वक्ता लेबल (किसने क्या कहा) के साथ इंटरव्यू ट्रांसक्राइब करें
एक मुफ़्त डेस्कटॉप ऐप जिसे आप एक बार इंस्टॉल करते हैं (Windows, macOS, Linux)। आपकी रिकॉर्डिंग आपके कंप्यूटर पर प्रोसेस होती है, और किसी अकाउंट की ज़रूरत नहीं है।
ऐप आवाज़ों में अंतर करता है और उन्हें Speaker 00, Speaker 01 आदि के रूप में लेबल करता है। जब तक आप उनका नाम नहीं बदलते, तब तक इसे पता नहीं होता कि कोई कौन है। समान आवाज़ें, छोटे जवाब, ओवरलैपिंग भाषण और बैकग्राउंड शोर गलत लेबल का कारण बन सकते हैं। शुरू करने के लिए, ट्रांसक्राइब करें टैब पर वक्ताओं की पहचान करें टिक करें और ट्रांसक्राइब करें दबाएं।
शुरू करने से पहले
Windows और Mac बिल्ड्स में स्पीकर-डिटेक्शन मॉडल शामिल हैं। ऐप को केवल आधिकारिक GitHub रिलीज़ पेज से प्राप्त करें; इंस्टॉलर कोड-साइन नहीं है, इसलिए Windows चेतावनी दे सकता है (अधिक जानकारी > फिर भी चलाएं)। इसके अलावा होम पेज और इंस्टॉल गाइड भी देखें।
ट्रांसक्रिप्ट में वक्ता लेबल कैसे जोड़ें
- रिकॉर्डिंग जोड़ें। ट्रांसक्राइब करें टैब पर, कोई ऑडियो या वीडियो फ़ाइल खींचें या फ़ाइलें ब्राउज़ करें... पर क्लिक करें। वीडियो डाउनलोड करें टैब से लिंक भी काम करता है, क्योंकि यह उन्हीं ट्रांसक्राइब करें सेटिंग्स का उपयोग करता है।
- भाषा चुनें, या इसे ऑटो पर छोड़ दें।
- वक्ताओं की पहचान करें टिक करें। यदि बॉक्स में वक्ताओं की पहचान करें (उपलब्ध नहीं) लिखा हो, तो कारण देखने के लिए उस पर माउस लाएं। उसके नीचे का वक्ता पिकर चालू हो जाता है: इसे ऑटो पर छोड़ दें, या ठीक उतने ही लोगों को फ़ोर्स करने के लिए 2 से 10 तक कोई संख्या चुनें।
- वैकल्पिक: केवल हर वाक्य के बजाय हर शब्द के लिए शुरुआत और समाप्ति समय स्टोर करने के लिए हर शब्द के टाइमस्टैम्प टिक करें। आउटपुट बड़ा हो जाता है।
- निर्यात फ़ॉर्मेट चुनें। उन्नत सेटिंग्स… पर क्लिक करें और आउटपुट फ़ॉर्मेट के तहत DOCX और PDF टिक करें। SRT, TXT, Markdown और JSON में भी लेबल आते हैं। JSON को टिक रखें: यह एक JSON फ़ाइल है जिसका उपयोग ऐप ट्रांसक्रिप्ट व्यूअर खोलने के लिए करता है, जिसकी आपको आखिरी कदम के लिए ज़रूरत है।
- ट्रांसक्राइब करें क्लिक करें। स्पीकर डिटेक्शन ट्रांसक्रिप्शन के बाद चलता है और प्रोसेसिंग समय बढ़ाता है। फिर आखिरी नतीजा कार्ड से ट्रांसक्रिप्ट देखें खोलें।
- जेनेरिक लेबल को नामों से बदलें। व्यूअर में, वक्ता कॉलम में किसी सेल पर राइट-क्लिक करें, 'Speaker 00' का नाम बदलें (हर जगह)... चुनें, नाम टाइप करें और बदलाव सहेजें (Ctrl+S) पर क्लिक करें। बगल की Word और टेक्स्ट फ़ाइलें तब फिर से बनाई जाती हैं जब वे अभी भी मूल ट्रांसक्रिप्ट से मेल खाती हैं; PDF नहीं, इसलिए नाम बदलने के बाद इसे फिर से निर्यात करें।
लेबल कैसे दिखते हैं
हर सेगमेंट अपने वक्ता के साथ शुरू होता है। Word या PDF ट्रांसक्रिप्ट में लाइन एक टाइमस्टैम्प होती है, वक्ता बोल्ड में, फिर टेक्स्ट। SRT, VTT और TXT टेक्स्ट के सामने Speaker 00: लगाते हैं, ASS इसे अपने नाम फ़ील्ड में रखता है, और JSON इसे वक्ता फ़ील्ड के रूप में स्टोर करता है। शेयर करने योग्य वेब पेज इसे दिखाता है। नीचे की लाइनें लेआउट का एक उदाहरण हैं, वास्तविक आउटपुट नहीं:
[00:00:04] Speaker 00: So where do we start?
