Bereinigen eines automatischen Transkripts: Füllwörter, Zeitstempel und Kapitel

Die automatische Transkription ist so gut geworden, dass jetzt jeder über Transkripte verfügt – von Besprechungen, Interviews, Vorträgen, Podcast-Episoden, Sprachnotizen. Niemand warnt Sie davor, dass ein Rohtranskript kein Dokument ist. Es handelt sich um eine Aufzeichnung von Sprache, und Sprache enthält eine enorme Menge an Material, das nur dazu dient, dem Sprecher eine halbe Sekunde Bedenkzeit zu verschaffen. Diese Aufzeichnung in etwas zu verwandeln, das jemand tatsächlich liest, ist eine kurze, wiederholbare Aufgabe.

Was die Maschine Ihnen gibt

Abhängig vom Tool enthält ein Rohexport eine Mischung aus: Füllwörtern (Äh, Äh, wie, Du weisst, Ich meine), Fehlstarts und Stottern, wenn der Sprecher einen Satz neu beginnt, Anmerkungen in Klammern wie [inaudible], [laughter] oder [crosstalk], Sprecherbezeichnungen unterschiedlicher Konsistenz und Zeitstempel – entweder als Untertiteldatei mit nummerierten Hinweisen oder alle paar Sekunden inline.

Für jede davon ist eine andere Entscheidung erforderlich, weshalb ein einziger „Aufräumen“-Knopf selten zum gewünschten Ergebnis führt. Der Sprachtranskript-Reiniger trennt sie: Füller, Stutterer und Anmerkungen sind einzeln schaltbar, sodass Sie sie entfernen können Äh aus einem Interview während der Aufbewahrung [laughter] das ist für das Transkript von Bedeutung, oder umgekehrt für ein technisches Gespräch.

Entscheiden Sie zunächst, wozu das Transkript dienen soll

Dies bestimmt alles andere, und wenn man es nach der Bearbeitung macht, muss man die Bearbeitung zweimal machen.

Ein Rekord. Recht, Medizin, Forschung oder alles, wo das Gesagte wichtiger ist als die Art und Weise, wie es sich liest. Behalten Sie die Füller, behalten Sie die Fehlstarts, behalten Sie die Anmerkungen, behalten Sie die Zeitstempel bei. Reinigen Sie nur die offensichtlichen Werkzeugartefakte. Das Bearbeiten eines Datensatzes zur besseren Lesbarkeit zerstört das, was ihn zu einem Datensatz macht.

Etwas zum Lesen. Zeigen Sie Notizen, einen Artikelentwurf, ein Besprechungsprotokoll oder eine Zusammenfassung, die Sie jemandem geben, der nicht anwesend war. Zieh alles aus. Füller tragen keine Informationen auf der Seite, obwohl sie reichlich im Raum transportiert werden.

Eingabe in ein Modell. Strippen Sie aggressiv – jeder Füller ist ein Zeichen, für das Sie bezahlen, und eine Seite davon Äh verschlechtert die Zusammenfassung, die Sie zurückerhalten, erheblich und kostet Geld.

Von Untertiteln zur Prosa

Die Hälfte aller Transkripte kommt als SRT oder VTT an, da das Transkriptionstool diese exportiert. Bei diesem Format handelt es sich um Cue-Nummern, Timecodes und Textfragmente, die in der Anzeigebreite und nicht an den Satzgrenzen unterbrochen sind – als Dokument unlesbar.

Der SRT-zu-Text-Konverter verzichtet auf Nummerierung und Timecodes und fügt die Fragmente wieder zu einer fortlaufenden Prosa zusammen. Tun Sie dies vor dem Fülldurchgang, nicht danach: Wenn Sie eine Datei bereinigen, während die Timecodes noch verschachtelt sind, müssen Sie jeden Cue erneut überprüfen, und es ist einfach, eine Zeile zu entfernen, die eigentlich ein Zeitstempel war.

