Transskribér et interview med talermarkører (hvem sagde hvad)
En gratis skrivebordsapp, du installerer én gang (Windows, macOS, Linux). Din optagelse behandles på din computer, og der kræves ingen konto.
Appen skelner mellem stemmerne og navngiver dem Speaker 00, Speaker 01 osv. Den ved ikke, hvem personerne er, før du omdøber dem. Ensartede stemmer, korte svar, overlappende tale og baggrundsstøj kan føre til forkerte markeringer. For at starte skal du sætte kryds ved Identificér talere på fanen Transskribér og trykke på Transskribér.
Før du går i gang
Windows- og Mac-versionerne indeholder modellerne til talergenkendelse. Hent kun appen fra den officielle GitHub-udgivelsesside; installationsprogrammet er ikke kodesigneret, så Windows advarer muligvis (Flere oplysninger > Kør alligevel). Se også forsiden og installationsvejledningen.
Sådan tilføjer du talermarkører til en transskription
- Tilføj optagelsen. På fanen Transskribér trækker du en lyd- eller videofil ind eller klikker på Gennemse filer.... Et link fra fanen Hent videoer fungerer også, fordi det bruger de samme indstillinger for Transskribér.
- Vælg sproget, eller lad det stå på Auto.
- Sæt kryds ved Identificér talere. Hvis der i feltet står Identificér talere (ikke tilgængelig), kan du holde musen over det for at se hvorfor. Vælgeren Talere nedenunder aktiveres: lad den stå på Auto, eller vælg et antal fra 2 til 10 for at gennemtvinge præcis det antal personer.
- Valgfrit: Sæt kryds ved Tidsstempler pr. ord for at gemme en start- og sluttid for hvert ord i stedet for kun hver sætning. Outputtet bliver større.
- Vælg eksportformaterne. Klik på Avancerede indstillinger…, og sæt kryds ved DOCX og PDF under Outputformater. SRT, TXT, Markdown og JSON indeholder også etiketterne. Lad krydset ved JSON stå: det er en JSON-fil, som appen bruger til at åbne transskriptionsviseren, hvilket du skal bruge i det sidste trin.
- Klik på Transskribér. Talergenkendelsen kører efter transskriberingen og forlænger behandlingstiden. Åbn derefter Vis transskription fra kortet Seneste resultat.
- Erstat de generiske markører med navne. Højreklik på en celle i kolonnen Taler i transskriptionsvisningen, vælg Omdøb 'Speaker 00' (overalt)..., indtast navnet, og klik på Gem ændringer (Ctrl+S). Word- og tekstfilerne ved siden af genopbygges, hvis de stadig matcher den oprindelige transskription; det gælder ikke en PDF, så eksportér den igen efter omdøbningen.
Sådan ser markørerne ud
Hvert segment begynder med sin taler. I en Word- eller PDF-transskription består linjen af et tidsstempel, taleren med fed skrift og derefter teksten. SRT, VTT og TXT placerer Speaker 00: foran teksten, ASS bevarer det i sit eget navnefelt, og JSON gemmer det som et speaker-felt. Den delbare webside viser det også. Linjerne nedenfor er en illustration af layoutet, ikke et reelt output:
[00:00:04] Speaker 00: So where do we start?
[00:00:07] Speaker 01: With the recording itself.Godt at vide
- Én markør pr. segment. Hvert transskriptionssegment tildeles den taler, hvis registrerede tale overlapper det mest. Hvis to personer taler i samme segment eller taler i munden på hinanden, får hele segmentet en enkelt markør. Et segment, hvor der ikke er registreret overlappende tale, får ingen.
- Rettelse af en enkelt linje. En omdøbning ændrer alle linjer med den pågældende etiket på én gang. Transskriptionsviseren giver ikke mulighed for at ændre taleren på en enkelt linje, så ret enkelte linjer manuelt i den eksporterede Word- eller tekstfil.
- Generiske navne. Talermarkeringerne er nummererede, og numrene er faste inden for én fil, men ikke på tværs af filer.
- Hvis antallet ser forkert ud, kan du indstille Talere til det faktiske antal personer i stedet for at lade den stå på Auto.
- Offline, ingen Hugging Face-konto. Behandlingen kører på din egen computer og tager ekstra tid ud over selve transskriberingen.
- Ordtiming. Tidsstempler pr. ord gemmes i JSON-filen og bruges til fremhævning i karaokestil i VTT og ASS.
Spørgsmål
Navngiver den talerne for mig?
Ikke lige ud af boksen. Etiketterne hedder Speaker 00, Speaker 01 og så videre. Brug omdøbningsfunktionen i transskriptionsviseren til at ændre dem til navne.
Hvor mange talere kan den kende forskel på?
Lad Talere stå på Auto, så bestemmer appen, eller gennemtving et tal fra 2 til 10, når du kender det.
Kan den adskille personer, der taler samtidig?
Nej. Overlappende tale opdeles ikke: et segment får én etiket, nemlig den taler, der dækker størstedelen af det. Tjek disse passager ved at lytte efter.
Hvilke eksportformater viser taleretiketterne?
DOCX, PDF, SRT, VTT, TXT, Markdown, ASS, JSON og den delbare webside.