Transcrever uma entrevista com identificação de oradores (quem disse o quê)
Uma aplicação gratuita para computador que instala uma vez (Windows, macOS, Linux). A sua gravação é processada no seu computador e não é necessária nenhuma conta.
A aplicação distingue as vozes e identifica-as como Speaker 00, Speaker 01 e assim sucessivamente. Não sabe quem é quem até alterar os respetivos nomes. Vozes semelhantes, respostas curtas, sobreposição de vozes e ruído de fundo podem originar identificações incorretas. Para começar, assinale Identificar oradores no separador Transcrever e prima Transcrever.
Antes de começar
As versões para Windows e Mac incluem os modelos de deteção de oradores. Obtenha a aplicação apenas na página oficial de lançamentos no GitHub; o instalador não tem assinatura digital, pelo que o Windows pode apresentar um aviso (Mais informações > Executar mesmo assim). Consulte também a página inicial e o guia de instalação.
Como adicionar a identificação de oradores a uma transcrição
- Adicione a gravação. No separador Transcrever, arraste um ficheiro de áudio ou vídeo ou clique em Procurar ficheiros.... Uma ligação a partir do separador Descarregar vídeos também funciona, porque utiliza as mesmas definições de Transcrever.
- Escolha o Idioma ou deixe em Auto.
- Assinale Identificar oradores. Se a caixa indicar Identificar oradores (indisponível), passe o cursor por cima para ver o motivo. O seletor Oradores abaixo é ativado: deixe-o em Auto ou escolha um número de 2 a 10 para definir exatamente essa quantidade de pessoas.
- Opcional: assinale Marcas temporais por palavra para guardar a hora de início e de fim de cada palavra, em vez de apenas para cada frase. Os ficheiros gerados ficam maiores.
- Escolha os formatos de exportação. Clique em Definições avançadas… e assinale DOCX e PDF em Formatos de saída. Os formatos SRT, TXT, Markdown e JSON também incluem as etiquetas. Mantenha o JSON assinalado: é um ficheiro JSON que a aplicação utiliza para abrir o visualizador de transcrições, necessário para o último passo.
- Clique em Transcrever. A deteção de oradores é executada após a transcrição e aumenta o tempo de processamento. Depois, abra Ver transcrição a partir do cartão Último resultado.
- Substitua as etiquetas genéricas por nomes. No visualizador, clique com o botão direito do rato numa célula da coluna Orador, escolha Mudar o nome de 'Speaker 00' (em todo o lado)..., introduza o nome e clique em Guardar alterações (Ctrl+S). Os ficheiros do Word e de texto adjacentes são recriados quando ainda correspondem à transcrição original; um PDF não é, por isso exporte-o novamente após mudar os nomes.
O aspeto das etiquetas
Cada segmento começa com o respetivo orador. Numa transcrição em Word ou PDF, a linha é composta por uma marca temporal, o orador em negrito e depois o texto. Os formatos SRT, VTT e TXT colocam Speaker 00: antes do texto, o ASS mantém-no no seu próprio campo de nome e o JSON guarda-o como um campo speaker. A página web partilhável também o apresenta. As linhas abaixo são uma ilustração da estrutura, não o resultado real:
[00:00:04] Speaker 00: So where do we start?
[00:00:07] Speaker 01: With the recording itself.Informações úteis
- Uma etiqueta por segmento. Cada segmento da transcrição recebe o orador cuja fala detetada se sobrepõe mais a esse segmento. Se duas pessoas falarem no mesmo segmento ou ao mesmo tempo, o segmento inteiro recebe apenas uma etiqueta. Um segmento sem qualquer fala detetada sobreposta não recebe nenhuma.
- Corrigir uma única linha. Mudar o nome altera todas as linhas com essa etiqueta de uma só vez. O visualizador não permite alterar o orador de uma única linha, pelo que deve corrigir linhas individuais manualmente no ficheiro Word ou de texto exportado.
- Nomes genéricos. As etiquetas são numeradas e os números são consistentes dentro do mesmo ficheiro, mas não entre ficheiros diferentes.
- Se a contagem parecer incorreta, defina Oradores com o número real de pessoas em vez de deixar em Auto.
- Offline, sem conta do Hugging Face. É executado no seu próprio computador e requer tempo adicional para além da transcrição.
- Temporização por palavras. As marcas temporais por palavra são guardadas no ficheiro JSON e utilizadas para o realce em estilo de karaoke nos formatos VTT e ASS.
Perguntas
Atribui nomes aos oradores por mim?
Não logo à partida. As etiquetas indicam Speaker 00, Speaker 01 e assim sucessivamente. Utilize a opção de renomear no visualizador da transcrição para as transformar em nomes.
Quantos oradores consegue distinguir?
Deixe Oradores em Auto e a aplicação decide, ou force um número de 2 a 10 quando o souber.
Consegue separar pessoas que falam ao mesmo tempo?
Não. A sobreposição de vozes não é separada: um segmento recebe uma etiqueta, a do orador que ocupa a maior parte dele. Verifique essas passagens ouvindo-as.
Que exportações mostram as etiquetas dos oradores?
DOCX, PDF, SRT, VTT, TXT, Markdown, ASS, JSON e a página web partilhável.