Транскрибирование интервью с метками говорящих (кто что сказал)
Бесплатное десктопное приложение, которое достаточно установить один раз (Windows, macOS, Linux). Ваша запись обрабатывается прямо на вашем компьютере, и никакой аккаунт не требуется.
Приложение различает голоса и присваивает им метки Speaker 00, Speaker 01 и так далее. Оно не знает, кто говорит, пока вы не переименуете их сами. Похожие голоса, короткие ответы, наложение речи и фоновый шум могут приводить к неточным меткам. Чтобы начать, отметьте «Определить говорящих» на вкладке «Транскрибировать» и нажмите «Транскрибировать».
Перед началом работы
Сборки для Windows и Mac уже включают модели распознавания говорящих. Скачивайте приложение только с официальной страницы релизов на GitHub; у установщика нет цифровой подписи, поэтому Windows может выдать предупреждение (Подробнее > Выполнить в любом случае). Также ознакомьтесь с главной страницей и инструкцией по установке.
Как добавить метки говорящих в расшифровку
- Добавьте запись. На вкладке Транскрибировать перетащите аудио- или видеофайл либо нажмите Выбрать файлы.... Ссылка с вкладки Скачать видео тоже подойдет, так как для нее используются те же настройки вкладки «Транскрибировать».
- Выберите язык или оставьте Авто.
- Отметьте «Определить говорящих». Если пункт отображает статус Определить говорящих (недоступно), наведите на него курсор, чтобы узнать причину. Под ним станет активен выбор Говорящие: оставьте Авто или выберите число от 2 до 10, чтобы принудительно задать точное количество участников.
- Необязательно: отметьте Метки времени для каждого слова, чтобы сохранять время начала и конца каждого слова, а не только каждого предложения. Итоговые файлы станут больше.
- Выберите форматы для экспорта. Нажмите Расширенные настройки… и отметьте DOCX и PDF в разделе Выходные форматы. В SRT, TXT, Markdown и JSON эти метки тоже сохраняются. Оставьте JSON отмеченным: этот JSON-файл нужен приложению для открытия средства просмотра расшифровки, которое потребуется на последнем шаге.
- Нажмите «Транскрибировать». Определение говорящих запускается после транскрипции и занимает дополнительное время. Затем откройте Просмотреть расшифровку на карточке Последний результат.
- Замените стандартные метки именами. В средстве просмотра щелкните правой кнопкой мыши по ячейке в столбце Говорящий, выберите Переименовать «Speaker 00» (везде)..., введите имя и нажмите Сохранить изменения (Ctrl+S). Файлы Word и текстовые файлы рядом будут пересозданы, если они все еще совпадают с исходной расшифровкой; PDF заново не пересоздается, поэтому экспортируйте его повторно после переименования.
Как выглядят метки
Каждый сегмент начинается с указания говорящего. В расшифровке Word или PDF строка содержит метку времени, имя говорящего полужирным шрифтом и сам текст. В SRT, VTT и TXT перед текстом указывается Speaker 00:, в ASS оно хранится в отдельном поле имени, а в JSON — в поле speaker. На веб-странице, которой можно поделиться, метки тоже видны. Приведенные ниже строки иллюстрируют оформление, это не реальный вывод программы:
[00:00:04] Speaker 00: So where do we start?
[00:00:07] Speaker 01: With the recording itself.Полезно знать
- Одна метка на сегмент. Каждому сегменту расшифровки присваивается тот говорящий, чья обнаруженная речь больше всего с ним пересекается. Если внутри одного сегмента говорят двое или перебивают друг друга, весь сегмент получает одну общую метку. Сегмент, с которым не пересекается распознанная речь, остается без метки.
- Исправление отдельной строки. При переименовании меняются сразу все строки с этой меткой. В средстве просмотра нельзя изменить говорящего для одной строки, поэтому исправляйте отдельные реплики вручную в экспортированном файле Word или текстовом файле.
- Стандартные имена. Метки нумеруются: нумерация сохраняется в рамках одного файла, но не совпадает между разными файлами.
- Если количество определилось неверно, задайте в параметре Говорящие реальное количество людей вместо «Авто».
- Офлайн, без аккаунта Hugging Face. Функция работает прямо на вашем компьютере и требует дополнительного времени помимо транскрипции.
- Тайминг слов. Метки времени для каждого слова сохраняются в файле JSON и используются для подсветки в стиле караоке в форматах VTT и ASS.
Вопросы
Определяет ли приложение имена говорящих?
По умолчанию нет. Метки отображаются как Speaker 00, Speaker 01 и так далее. Воспользуйтесь функцией переименования в окне просмотра транскрипции, чтобы заменить их на имена.
Сколько говорящих может различать приложение?
Оставьте Говорящие на Авто, и приложение решит само, или укажите точное число от 2 до 10, если вы его знаете.
Может ли приложение разделять людей, которые говорят одновременно?
Нет. Одновременная речь не разделяется: сегмент получает одну метку — того говорящего, чья речь занимает большую часть. Проверьте такие фрагменты на слух.
В каких форматах экспорта отображаются метки говорящих?
DOCX, PDF, SRT, VTT, TXT, Markdown, ASS, JSON и веб-страница, которой можно поделиться.