[00:00:07] Speaker 01: With the recording itself.जानना अच्छा है
- प्रति सेगमेंट एक लेबल। हर ट्रांसक्रिप्ट सेगमेंट को उस वक्ता का लेबल मिलता है जिसकी पहचाना गया भाषण उससे सबसे ज़्यादा ओवरलैप करता है। यदि दो लोग एक ही सेगमेंट के भीतर बात करते हैं, या एक-दूसरे के ऊपर, तो पूरे सेगमेंट में एक ही लेबल होता है। जिस सेगमेंट में कोई पहचाना गया भाषण ओवरलैप नहीं होता, उसे कोई नहीं मिलता।
- एक लाइन को ठीक करना। नाम बदलने से उस लेबल वाली हर लाइन एक साथ बदल जाती है। व्यूअर में एक लाइन के वक्ता को बदलने का कोई तरीका नहीं है, इसलिए निर्यात की गई Word या टेक्स्ट फ़ाइल में एक-एक लाइन को हाथ से ठीक करें।
- जेनेरिक नाम। लेबल नंबर दिए गए हैं, और नंबर एक फ़ाइल के अंदर स्थिर होते हैं लेकिन फ़ाइलों के बीच नहीं।
- यदि काउंट गलत लगता है, तो Auto पर छोड़ने के बजाय वक्ता को लोगों की वास्तविक संख्या पर सेट करें।
- ऑफ़लाइन, कोई Hugging Face अकाउंट नहीं। यह आपके अपने कंप्यूटर पर चलता है, और ट्रांसक्रिप्शन के अलावा अतिरिक्त समय लेता है।
- शब्द टाइमिंग। हर शब्द के टाइमस्टैम्प JSON फ़ाइल में स्टोर किए जाते हैं और VTT और ASS में कराओके-स्टाइल हाइलाइटिंग के लिए उपयोग होते हैं।
सवाल
क्या यह मेरे लिए वक्ताओं के नाम बताता है?
डिफ़ॉल्ट रूप से नहीं। लेबल में Speaker 00, Speaker 01 और इसी तरह लिखा होता है। उन्हें नाम में बदलने के लिए ट्रांसक्रिप्ट व्यूअर में नाम बदलने के विकल्प का उपयोग करें।
यह कितने वक्ताओं को अलग पहचान सकता है?
Speakers को Auto पर छोड़ दें और ऐप तय करेगा, या जब आप जानते हों तो 2 से 10 के बीच की संख्या सेट करें।
क्या यह उन लोगों को अलग कर सकता है जो एक ही समय में बोलते हैं?
नहीं। क्रॉसटॉक विभाजित नहीं होता है: एक सेगमेंट को एक ही लेबल मिलता है, जो वक्ता उसके अधिकांश हिस्से में बोलता है। उन अंशों को सुनकर जांचें।
किन निर्यातों में वक्ताओं के लेबल दिखाई देते हैं?
DOCX, PDF, SRT, VTT, TXT, Markdown, ASS, JSON और साझा करने योग्य वेब पेज।