Transcreva uma entrevista com identificação de locutores (quem falou o quê)
Um aplicativo desktop gratuito que você instala uma única vez (Windows, macOS, Linux). Sua gravação é processada no seu próprio computador, sem necessidade de conta.
O aplicativo diferencia as vozes e as identifica como Speaker 00, Speaker 01 e assim por diante. Ele não sabe quem é quem até você renomeá-los. Vozes semelhantes, respostas curtas, falas sobrepostas e ruído de fundo podem gerar identificações incorretas. Para começar, marque Identificar locutores na aba Transcrever e clique em Transcrever.
Antes de começar
As versões para Windows e Mac já incluem os modelos de detecção de locutores. Baixe o app apenas na página oficial de versões do GitHub; o instalador não possui assinatura de código, portanto o Windows pode alertar (Mais informações > Executar assim mesmo). Consulte também a página inicial e o guia de instalação.
Como adicionar identificação de locutores a uma transcrição
- Adicione a gravação. Na aba Transcrever, arraste um arquivo de áudio ou vídeo ou clique em Procurar arquivos.... Um link da aba Baixar vídeos também funciona, pois utiliza as mesmas configurações da aba Transcrever.
- Escolha o Idioma ou deixe em Auto.
- Marque Identificar locutores. Se a opção exibir Identificar locutores (indisponível), passe o mouse sobre ela para entender o motivo. O seletor Locutores logo abaixo será ativado: deixe em Auto ou escolha um número de 2 a 10 para fixar exatamente a quantidade de pessoas.
- Opcional: marque Marcas de tempo por palavra para armazenar o início e o fim de cada palavra, em vez de apenas para cada frase. Os arquivos resultantes ficarão maiores.
- Escolha os formatos de exportação. Clique em Configurações avançadas… e marque DOCX e PDF em Formatos de saída. SRT, TXT, Markdown e JSON também incluem a identificação dos locutores. Mantenha o JSON marcado: é o arquivo JSON que o app usa para abrir o visualizador de transcrição, necessário para a última etapa.
- Clique em Transcrever. A detecção de locutores é executada após a transcrição e demanda um tempo adicional de processamento. Em seguida, abra Ver transcrição a partir do cartão Último resultado.
- Substitua os rótulos genéricos por nomes. No visualizador, clique com o botão direito em uma célula na coluna Locutor, escolha Renomear 'Speaker 00' (em todos os lugares)..., digite o nome e clique em Salvar alterações (Ctrl+S). Os arquivos do Word e de texto ao lado dele são recriados caso ainda correspondam à transcrição original; o PDF não é, portanto exporte-o novamente após renomear.
Como ficam as identificações
Cada segmento começa com o respectivo locutor. Em uma transcrição no Word ou PDF, a linha traz a marca de tempo, o locutor em negrito e depois o texto. SRT, VTT e TXT colocam Speaker 00: antes do texto, ASS mantém isso em seu próprio campo de nome, e JSON armazena como um campo speaker. A página web compartilhável também exibe essa informação. As linhas abaixo ilustram o formato visual, não sendo uma saída real:
[00:00:04] Speaker 00: So where do we start?
[00:00:07] Speaker 01: With the recording itself.Bom saber
- Um rótulo por segmento. Cada segmento da transcrição recebe o locutor cuja fala detectada apresenta maior sobreposição com ele. Se duas pessoas falarem no mesmo segmento, ou uma sobre a outra, o segmento inteiro receberá um único rótulo. Um segmento sem nenhuma fala detectada sobreposta não recebe nenhum.
- Correção de uma única linha. Renomear altera todas as linhas com aquele rótulo de uma só vez. O visualizador não permite mudar o locutor de apenas uma linha, portanto faça ajustes pontuais manualmente no arquivo Word ou de texto exportado.
- Nomes genéricos. Os rótulos são numerados, e a numeração é consistente dentro de um mesmo arquivo, mas não entre arquivos diferentes.
- Se a contagem parecer incorreta, defina Locutores com o número real de pessoas em vez de deixar em Auto.
- Offline, sem necessidade de conta no Hugging Face. Roda no seu próprio computador e adiciona um tempo extra ao processo de transcrição.
- Sincronização de palavras. As marcas de tempo por palavra são salvas no arquivo JSON e usadas para destaque estilo karaokê em VTT e ASS.
Perguntas
Ele dá nome aos locutores para mim?
Não por padrão. Os rótulos aparecem como Speaker 00, Speaker 01 e assim por diante. Use a opção de renomear no visualizador de transcrição para transformá-los em nomes.
Quantos locutores ele consegue diferenciar?
Deixe Locutores em Auto e o aplicativo decide, ou force um número de 2 a 10 quando você souber.
Ele consegue separar pessoas que falam ao mesmo tempo?
Não. Falas sobrepostas não são divididas: um segmento recebe um rótulo, o do locutor que fala na maior parte dele. Verifique esses trechos ouvindo.
Quais exportações mostram os rótulos dos locutores?
DOCX, PDF, SRT, VTT, TXT, Markdown, ASS, JSON e a página web compartilhável.