Μεταγράψτε μια συνέντευξη με ετικέτες ομιλητών (ποιος είπε τι)
Μια δωρεάν εφαρμογή υπολογιστή που εγκαθιστάτε μία φορά (Windows, macOS, Linux). Η επεξεργασία της ηχογράφησής σας γίνεται στον υπολογιστή σας και δεν απαιτείται λογαριασμός.
Η εφαρμογή διαχωρίζει τις φωνές και τις επισημαίνει ως Speaker 00, Speaker 01 κ.ο.κ. Δεν γνωρίζει ποιος είναι ο καθένας μέχρι να τους μετονομάσετε. Παρόμοιες φωνές, σύντομες απαντήσεις, ταυτόχρονη ομιλία και θόρυβος παρασκηνίου μπορούν να προκαλέσουν εσφαλμένες ετικέτες. Για να ξεκινήσετε, επιλέξτε Αναγνώριση ομιλητών στην καρτέλα Μεταγραφή και πατήστε Μεταγραφή.
Πριν ξεκινήσετε
Οι εκδόσεις για Windows και Mac περιλαμβάνουν τα μοντέλα εντοπισμού ομιλητών. Κατεβάστε την εφαρμογή μόνο από την επίσημη σελίδα εκδόσεων στο GitHub· το πρόγραμμα εγκατάστασης δεν διαθέτει ψηφιακή υπογραφή κώδικα, επομένως τα Windows ενδέχεται να εμφανίσουν προειδοποίηση (Περισσότερες πληροφορίες > Εκτέλεση οπωσδήποτε). Δείτε επίσης την αρχική σελίδα και τον οδηγό εγκατάστασης.
Πώς να προσθέσετε ετικέτες ομιλητών σε μια μεταγραφή
- Προσθέστε την ηχογράφηση. Στην καρτέλα Μεταγραφή, σύρετε ένα αρχείο ήχου ή βίντεο ή κάντε κλικ στο Περιήγηση αρχείων.... Ένας σύνδεσμος από την καρτέλα Λήψη βίντεο λειτουργεί επίσης, επειδή χρησιμοποιεί τις ίδιες ρυθμίσεις Μεταγραφής.
- Επιλέξτε τη Γλώσσα ή αφήστε την στο Αυτόματο.
- Επιλέξτε Αναγνώριση ομιλητών. Αν το πλαίσιο γράφει Αναγνώριση ομιλητών (μη διαθέσιμη), τοποθετήστε τον δείκτη του ποντικιού πάνω του για να δείτε τον λόγο. Ο επιλογέας Ομιλητές από κάτω ενεργοποιείται: αφήστε τον στο Αυτόματο ή επιλέξτε έναν αριθμό από 2 έως 10 για να ορίσετε ακριβώς τόσα άτομα.
- Προαιρετικά: επιλέξτε Χρονικές σημάνσεις ανά λέξη για να αποθηκεύσετε χρόνο έναρξης και λήξης για κάθε λέξη αντί μόνο για κάθε πρόταση. Το αρχείο εξόδου γίνεται μεγαλύτερο.
- Επιλέξτε τις μορφές εξαγωγής. Κάντε κλικ στις Ρυθμίσεις για προχωρημένους… και επιλέξτε DOCX και PDF στις Μορφές εξόδου. Τα αρχεία SRT, TXT, Markdown και JSON περιλαμβάνουν επίσης τις ετικέτες. Διατηρήστε το JSON επιλεγμένο: είναι ένα αρχείο JSON που χρησιμοποιεί η εφαρμογή για να ανοίξει την προβολή μεταγραφής, την οποία χρειάζεστε για το τελευταίο βήμα.
- Πατήστε Μεταγραφή. Ο εντοπισμός ομιλητών εκτελείται μετά τη μεταγραφή και προσθέτει χρόνο επεξεργασίας. Στη συνέχεια, ανοίξτε την Προβολή μεταγραφής από την κάρτα Τελευταίο αποτέλεσμα.
- Αντικαταστήστε τις γενικές ετικέτες με ονόματα. Στην προβολή, κάντε δεξί κλικ σε ένα κελί στη στήλη Ομιλητής, επιλέξτε Μετονομασία 'Speaker 00' (παντού)..., πληκτρολογήστε το όνομα και κάντε κλικ στο Αποθήκευση αλλαγών (Ctrl+S). Τα αρχεία Word και κειμένου δίπλα του ανακατασκευάζονται όταν εξακολουθούν να αντιστοιχούν στην αρχική μεταγραφή· το PDF όχι, επομένως εξάγετέ το ξανά μετά τη μετονομασία.
