Chép lời một cuộc phỏng vấn với nhãn người nói (ai nói gì)
Một ứng dụng máy tính để bàn miễn phí mà bạn chỉ cần cài đặt một lần (Windows, macOS, Linux). Bản ghi âm của bạn được xử lý trên máy tính của bạn và không cần tài khoản.
Ứng dụng phân biệt các giọng nói và gắn nhãn chúng là Speaker 00, Speaker 01, v.v. Ứng dụng không biết ai là ai cho đến khi bạn đổi tên. Các giọng nói tương tự, câu trả lời ngắn, giọng nói chồng chéo và tiếng ồn nền có thể gây nhãn sai. Để bắt đầu, hãy tích vào Nhận diện người nói trên tab Chép lời và nhấn Chép lời.
Trước khi bắt đầu
Bản dựng cho Windows và Mac bao gồm các mô hình nhận diện người nói. Chỉ tải ứng dụng từ trang phát hành GitHub chính thức; trình cài đặt không được ký mã, do đó Windows có thể cảnh báo (Thông tin thêm > Chạy bất chấp). Cũng xem trang chủ và hướng dẫn cài đặt.
Cách thêm nhãn người nói vào bản chép lời
- Thêm bản ghi âm. Trên tab Chép lời, kéo thả tệp âm thanh hoặc video vào hoặc nhấp vào Duyệt tệp.... Một liên kết từ tab Tải video cũng hoạt động được, vì nó sử dụng cùng cài đặt Chép lời.
- Chọn Ngôn ngữ, hoặc để ở chế độ Tự động.
- Tích vào Nhận diện người nói. Nếu hộp hiển thị Nhận diện người nói (không khả dụng), hãy di chuột qua nó để xem lý do. Bộ chọn Người nói bên dưới sẽ bật lên: để ở chế độ Tự động, hoặc chọn một số từ 2 đến 10 để ép buộc chính xác số người đó.
- Tùy chọn: tích vào Dấu thời gian từng từ để lưu trữ thời gian bắt đầu và kết thúc cho mỗi từ thay vì chỉ cho mỗi câu. Tệp đầu ra sẽ lớn hơn.
- Chọn định dạng xuất. Nhấp vào Cài đặt nâng cao… và tích vào DOCX và PDF dưới Định dạng đầu ra. SRT, TXT, Markdown và JSON cũng mang theo các nhãn. Giữ JSON được tích: đây là tệp JSON mà ứng dụng sử dụng để mở trình xem bản chép lời, thứ mà bạn cần cho bước cuối cùng.
- Nhấp vào Chép lời. Quá trình nhận diện người nói sẽ chạy sau khi chép lời và làm tăng thời gian xử lý. Sau đó mở Xem bản chép lời từ thẻ Kết quả gần nhất.
- Thay thế nhãn chung bằng tên. Trong trình xem, nhấp chuột phải vào một ô trong cột Người nói, chọn Đổi tên 'Speaker 00' (mọi nơi)..., nhập tên và nhấp vào Lưu thay đổi (Ctrl+S). Các tệp Word và văn bản nằm cạnh nó sẽ được tạo lại khi chúng vẫn khớp với bản chép lời gốc; tệp PDF thì không, vì vậy hãy xuất lại sau khi đổi tên.
Nhãn trông như thế nào
Mỗi đoạn bắt đầu bằng người nói của nó. Trong bản chép lời Word hoặc PDF, dòng đó là dấu thời gian, người nói in đậm, sau đó đến văn bản. SRT, VTT và TXT đặt Speaker 00: ở phía trước văn bản, ASS giữ nó trong trường tên riêng, và JSON lưu trữ nó dưới dạng trường người nói. Trang web có thể chia sẻ cũng hiển thị nó. Các dòng dưới đây là minh họa cho bố cục, không phải đầu ra thực tế:
[00:00:04] Speaker 00: So where do we start?
[00:00:07] Speaker 01: With the recording itself.Lưu ý quan trọng
- Một nhãn cho mỗi đoạn. Mỗi đoạn bản chép lời nhận người nói có giọng nói được nhận diện chồng lên nó nhiều nhất. Nếu hai người nói trong cùng một đoạn, hoặc nói đè lên nhau, toàn bộ đoạn sẽ mang một nhãn duy nhất. Một đoạn không có giọng nói được nhận diện chồng lên nó sẽ không có nhãn.
- Sửa một dòng duy nhất. Việc đổi tên sẽ thay đổi mọi dòng có nhãn đó cùng lúc. Trình xem không có cách nào để thay đổi người nói của một dòng, vì vậy hãy sửa các dòng đơn lẻ bằng tay trong tệp Word hoặc văn bản đã xuất.
- Tên chung. Các nhãn được đánh số, và các con số ổn định trong một tệp nhưng không ổn định giữa các tệp.
- Nếu số lượng có vẻ sai, hãy đặt Người nói thành số người thực tế thay vì để ở chế độ Tự động.
- Ngoại tuyến, không cần tài khoản Hugging Face. Nó chạy trên máy tính của bạn và mất thêm thời gian bên cạnh việc chép lời.
- Thời gian từng từ. Dấu thời gian từng từ được lưu trữ trong tệp JSON và được sử dụng để làm nổi bật theo kiểu karaoke trong VTT và ASS.
Câu hỏi
Nó có đặt tên người nói cho tôi không?
Không phải mặc định. Các nhãn hiển thị là Người nói 00, Người nói 01 và cứ thế. Sử dụng tùy chọn đổi tên trong trình xem bản ghi để chuyển chúng thành tên thật.
Nó có thể phân biệt được bao nhiêu người nói?
Để Người nói ở Tự động và ứng dụng sẽ tự quyết định, hoặc chỉ định một số từ 2 đến 10 khi bạn biết rõ.
Nó có thể tách lời của những người nói cùng lúc không?
Không. Các đoạn đan xen không được tách ra: một phân đoạn chỉ nhận một nhãn, đó là người nói chiếm phần lớn thời gian trong đoạn đó. Hãy kiểm tra lại những đoạn này bằng cách nghe.
Những định dạng xuất nào hiển thị nhãn người nói?
DOCX, PDF, SRT, VTT, TXT, Markdown, ASS, JSON và trang web có thể chia sẻ.