Transkriber et intervju med talermerking (hvem sa hva)
En gratis skrivebordsapp du installerer én gang (Windows, macOS, Linux). Opptaket ditt behandles på datamaskinen din, og du trenger ingen konto.
Appen skiller ulike stemmer og merker dem som Speaker 00, Speaker 01 og så videre. Den vet ikke hvem noen er før du gir dem nye navn. Lignende stemmer, korte svar, overlappende tale og bakgrunnsstøy kan føre til feil merking. For å starte krysser du av for Identifiser talere i Transkriber-fanen og trykker på Transkriber.
Før du begynner
Windows- og Mac-versjonene inkluderer modellene for talergjenkjenning. Hent appen kun fra den offisielle utgivelsessiden på GitHub; installasjonsprogrammet er ikke kodesignert, så Windows kan advare (Mer info > Kjør likevel). Se også startsiden og installasjonsveiledningen.
Slik legger du til talermerking i en transkripsjon
- Legg til opptaket. I Transkriber-fanen drar du inn en lyd- eller videofil eller klikker på Bla gjennom filer.... En lenke fra fanen Last ned videoer fungerer også, fordi den bruker de samme Transkriber-innstillingene.
- Velg Språk, eller la det stå på Auto.
- Kryss av for Identifiser talere. Hvis boksen viser Identifiser talere (utilgjengelig), kan du holde musepekeren over den for å se hvorfor. Velgeren for Talere nedenfor aktiveres: la den stå på Auto, eller velg et tall fra 2 til 10 for å angi nøyaktig så mange personer.
- Valgfritt: kryss av for Tidsstempler per ord for å lagre start- og sluttidspunkt for hvert ord i stedet for bare for hver setning. Utdataene blir større.
- Velg eksportformater. Klikk på Avanserte innstillinger… og kryss av for DOCX og PDF under Utdataformater. SRT, TXT, Markdown og JSON inneholder også merkingen. La JSON forbli krysset av: dette er en JSON-fil appen bruker til å åpne transkripsjonsvisningen, som du trenger i det siste trinnet.
- Klikk på Transkriber. Talergjenkjenning kjører etter transkripsjonen og krever ekstra behandlingstid. Åpne deretter Vis transkripsjon fra kortet Siste resultat.
- Erstatt de generiske etikettene med navn. I visningen høyreklikker du på en celle i kolonnen Taler, velger Endre navn på 'Speaker 00' (overalt)..., skriver inn navnet og klikker på Lagre endringer (Ctrl+S). Word- og tekstfilene ved siden av gjenoppbygges hvis de fremdeles samsvarer med den opprinnelige transkripsjonen; en PDF gjør ikke det, så eksporter den på nytt etter at du har endret navn.
Slik ser merkingen ut
Hvert segment starter med taleren. I en transkripsjon i Word eller PDF består linjen av et tidsstempel, taleren i fet skrift, og deretter teksten. SRT, VTT og TXT setter Speaker 00: foran teksten, ASS beholder det i sitt eget navnefelt, og JSON lagrer det som et talerfelt. Den delbare nettsiden viser det også. Linjene nedenfor er en illustrasjon av oppsettet, ikke faktiske utdata:
[00:00:04] Speaker 00: So where do we start?
[00:00:07] Speaker 01: With the recording itself.Kjekt å vite
- Én merking per segment. Hvert transkripsjonssegment tildeles taleren hvis registrerte tale overlapper mest med segmentet. Hvis to personer snakker innenfor samme segment, eller i munnen på hverandre, får hele segmentet én enkelt merking. Et segment der ingen registrert tale overlapper, får ingen.
- Retting av enkeltlinjer. Når du endrer navn, oppdateres alle linjer med den merkingen samtidig. Visningsprogrammet har ingen mulighet til å endre taler for bare én linje, så enkelte linjer må korrigeres manuelt i den eksporterte Word- eller tekstfilen.
- Generiske navn. Merkingene er nummerert, og numrene er konsistente innenfor én fil, men ikke på tvers av ulike filer.
- Hvis antallet ser feil ut, setter du Talere til det faktiske antallet personer i stedet for å la den stå på Auto.
- Frakoblet, ingen Hugging Face-konto. Den kjører på din egen datamaskin og tar ekstra tid i tillegg til transkripsjonen.
- Ordtiming. Tidsstempler per ord lagres i JSON-filen og brukes til karaoke-lignende utheving i VTT og ASS.
Spørsmål
Gir den navn til talerne for meg?
Ikke rett ut av boksen. Etikettene viser Speaker 00, Speaker 01 og så videre. Bruk omdøpingsvalget i transkripsjonsvisningen for å gjøre dem om til navn.
Hvor mange talere kan den skille fra hverandre?
La Talere stå på Auto, så bestemmer appen, eller overstyr med et tall fra 2 til 10 når du vet det.
Kan den skille personer som snakker samtidig?
Nei. Overlappende tale deles ikke opp: et segment får én etikett, taleren som dekker mesteparten av det. Sjekk disse partiene ved å lytte.
Hvilke eksporter viser taleretikettene?
DOCX, PDF, SRT, VTT, TXT, Markdown, ASS, JSON og den delbare nettsiden.