Ein Interview mit Sprecherbezeichnungen transkribieren (wer was gesagt hat)
Eine kostenlose Desktop-App, die Sie einmalig installieren (Windows, macOS, Linux). Ihre Aufnahme wird auf Ihrem Computer verarbeitet, und es ist kein Konto erforderlich.
Die App unterscheidet Stimmen und kennzeichnet sie als Sprecher 00, Sprecher 01 usw. Sie weiß nicht, wer wer ist, bis Sie die Sprecher umbenennen. Ähnliche Stimmen, kurze Antworten, überlappendes Sprechen und Hintergrundgeräusche können zu falschen Zuordnungen führen. Aktivieren Sie zu Beginn „Sprecher erkennen“ auf dem Reiter „Transkribieren“ und klicken Sie auf „Transkribieren“.
Bevor Sie beginnen
Die Windows- und Mac-Builds enthalten bereits die Modelle zur Sprechererkennung. Laden Sie die App ausschließlich von der offiziellen GitHub-Releases-Seite herunter; der Installer ist nicht code-signiert, daher warnt Windows möglicherweise (Weitere Informationen > Trotzdem ausführen). Siehe auch die Startseite und die Installationsanleitung.
So fügen Sie einem Transkript Sprecherbezeichnungen hinzu
- Aufnahme hinzufügen. Ziehen Sie auf dem Reiter Transkribieren eine Audio- oder Videodatei hinein oder klicken Sie auf Dateien durchsuchen.... Ein Link aus dem Reiter Videos herunterladen funktioniert ebenfalls, da er dieselben Transkriptionseinstellungen verwendet.
- Wählen Sie die Sprache oder belassen Sie es auf Auto.
- Aktivieren Sie „Sprecher erkennen“. Wenn das Feld Sprecher erkennen (nicht verfügbar) anzeigt, fahren Sie mit der Maus darüber, um den Grund zu sehen. Das Auswahlfeld Sprecher darunter wird aktiv: Belassen Sie es auf Auto oder wählen Sie eine Zahl von 2 bis 10, um genau diese Anzahl von Personen vorzugeben.
- Optional: Aktivieren Sie Zeitstempel pro Wort, um Start- und Endzeiten für jedes Wort anstelle von nur jedem Satz zu speichern. Die Ausgabedatei wird dadurch größer.
- Exportformate wählen. Klicken Sie auf Erweiterte Einstellungen… und aktivieren Sie DOCX und PDF unter Ausgabeformate. SRT, TXT, Markdown und JSON enthalten die Bezeichnungen ebenfalls. Lassen Sie JSON ausgewählt: Es ist eine JSON-Datei, mit der die App die Transkriptansicht öffnet, die Sie für den letzten Schritt benötigen.
- Klicken Sie auf „Transkribieren“. Die Sprechererkennung läuft nach der Transkription und verlängert die Verarbeitungszeit. Öffnen Sie anschließend Transkript anzeigen über die Karte Letztes Ergebnis.
- Ersetzen Sie die allgemeinen Bezeichnungen durch Namen. Klicken Sie in der Ansicht mit der rechten Maustaste auf eine Zelle in der Spalte Sprecher, wählen Sie „Sprecher 00“ umbenennen (überall)..., tippen Sie den Namen ein und klicken Sie auf Änderungen speichern (Ctrl+S). Die Word- und Textdateien daneben werden neu erstellt, sofern sie noch mit dem ursprünglichen Transkript übereinstimmen; eine PDF-Datei nicht, exportieren Sie diese daher nach dem Umbenennen erneut.
Wie die Bezeichnungen aussehen
Jedes Segment beginnt mit seinem Sprecher. In einem Word- oder PDF-Transkript besteht die Zeile aus einem Zeitstempel, dem fettgedruckten Sprecher und dann dem Text. SRT, VTT und TXT setzen Sprecher 00: vor den Text, ASS behält ihn im eigenen Namensfeld, und JSON speichert ihn als Sprecher-Feld. Die teilbare Webseite zeigt ihn ebenfalls an. Die folgenden Zeilen veranschaulichen das Layout, sie sind keine reale Ausgabe:
[00:00:04] Speaker 00: So where do we start?
[00:00:07] Speaker 01: With the recording itself.Gut zu wissen
- Eine Bezeichnung pro Segment. Jedes Transkriptsegment erhält den Sprecher, dessen erkannte Sprache sich am meisten damit überschneidet. Wenn zwei Personen innerhalb eines Segments oder gleichzeitig sprechen, trägt das gesamte Segment eine einzige Bezeichnung. Ein Segment ohne erkannte Sprachüberschneidung erhält keine.
- Eine einzelne Zeile korrigieren. Das Umbenennen ändert alle Zeilen mit dieser Bezeichnung gleichzeitig. Die Ansicht bietet keine Möglichkeit, den Sprecher einer einzelnen Zeile zu ändern; korrigieren Sie einzelne Zeilen daher manuell in der exportierten Word- oder Textdatei.
- Allgemeine Bezeichnungen. Bezeichnungen sind nummeriert, und die Nummern sind innerhalb einer Datei einheitlich, jedoch nicht dateiübergreifend.
- Wenn die Anzahl falsch erscheint, setzen Sie Sprecher auf die tatsächliche Anzahl von Personen, anstatt es auf „Auto“ zu belassen.
- Offline, kein Hugging-Face-Konto. Es läuft auf Ihrem eigenen Computer und benötigt zusätzliche Zeit neben der Transkription.
- Wort-Timing. Zeitstempel pro Wort werden in der JSON-Datei gespeichert und für Karaoke-Hervorhebungen in VTT und ASS genutzt.
Fragen
Benennt es die Sprecher automatisch?
Nicht standardmäßig. Die Bezeichnungen lauten Sprecher 00, Sprecher 01 usw. Nutzen Sie die Umbenennen-Option in der Transkriptansicht, um ihnen Namen zuzuweisen.
Wie viele Sprecher kann es unterscheiden?
Belassen Sie Sprecher auf Auto und die App entscheidet selbst, oder geben Sie eine feste Zahl von 2 bis 10 vor, wenn Sie sie kennen.
Kann es Personen trennen, die gleichzeitig sprechen?
Nein. Gleichzeitiges Sprechen wird nicht aufgeteilt: Ein Segment erhält eine Bezeichnung — den Sprecher, der den größten Teil abdeckt. Prüfen Sie solche Passagen durch Anhören.
Welche Exporte enthalten die Sprecherbezeichnungen?
DOCX, PDF, SRT, VTT, TXT, Markdown, ASS, JSON und die teilbare Webseite.