Jenks, CJ (2011) การถอดเสียงการสนทนาและการปฏิสัมพันธ์: ประเด็นในการนำเสนอข้อมูลการสื่อสาร อัมสเตอร์ดัม: John Benjamins
• MacWhinney, Brian (2000): โครงการ CHILDES: เครื่องมือสำหรับการวิเคราะห์การพูดคุย Mahwah, NJ: Lawrence Erlbaum.
• Ochs, E. (1979) การถอดเสียงในฐานะทฤษฎี ใน: Ochs, E. & Schieffelin, BB (บรรณาธิการ): ปรัชญาภาษาเชิงพัฒนาการ, 43–72. นิวยอร์ก: Academic Press.
• Sacks, H.; Schegloff, E. & Jefferson, G. (1978) ระบบการจัดลำดับการผลัดกันพูดคุยที่ง่ายที่สุดใน: Schenkein, J. (บรรณาธิการ): การศึกษาเกี่ยวกับการจัดระเบียบปฏิสัมพันธ์ในการสนทนา, 7-56. นิวยอร์ก: Academic Press.

• เว็บไซต์ Transcription in Action จากมหาวิทยาลัยแคลิฟอร์เนีย ซานตาบาร์บารา
• เอกสารและตัวอย่างการใช้งานระบบถอดเสียง HIAT
• การถอดเสียง - เว็บไซต์ที่มีแหล่งข้อมูลสำหรับการถอดเสียงในการวิเคราะห์บทสนทนา
• ความแม่นยำและการวิวัฒนาการของการถอดเสียง