Es ist auch wichtig, in die andere Richtung zu gehen. Wenn Sie Untertitel produzieren, anstatt sie zu konsumieren, überprüfen Sie das Ergebnis mit Lesegeschwindigkeit der Untertitel, das Zeichen pro Sekunde pro Cue misst und diejenigen markiert, die in der Zeit, in der sie auf dem Bildschirm angezeigt werden, niemand lesen kann. Die Sendepraxis liegt bei Programmen für Erwachsene bei etwa 17 Zeichen pro Sekunde und bei Programmen für Kinder bei weniger. Automatisch generierte Untertitel übertreffen regelmäßig beides, da die Maschine keinen Begriff von einem Betrachter hat.

Kapitel

Sobald Sie ein sauberes Transkript haben, verfügen Sie über das Rohmaterial für Kapitelmarkierungen, die den ertragsstärksten Zusatz zu einer langen Video- oder Podcast-Episode darstellen: Sie erhalten ein Inhaltsverzeichnis im Player, Deep-Links, die andere teilen können, und Text, den Suchmaschinen lesen können.

Der Podcast-Kapitelgenerator Nimmt eine Liste von Kapiteltiteln und deren Dauer und erstellt die mit Zeitstempeln versehenen Markierungen in dem Format, das Spieler erwarten – kumulative Offsets, die für Sie berechnet werden, was der Teil ist, der von Hand umständlich ist und leicht um ein Segment falsch gemacht werden kann. Schreiben Sie die Titel aus Ihrem bereinigten Transkript, tragen Sie die Segmentlängen daneben ein und fügen Sie das Ergebnis in Ihr Beschreibungsfeld ein.

Schreiben Sie Kapiteltitel als Beschreibungen, nicht als Beschriftungen. „Warum die Migration fehlgeschlagen ist“ verdient einen Klick; „Teil 3“ nicht.

Text wird wieder als Sprache ausgegeben

Die Rückwärtsfahrt birgt ihre eigenen Gefahren. Das Einspeisen eines Dokuments in eine Text-to-Speech-Engine – für eine Audioversion eines Artikels, eine Sprachschnittstelle oder einen Barrierefreiheitspass – führt zu seltsamen Ergebnissen, wenn der Text Dinge enthält, die niemand laut sagen würde: markdown-Syntax, die als Zeichen gelesen wird, URLs, die Zeichen für Zeichen buchstabiert werden, Emojis, die mit Namen angekündigt werden, Tabellen, die als Strom von Pipes gelesen werden.

Der TTS-Desinfektionsmittel Behandelt diesen Pass – das Entfernen von Markups, das Konvertieren oder Entfernen von URLs und Emojis sowie die Normalisierung der Interpunktion, die dazu führt, dass Suchmaschinen an seltsamen Stellen anhalten. Führen Sie es nach allen anderen Bearbeitungen am endgültigen Text aus, da alles, was die Formatierung wieder einführt, diese rückgängig macht.

Die Reihenfolge, die funktioniert

1. Konvertieren Sie Untertiteldateien in einfache Prosa.
2. Entscheiden Sie, zu welcher Kategorie das Transkript gehört.
3. Führen Sie die von Ihnen gewählten Füll-, Stotter- und Anmerkungsdurchgänge aus.
4. Lesen Sie es einmal vollständig durch und korrigieren Sie die Sprecherzuordnung, die kein Tool für Sie überprüfen kann.
5. Ziehen Sie Kapiteltitel aus dem bereinigten Text heraus und generieren Sie die Markierungen.
6. Wenn es an eine Sprachmaschine geht, bereinigen Sie es zuletzt.

Eine Gewohnheit, die es wert ist, beibehalten zu werden: Behalten Sie den Rohexport bei. Das Bereinigen ist verlustbehaftet, und wenn jemand zum ersten Mal bestreitet, was in einer Besprechung gesagt wurde, möchten Sie die Version mit den Fehlanfängen darin haben. Bewahren Sie die Originaldatei neben der bearbeiteten Datei auf, anstatt sie direkt zu bearbeiten.

Protokolle von Besprechungen und Interviews sind häufig vertraulich – etwa Anwaltsgespräche, Arzttermine, Gehaltsverhandlungen, private Interviews – und es ist genau das falsche Geschäft, eines auf einen Webdienst hochzuladen, um die Füllwörter entfernen zu lassen. Jedes Tool hier läuft lokal in Ihrem Browser; Das Transkript verlässt niemals Ihren Computer.