Transcribe una entrevista con etiquetas de hablantes (quién dijo qué)
Una aplicación de escritorio gratuita que se instala una sola vez (Windows, macOS, Linux). Tu grabación se procesa en tu ordenador y no necesitas cuenta.
La aplicación distingue las voces y las etiqueta como Speaker 00, Speaker 01, etc. No sabe quién es nadie hasta que los renombras. Voces similares, respuestas cortas, voces superpuestas y ruido de fondo pueden provocar etiquetas incorrectas. Para empezar, marca Identificar hablantes en la pestaña Transcribir y pulsa Transcribir.
Antes de empezar
Las versiones para Windows y Mac incluyen los modelos de detección de hablantes. Obtén la aplicación únicamente desde la página oficial de lanzamientos en GitHub; el instalador no tiene firma de código, por lo que Windows puede advertir (Más información > Ejecutar de todas formas). Consulta también la página de inicio y la guía de instalación.
Cómo añadir etiquetas de hablantes a una transcripción
- Añade la grabación. En la pestaña Transcribir, arrastra un archivo de audio o video o haz clic en Examinar archivos.... Un enlace de la pestaña Descargar videos también sirve, ya que utiliza la misma configuración de Transcribir.
- Elige el Idioma o déjalo en Auto.
- Marca Identificar hablantes. Si la casilla indica Identificar hablantes (no disponible), pasa el cursor por encima para saber por qué. El selector Hablantes inferior se activará: déjalo en Auto o elige un número del 2 al 10 para forzar exactamente esa cantidad de personas.
- Opcional: marca Marcas de tiempo por palabra para guardar la hora de inicio y fin de cada palabra en lugar de solo por frase. La salida se hace más grande.
- Elige los formatos de exportación. Haz clic en Configuración avanzada… y marca DOCX y PDF en Formatos de salida. SRT, TXT, Markdown y JSON también llevan las etiquetas. Mantén marcado JSON: es un archivo JSON que la aplicación usa para abrir el visor de transcripciones, necesario para el último paso.
- Haz clic en Transcribir. La detección de hablantes se ejecuta después de la transcripción y añade tiempo de procesamiento. Luego abre Ver transcripción desde la tarjeta Último resultado.
- Sustituye las etiquetas genéricas por nombres. En el visor, haz clic derecho en una celda de la columna Hablante, elige Renombrar 'Speaker 00' (en todas partes)..., escribe el nombre y haz clic en Guardar cambios (Ctrl+S). Los archivos de Word y de texto situados junto a él se reconstruyen si todavía coinciden con la transcripción original; un PDF no, así que expórtalo de nuevo tras renombrarlo.
Cómo son las etiquetas
Cada segmento comienza con su hablante. En una transcripción en Word o PDF, la línea consta de una marca de tiempo, el hablante en negrita y el texto. SRT, VTT y TXT añaden Speaker 00: delante del texto, ASS lo mantiene en su propio campo de nombre y JSON lo guarda en un campo de hablante. La página web para compartir también lo muestra. Las siguientes líneas son una ilustración del diseño, no una salida real:
[00:00:04] Speaker 00: So where do we start?
[00:00:07] Speaker 01: With the recording itself.A tener en cuenta
- Una etiqueta por segmento. A cada segmento de la transcripción se le asigna el hablante cuya voz detectada coincida más con él. Si dos personas hablan dentro de un segmento, o se pisan, todo el segmento llevará una única etiqueta. Un segmento sin voz detectada superpuesta no llevará ninguna.
- Corregir una sola línea. Al renombrar se cambian a la vez todas las líneas con esa etiqueta. El visor no permite cambiar el hablante de una sola línea, así que corrige las líneas individuales a mano en el archivo de Word o texto exportado.
- Nombres genéricos. Las etiquetas están numeradas y los números son consistentes dentro de un mismo archivo, pero no entre archivos distintos.
- Si el recuento parece incorrecto, ajusta Hablantes al número real de personas en lugar de dejarlo en Auto.
- Sin conexión, sin cuenta de Hugging Face. Se ejecuta en tu propio ordenador y requiere un tiempo adicional además de la transcripción.
- Temporización por palabra. Las marcas de tiempo por palabra se guardan en el archivo JSON y se usan para el resaltado tipo karaoke en VTT y ASS.
Preguntas frecuentes
¿Identifica a los hablantes por su nombre?
No de serie. Las etiquetas indican Speaker 00, Speaker 01 y así sucesivamente. Usa la opción de renombrar en el visor de transcripción para ponerles nombre.
¿A cuántos hablantes puede distinguir?
Deja Hablantes en Auto y la aplicación decidirá, o fuerza un número del 2 al 10 cuando lo sepas.
¿Puede separar a personas que hablan al mismo tiempo?
No. Las voces solapadas no se separan: cada segmento recibe una sola etiqueta, la del interlocutor que ocupa la mayor parte. Revisa esos fragmentos escuchándolos.
¿Qué exportaciones muestran las etiquetas de hablantes?
DOCX, PDF, SRT, VTT, TXT, Markdown, ASS, JSON y la página web para compartir.