Nettoyer une transcription automatique : remplissages, horodatages et chapitres

La transcription automatique est devenue suffisamment performante pour que tout le monde dispose désormais de transcriptions : réunions, interviews, conférences, épisodes de podcast, notes vocales. Ce dont personne ne vous prévient, c’est qu’une transcription brute n’est pas un document. Il s’agit d’un enregistrement de parole, et la parole contient une énorme quantité de matériel qui n’existe que pour donner à l’orateur une demi-seconde de temps de réflexion. Transformer cet enregistrement en quelque chose qu’une personne pourra réellement lire est un travail court et reproductible.

Ce que la machine vous apporte

Selon l'outil, une exportation brute contient un mélange de : des mots de remplissage (euh, euh, comme, Vous savez, Je veux dire), les faux départs et les bégaiements lorsque le locuteur recommence une phrase, les annotations entre crochets telles que [inaudible], [laughter] ou [crosstalk], des étiquettes de haut-parleur de cohérence variable et des horodatages – soit sous forme de fichier de sous-titres avec des indices numérotés, soit en ligne toutes les quelques secondes.

Chacun de ces éléments nécessite une décision différente, c'est pourquoi un seul bouton « nettoyer » produit rarement ce que vous voulez. Le nettoyeur de transcription vocale les sépare : les remplissages, les bégaiements et les annotations sont commutables individuellement, vous pouvez donc les supprimer euh d'un entretien tout en gardant [laughter] cela compte pour la transcription, ou l’inverse pour un exposé technique.

Décidez d’abord à quoi sert la transcription

Cela détermine tout le reste, et le faire après le montage signifie faire le montage deux fois.

Un record. Juridique, médical, de recherche ou tout ce qui a été dit compte plus que la façon dont il est lu. Conservez les remplissages, conservez les faux départs, conservez les annotations, conservez les horodatages. Ne nettoyez rien d'autre que les artefacts évidents de l'outil. La modification d'un enregistrement pour en améliorer la lisibilité détruit ce qui en fait un enregistrement.

Quelque chose à lire. Affichez des notes, un brouillon d'article, un compte rendu de réunion, un résumé que vous remettrez à quelqu'un qui n'était pas là. Enlevez tout cela. Les remplisseurs ne portent aucune information sur la page, même s’ils en transportaient beaucoup dans la pièce.

Entrée dans un modèle. Déshabillez-vous de manière agressive : chaque remplissage est un jeton pour lequel vous payez et une page de euh cela dégrade véritablement le résumé que vous obtenez et coûte de l'argent.

Passer des sous-titres à la prose

La moitié de toutes les transcriptions arrivent au format SRT ou VTT car c'est ce que l'outil de transcription exporte. Ce format est constitué de numéros de repère, de codes temporels et de fragments de texte divisés en largeur d'affichage plutôt qu'en limites de phrase - illisibles en tant que document.

Le Convertisseur SRT en texte supprime la numérotation et les codes temporels et rejoint les fragments en prose continue. Faites-le avant la passe de remplissage, pas après : nettoyer un fichier alors que les codes temporels sont encore entrelacés vous oblige à revérifier chaque signal, et il est facile de supprimer une ligne qui était en fait un horodatage.

Aller dans l’autre sens compte aussi. Si vous produisez des sous-titres plutôt que de les consommer, vérifiez le résultat avec vitesse de lecture des sous-titres, qui mesure les caractères par seconde et par signal et signale ceux que personne ne peut lire pendant leur passage à l'écran. La pratique de diffusion se situe autour de 17 caractères par seconde pour les émissions pour adultes et moins pour les émissions pour enfants ; les sous-titres générés automatiquement dépassent régulièrement les deux, car la machine n'a aucune notion de spectateur.

Chapitres

Une fois que vous avez une transcription claire, vous disposez de la matière première pour les marqueurs de chapitre, qui sont l'ajout le plus rentable à une longue vidéo ou un épisode de podcast : ils vous fournissent une table des matières dans le lecteur, des liens profonds que les gens peuvent partager et du texte que les moteurs de recherche peuvent lire.

Le générateur de chapitres de podcast prend une liste de titres de chapitre et de leurs durées et produit les marqueurs horodatés dans le format attendu par les joueurs – des décalages cumulatifs calculés pour vous, qui est la partie délicate à la main et facile à tromper d'un segment. Écrivez les titres de votre transcription nettoyée, placez les longueurs de segment à côté d'eux et collez le résultat dans votre champ de description.

Écrivez les titres des chapitres sous forme de descriptions et non d'étiquettes. « Pourquoi la migration a échoué » rapporte un clic ; "Partie 3" ne le fait pas.

Texte restitué sous forme de discours

Le voyage inverse comporte ses propres dangers. Envoyer un document à un moteur de synthèse vocale – pour une version audio d'un article, une interface vocale ou un pass d'accessibilité – produit des résultats étranges lorsque le texte contient des choses que personne ne dirait à haute voix : la syntaxe markdown lue sous forme de caractères, les URL épelées caractère par caractère, les emoji annoncés par leur nom, les tableaux lus comme un flux de tuyaux.

Le Désinfectant TTS gère ce qui passe - supprimant le balisage, convertissant ou supprimant les URL et les emoji, et normalisant la ponctuation qui fait que les moteurs s'arrêtent à des endroits étranges. Exécutez-le sur le texte final, après toutes les autres modifications, car tout ce qui réintroduit le formatage l'annule.

L'ordre qui fonctionne

1. Convertissez les fichiers de sous-titres en prose simple.
2. Décidez à quelle catégorie appartient la transcription.
3. Exécutez les passes de remplissage, de bégaiement et d'annotation que vous avez choisies.
4. Lisez-le une fois de bout et corrigez l’attribution du locuteur, qu’aucun outil ne peut vérifier pour vous.
5. Extrayez les titres de chapitre du texte nettoyé et générez les marqueurs.
6. S'il s'agit d'un moteur vocal, nettoyez-le en dernier.

Une habitude à garder : conserver l’export brut. Le nettoyage entraîne des pertes, et la première fois que quelqu'un conteste ce qui a été dit lors d'une réunion, vous voudrez la version avec les faux départs. Conservez le fichier original à côté de celui modifié plutôt que de le modifier sur place.

Les transcriptions des réunions et des entretiens sont souvent confidentielles (appels juridiques, rendez-vous médicaux, discussions salariales, entretiens privés) et en télécharger une sur un service Web pour en supprimer les mots de remplissage est exactement une mauvaise affaire. Chaque outil ici s'exécute localement dans votre navigateur ; la transcription ne quitte jamais votre machine.