Limpiar una transcripción automática: rellenos, marcas de tiempo y capítulos

La transcripción automática se volvió lo suficientemente buena como para que ahora todos tengan transcripciones: de reuniones, entrevistas, conferencias, episodios de podcasts y notas de voz. De lo que nadie te advierte es que una transcripción sin procesar no es un documento. Es un registro de discurso, y el discurso contiene una enorme cantidad de material que existe sólo para darle al hablante medio segundo de tiempo para pensar. Convertir ese registro en algo que una persona realmente lea es un trabajo breve y repetible.

Lo que te da la máquina

Dependiendo de la herramienta, una exportación sin formato contiene alguna combinación de: palabras de relleno (mmm, oh, como, sabes, Quiero decir), comienzos en falso y tartamudeos cuando el hablante reinicia una oración, anotaciones entre corchetes como [inaudible], [laughter] o [crosstalk], etiquetas de oradores de consistencia variable y marcas de tiempo, ya sea como un archivo de subtítulos con pistas numeradas o en línea cada pocos segundos.

Cada uno de estos requiere una decisión diferente, razón por la cual un solo botón de "limpieza" rara vez produce lo que desea. El limpiador de transcripción de voz los separa: los rellenos, los tartamudeos y las anotaciones se pueden cambiar individualmente, por lo que puedes eliminarlos mmm de una entrevista manteniendo [laughter] eso es importante para la transcripción, o al revés para una charla técnica.

Decide primero para qué es la transcripción

Esto determina todo lo demás, y hacerlo después de la edición significa realizar la edición dos veces.

Un récord. Legal, médico, de investigación o cualquier cosa en la que lo que se diga importe más que cómo se lea. Conserve los rellenos, conserve los comienzos en falso, conserve las anotaciones, conserve las marcas de tiempo. No limpie nada más que los artefactos obvios de las herramientas. Editar un registro para facilitar su lectura destruye lo que lo convierte en un registro.

Algo para leer. Muestre notas, un borrador de artículo, actas de reuniones, un resumen que entregará a alguien que no estuvo presente. Quítelo todo. Los rellenos no contienen información en la página, a pesar de que sí tenían mucha en la habitación.

Entrada a un modelo. Tira agresivamente: cada relleno es una ficha por la que pagas y una página de mmm realmente degrada el resumen que recibe y también cuesta dinero.

Pasar de los subtítulos a la prosa

La mitad de todas las transcripciones llegan como SRT o VTT porque eso es lo que exporta la herramienta de transcripción. Ese formato son números de referencia, códigos de tiempo y fragmentos de texto divididos en el ancho de la pantalla en lugar de en los límites de las oraciones, ilegibles como documento.

El Convertidor de SRT a texto elimina la numeración y los códigos de tiempo y vuelve a unir los fragmentos en prosa continua. Haga esto antes del paso de relleno, no después: limpiar un archivo mientras los códigos de tiempo aún están intercalados le obliga a volver a verificar cada señal, y es fácil eliminar una línea que en realidad era una marca de tiempo.

Ir en la otra dirección también es importante. Si estás produciendo subtítulos en lugar de consumirlos, comprueba el resultado con velocidad de lectura de subtítulos, que mide caracteres por segundo por señal y marca los que nadie puede leer mientras están en la pantalla. La práctica de transmisión se sitúa alrededor de 17 caracteres por segundo para la programación para adultos y menos para la infantil; los subtítulos generados automáticamente superan habitualmente a ambos, porque la máquina no tiene concepto de espectador.

Capítulos

Una vez que tenga una transcripción limpia, tendrá la materia prima para los marcadores de capítulos, que son la adición de mayor rendimiento a un video largo o episodio de podcast: le brindan una tabla de contenido en el reproductor, enlaces profundos que las personas pueden compartir y texto que los motores de búsqueda pueden leer.

El generador de capítulos de podcast toma una lista de títulos de capítulos y sus duraciones y produce los marcadores con marca de tiempo en el formato que esperan los jugadores: compensaciones acumulativas calculadas para usted, que es la parte que es complicada a mano y fácil de equivocar en un segmento. Escriba los títulos de su transcripción limpia, coloque las longitudes de los segmentos junto a ellos y pegue el resultado en el campo de descripción.

Escriba los títulos de los capítulos como descripciones, no como etiquetas. "Por qué falló la migración" obtiene un clic; La "Parte 3" no.

El texto vuelve a salir como voz.

El viaje inverso tiene sus propios peligros. Introducir un documento en un motor de conversión de texto a voz (para una versión de audio de un artículo, una interfaz de voz o un pase de accesibilidad) produce resultados extraños cuando el texto contiene cosas que nadie diría en voz alta: la sintaxis markdown leída como caracteres, las URL deletreadas carácter por carácter, los emoji anunciados por su nombre, las tablas leídas como una secuencia de tuberías.

El desinfectante TTS maneja ese paso: elimina el marcado, convierte o elimina URL y emoji, y normaliza la puntuación que hace que los motores se detengan en lugares extraños. Ejecútelo en el texto final, después de todas las demás ediciones, ya que cualquier cosa que reintroduzca el formato lo deshace.

El orden que funciona

1. Convierta archivos de subtítulos a prosa simple.
2. Decida a qué categoría pertenece la transcripción.
3. Ejecute los pases de relleno, tartamudeo y anotación que elija.
4. Léelo una vez de principio a fin y corrige la atribución del hablante, que ninguna herramienta puede verificar por ti.
5. Extraiga los títulos de los capítulos del texto limpio y genere los marcadores.
6. Si va a un motor de voz, desinfecte al final.

Un hábito que vale la pena mantener: conservar la exportación en bruto. La limpieza genera pérdidas y la primera vez que alguien discute lo que se dijo en una reunión, querrás la versión con los comienzos en falso. Mantenga el archivo original junto al editado en lugar de editarlo en su lugar.

Las transcripciones de reuniones y entrevistas suelen ser confidenciales (llamadas legales, citas médicas, discusiones salariales, entrevistas privadas) y cargar una en un servicio web para eliminar las palabras de relleno es exactamente el oficio equivocado. Todas las herramientas aquí se ejecutan localmente en su navegador; la transcripción nunca sale de su máquina.