Transkribera en intervju med talaretiketter (vem som sa vad)
En gratis skrivbordsapp som du installerar en gång (Windows, macOS, Linux). Din inspelning bearbetas på din dator, och inget konto behövs.
Appen skiljer på röster och märker dem som Speaker 00, Speaker 01 och så vidare. Den vet inte vem någon är förrän du byter namn på dem. Liknande röster, korta svar, överlappande tal och bakgrundsljud kan leda till felaktiga etiketter. För att komma igång kryssar du i Identifiera talare på fliken Transkribera och trycker på Transkribera.
Innan du börjar
Versionerna för Windows och Mac inkluderar modellerna för talaridentifiering. Hämta appen endast från den officiella GitHub-releasesidan; installationsprogrammet är inte kodsignerat, så Windows kan varna (Mer information > Kör ändå). Se även startsidan och installationsguiden.
Hur du lägger till talaretiketter i en transkription
- Lägg till inspelningen. Dra in en ljud- eller videofil på fliken Transkribera eller klicka på Bläddra bland filer.... En länk från fliken Ladda ned videor fungerar också, eftersom den använder samma inställningar för Transkribera.
- Välj Språk, eller lämna det på Auto.
- Kryssa i Identifiera talare. Om rutan visar Identifiera talare (inte tillgängligt) kan du hålla muspekaren över den för att se varför. Väljaren Talare därunder aktiveras: låt den stå på Auto, eller välj ett antal från 2 till 10 för att tvinga fram exakt så många personer.
- Valfritt: kryssa i Tidsstämplar per ord för att spara en start- och sluttid för varje ord istället för bara varje mening. Utdatan blir större.
- Välj exportformat. Klicka på Avancerade inställningar… och kryssa i DOCX och PDF under Utdataformat. SRT, TXT, Markdown och JSON innehåller också etiketterna. Låt JSON vara ikryssat: det är en JSON-fil som appen använder för att öppna transkriptionsvisaren, vilket du behöver för det sista steget.
- Klicka på Transkribera. Talaridentifieringen körs efter transkriberingen och förlänger bearbetningstiden. Öppna sedan Visa transkription från kortet Senaste resultat.
- Ersätt de generiska etiketterna med namn. I visaren högerklickar du på en cell i kolumnen Talare, väljer Byt namn på 'Speaker 00' (överallt)..., skriver in namnet och klickar på Spara ändringar (Ctrl+S). Word- och textfilerna bredvid den återskapas om de fortfarande matchar den ursprungliga transkriberingen; en PDF gör det inte, så exportera den igen efter namnbytet.
Hur etiketterna ser ut
Varje segment börjar med sin talare. I en Word- eller PDF-transkription består raden av en tidsstämpel, talaren i fetstil och sedan texten. SRT, VTT och TXT sätter Speaker 00: framför texten, ASS behåller det i ett eget namnfält och JSON sparar det som ett speaker-fält. Den delbara webbsidan visar det också. Raderna nedan är en illustration av layouten, inte verkliga utdata:
[00:00:04] Speaker 00: So where do we start?
[00:00:07] Speaker 01: With the recording itself.Bra att veta
- En etikett per segment. Varje transkriberingssegment tilldelas talaren vars detekterade tal överlappar det mest. Om två personer talar inom samma segment, eller i munnen på varandra, får hela segmentet en enda etikett. Ett segment där inget detekterat tal överlappar får ingen.
- Korrigera en enskild rad. Namnbytet ändrar alla rader med den etiketten samtidigt. I visaren går det inte att ändra talare för en enstaka rad, så korrigera enstaka rader manuellt i den exporterade Word- eller textfilen.
- Generiska namn. Etiketterna är numrerade och numren är stabila inom en fil, men inte mellan olika filer.
- Om antalet verkar felaktigt, ställ in Talare på det faktiska antalet personer istället för att lämna det på Auto.
- Offline, inget Hugging Face-konto. Funktionen körs på din egen dator och tar extra tid utöver själva transkriberingen.
- Ordtidsstämplar. Tidsstämplar per ord sparas i JSON-filen och används för karaokeliknande markering i VTT och ASS.
Frågor
Namnger den talarna åt mig?
Inte direkt från start. Etiketterna visar Speaker 00, Speaker 01 och så vidare. Använd alternativet för att byta namn i transkriptionsvisaren för att göra om dem till namn.
Hur många talare kan den skilja på?
Lämna Talare på Auto så avgör appen, eller tvinga ett antal från 2 till 10 när du vet det.
Kan den separera personer som pratar samtidigt?
Nej. Samtidigt tal delas inte upp: ett segment får en etikett med den talare som täcker det mesta av det. Kontrollera de partierna genom att lyssna.
Vilka exporter visar talaretiketterna?
DOCX, PDF, SRT, VTT, TXT, Markdown, ASS, JSON och den delbara webbsidan.