Транскрибиране на интервю с етикети за говорителите (кой какво е казал)
Безплатно десктоп приложение, което инсталирате веднъж (Windows, macOS, Linux). Вашият запис се обработва на компютъра ви и не е необходим акаунт.
Приложението разграничава гласовете и ги обозначава като Speaker 00, Speaker 01 и т.н. То не знае кой кой е, докато не ги преименувате. Сходни гласове, кратки реплики, застъпваща се реч и фонов шум могат да доведат до грешни етикети. За да започнете, отметнете „Разпознаване на говорителите“ в раздела „Транскрибирай“ и натиснете „Транскрибирай“.
Преди да започнеш
Версиите за Windows и Mac включват моделите за разпознаване на говорители. Изтеглете приложението само от официалната страница с версии в GitHub; инсталаторът не е цифрово подписан, така че Windows може да покаже предупреждение (Повече информация > Изпълнение въпреки това). Вижте също началната страница и ръководството за инсталиране.
Как да добавите етикети за говорителите към транскрипция
- Добавете записа. В раздела Транскрибирай плъзнете аудио или видео файл или щракнете върху Преглед на файлове.... Връзка от раздела Изтегляне на видео също върши работа, тъй като използва същите настройки от „Транскрибирай“.
- Изберете езика или го оставете на Автоматично.
- Отметнете „Разпознаване на говорителите“. Ако в полето пише Разпознаване на говорителите (недостъпно), задръжте курсора над него, за да видите защо. Селекторът Говорители под него се активира: оставете го на Автоматично или изберете число от 2 до 10, за да зададете точно определен брой хора.
- По избор: отметнете Времеви маркери за всяка дума, за да запишете начално и крайно време за всяка дума вместо само за всяко изречение. Изходните файлове стават по-големи.
- Изберете форматите за експортиране. Щракнете върху Разширени настройки… и отметнете DOCX и PDF в Изходни формати. SRT, TXT, Markdown и JSON също съдържат етикетите. Оставете JSON отметнат: това е JSON файл, който приложението използва за отваряне на инструмента за преглед на транскрипцията, необходим за последната стъпка.
- Щракнете върху „Транскрибирай“. Разпознаването на говорителите се изпълнява след транскрипцията и добавя време за обработка. След това отворете Покажи транскрипцията от картата Последен резултат.
- Заменете общите етикети с имена. В инструмента за преглед щракнете с десния бутон върху клетка в колоната Говорител, изберете Преименуване на „Speaker 00“ (навсякъде)..., въведете името и щракнете върху Запази промените (Ctrl+S). Файловете на Word и текстовите файлове до него се пресъздават, ако все още съответстват на оригиналната транскрипция; PDF файлът не се пресъздава, затова го експортирайте отново след преименуването.
Как изглеждат етикетите
Всеки сегмент започва с неговия говорител. В транскрипция в Word или PDF редът съдържа времеви маркер, говорителя с получер шрифт и след това текста. SRT, VTT и TXT поставят Speaker 00: пред текста, ASS го запазва в отделно поле за име, а JSON го съхранява като поле за говорител. Споделяемата уеб страница също го показва. Редовете по-долу са илюстрация на оформлението, а не реален резултат:
[00:00:04] Speaker 00: So where do we start?
[00:00:07] Speaker 01: With the recording itself.Полезно е да знаеш
- По един етикет на сегмент. Всеки сегмент от транскрипцията получава говорителя, чиято засечена реч се припокрива най-много с него. Ако двама души говорят в рамките на един сегмент или говорят един през друг, целият сегмент носи един-единствен етикет. Сегмент, с който не се припокрива никаква засечена реч, остава без етикет.
- Коригиране на отделен ред. Преименуването променя едновременно всеки ред с този етикет. Инструментът за преглед няма възможност за промяна на говорителя само на един ред, затова коригирайте отделните редове ръчно в експортирания Word или текстов файл.
- Стандартни имена. Етикетите са номерирани, като номерата са постоянни в рамките на един файл, но не и между различни файлове.
- Ако броят изглежда грешен, задайте в Говорители реалния брой хора, вместо да го оставяте на Автоматично.
- Офлайн, без профил в Hugging Face. Работи на собствения ви компютър и отнема допълнително време към транскрипцията.
- Времеви маркери за думи. Времевите маркери за всяка дума се съхраняват в JSON файла и се използват за открояване в караоке стил във VTT и ASS.
Въпроси
Именува ли говорителите вместо мен?
Не и по подразбиране. Етикетите гласят Speaker 00, Speaker 01 и т.н. Използвай опцията за преименуване в инструмента за преглед на транскрипцията, за да ги превърнеш в имена.
Колко говорители може да различи?
Остави Говорители на Автоматично и приложението ще реши само, или задай число от 2 до 10, когато го знаеш.
Може ли да раздели хора, които говорят едновременно?
Не. Едновременният говор не се разделя: сегментът получава един етикет – на говорителя, който заема по-голямата част от него. Провери тези пасажи чрез прослушване.
Кои експорти показват етикетите на говорителите?
DOCX, PDF, SRT, VTT, TXT, Markdown, ASS, JSON и споделяемата уеб страница.