Interjú átírása beszélőcímkékkel (ki mit mondott)
Egy ingyenes asztali alkalmazás, amelyet csak egyszer kell telepítened (Windows, macOS, Linux). A felvételed feldolgozása a saját gépeden történik, és nincs szükség felhasználói fiókra.
Az alkalmazás megkülönbözteti a hangokat, és Speaker 00, Speaker 01 stb. címkével látja el őket. Nem tudja, hogy ki kicsoda, amíg át nem nevezed őket. A hasonló hangok, a rövid válaszok, az egymás szavába vágás és a háttérzaj téves címkéket okozhatnak. A kezdéshez jelöld be a Beszélők azonosítása opciót az Átírás lapon, majd kattints az Átírás gombra.
Mielőtt elkezdenéd
A Windows- és Mac-verziók tartalmazzák a beszélőfelismerő modelleket. Az alkalmazást kizárólag a hivatalos GitHub-kiadások oldaláról töltsd le; a telepítő nem rendelkezik kódaláírással, így a Windows figyelmeztetést jeleníthet meg (További információ > Futtatás mindenképpen). Lásd még a kezdőlapot és a telepítési útmutatót.
Hogyan adhatsz beszélőcímkéket egy átirathoz
- Add hozzá a felvételt. Az Átírás lapon húzz be egy hang- vagy videófájlt, vagy kattints a Fájlok tallózása... gombra. A Videók letöltése lapról származó hivatkozás is használható, mivel ugyanazokat az Átírás-beállításokat használja.
- Válaszd ki a nyelvet, vagy hagyd az Auto beállításon.
- Jelöld be a Beszélők azonosítása opciót. Ha a jelölőnégyzeten a Beszélők azonosítása (nem érhető el) szöveg látható, vidd fölé az egeret az ok megtekintéséhez. Az alatta lévő Beszélők választó bekapcsol: hagyd Auto értéken, vagy válassz egy számot 2-től 10-ig, hogy pontosan ennyi személyre szűkítsd.
- Nem kötelező: jelöld be a Szónkénti időbélyegek lehetőséget, ha a mondatok helyett minden egyes szóhoz szeretnél kezdő és záró időpontot tárolni. A kimenet mérete így nagyobb lesz.
- Válaszd ki az exportálási formátumokat. Kattints a Speciális beállítások… lehetőségre, és jelöld be a DOCX és a PDF formátumot a Kimeneti formátumok alatt. Az SRT, TXT, Markdown és JSON fájlok szintén tartalmazzák a címkéket. A JSON maradjon bejelölve: az alkalmazás ezt a JSON-fájlt használja az átiratmegtekintő megnyitásához, amire az utolsó lépésben szükséged lesz.
- Kattints az Átírás gombra. A beszélők felismerése az átírás után fut le, és növeli a feldolgozási időt. Ezután nyisd meg az Átirat megtekintése lehetőséget az Utolsó eredmény kártyáról.
- Cseréld le az általános címkéket nevekre. A megtekintőben kattints jobb gombbal a Beszélő oszlop egy cellájára, válaszd a 'Speaker 00' átnevezése (mindenhol)... parancsot, írd be a nevet, majd kattints a Módosítások mentése (Ctrl+S) gombra. A mellette lévő Word- és szövegfájlok automatikusan újraépülnek, amennyiben még megegyeznek az eredeti átirattal; a PDF viszont nem, ezért azt az átnevezés után exportáld újra.
Hogyan néznek ki a címkék
Minden szegmens a hozzá tartozó beszélővel kezdődik. Word vagy PDF formátumú átiratban a sor egy időbélyeggel indul, ezt követi a félkövér beszélőnév, majd a szöveg. Az SRT, VTT és TXT formátumok a szöveg elé illesztik a Speaker 00: jelölést, az ASS a saját név mezőjében tartja, a JSON pedig speaker mezőként tárolja. A megosztható weboldalon is látható. Az alábbi sorok az elrendezés illusztrációi, nem valódi kimenetet ábrázolnak:
[00:00:04] Speaker 00: So where do we start?
[00:00:07] Speaker 01: With the recording itself.Hasznos tudnivalók
- Szegmensenként egy címke. Az átirat minden szegmense ahhoz a beszélőhöz kerül, akinek az észlelt beszéde a leginkább átfedi azt. Ha egy szegmensen belül ketten beszélnek, vagy egymás szavába vágnak, a teljes szegmens egyetlen címkét kap. Az a szegmens, amelyet nem fed át észlelt beszéd, nem kap címkét.
- Egyetlen sor javítása. Az átnevezés az adott címkével ellátott összes sort egyszerre módosítja. A megtekintőben nincs lehetőség csak egyetlen sor beszélőjének módosítására, így az egyes sorokat manuálisan kell javítani az exportált Word- vagy szövegfájlban.
- Általános nevek. A címkék számozva vannak; a számozás egy adott fájlon belül állandó, de a különböző fájlok között már nem.
- Ha a létszám pontatlannak tűnik, állítsd a Beszélők mezőt a személyek valós számára ahelyett, hogy Auto értéken hagynád.
- Offline, Hugging Face-fiók nélkül. A saját számítógépeden fut, és az átírási időn felül további időt igényel.
- Szóidőzítés. A szónkénti időbélyegeket a JSON-fájl tárolja, amelyeket a VTT és az ASS használ a karaoke-jellegű kiemeléshez.
Kérdések
Megnevezi a beszélőket helyettem?
Alapból nem. A címkék Speaker 00, Speaker 01 és így tovább formában jelennek meg. Használd az átnevezési lehetőséget az átirat-megjelenítőben, hogy nevekre cseréld őket.
Hány beszélőt tud megkülönböztetni?
Hagyd a Beszélők beállítást Automatikus értéken, és az alkalmazás dönt, vagy adj meg egy számot 2 és 10 között, ha tudod.
Szét tudja választani az egyszerre beszélő embereket?
Nem. Az egymásra beszélést nem választja szét: egy szegmens egyetlen címkét kap, annak a beszélőnek a jelölését, aki a legnagyobb részét lefedi. Ellenőrizd ezeket a részeket meghallgatással.
Mely exportálási formátumok mutatják a beszélők címkéit?
DOCX, PDF, SRT, VTT, TXT, Markdown, ASS, JSON és a megosztható weboldal.