Πώς εμφανίζονται οι ετικέτες
Κάθε τμήμα ξεκινά με τον ομιλητή του. Σε μια μεταγραφή Word ή PDF, η γραμμή περιλαμβάνει μια χρονική σήμανση, τον ομιλητή με έντονη γραφή και στη συνέχεια το κείμενο. Τα SRT, VTT και TXT τοποθετούν το Speaker 00: μπροστά από το κείμενο, το ASS το διατηρεί στο δικό του πεδίο ονόματος και το JSON το αποθηκεύει ως πεδίο ομιλητή. Η κοινόχρηστη ιστοσελίδα το εμφανίζει επίσης. Οι παρακάτω γραμμές αποτελούν απεικόνιση της διάταξης, όχι πραγματικό αποτέλεσμα:
[00:00:04] Speaker 00: So where do we start?
[00:00:07] Speaker 01: With the recording itself.Καλό είναι να γνωρίζετε
- Μία ετικέτα ανά τμήμα. Κάθε τμήμα της μεταγραφής λαμβάνει τον ομιλητή του οποίου η εντοπισμένη ομιλία επικαλύπτει το μεγαλύτερο μέρος του. Αν δύο άτομα μιλούν μέσα στο ίδιο τμήμα ή μιλάει ο ένας πάνω στον άλλον, ολόκληρο το τμήμα φέρει μία μόνο ετικέτα. Ένα τμήμα στο οποίο δεν επικαλύπτεται εντοπισμένη ομιλία δεν λαμβάνει καμία.
- Διόρθωση μίας μόνο γραμμής. Η μετονομασία αλλάζει ταυτόχρονα κάθε γραμμή με αυτήν την ετικέτα. Η προβολή δεν προσφέρει τρόπο αλλαγής του ομιλητή σε μία μόνο γραμμή, επομένως διορθώστε μεμονωμένες γραμμές χειροκίνητα στο εξαγόμενο αρχείο Word ή κειμένου.
- Γενικά ονόματα. Οι ετικέτες είναι αριθμημένες και οι αριθμοί παραμένουν σταθεροί μέσα στο ίδιο αρχείο, αλλά όχι μεταξύ διαφορετικών αρχείων.
- Αν ο αριθμός φαίνεται λάθος, ορίστε την επιλογή Ομιλητές στον πραγματικό αριθμό ατόμων αντί να την αφήσετε στο Αυτόματο.
- Εκτός σύνδεσης, χωρίς λογαριασμό Hugging Face. Εκτελείται στον δικό σας υπολογιστή και απαιτεί επιπλέον χρόνο πέρα από τη μεταγραφή.
- Χρονισμός λέξεων. Οι χρονικές σημάνσεις ανά λέξη αποθηκεύονται στο αρχείο JSON και χρησιμοποιούνται για επισήμανση τύπου καραόκε σε VTT και ASS.
Ερωτήσεις
Ονομάζει τους ομιλητές για εμένα;
Όχι εξαρχής. Οι ετικέτες αναγράφουν Speaker 00, Speaker 01 κ.ο.κ. Χρησιμοποιήστε την επιλογή μετονομασίας στην προβολή μεταγραφής για να τις μετατρέψετε σε ονόματα.
Πόσους ομιλητές μπορεί να ξεχωρίσει;
Αφήστε τους Ομιλητές στο Αυτόματο και η εφαρμογή αποφασίζει, ή ορίστε έναν αριθμό από 2 έως 10 όταν τον γνωρίζετε.
Μπορεί να διαχωρίσει άτομα που μιλούν ταυτόχρονα;
Όχι. Η ταυτόχρονη ομιλία δεν διαχωρίζεται: ένα τμήμα λαμβάνει μία ετικέτα, εκείνη του ομιλητή που καλύπτει το μεγαλύτερο μέρος του. Ελέγξτε αυτά τα αποσπάσματα ακούγοντάς τα.
Ποιες εξαγωγές εμφανίζουν τις ετικέτες των ομιλητών;
DOCX, PDF, SRT, VTT, TXT, Markdown, ASS, JSON και η κοινοποιήσιμη ιστοσελίδα.