Čišćenje automatskog prijepisa: punila, vremenske oznake i poglavlja

Automatska transkripcija postala je dovoljno dobra da sada svi imaju transkripte — sastanaka, intervjua, predavanja, epizoda podcasta, glasovnih bilješki. Ono na što vas nitko ne upozorava je da neobrađeni prijepis nije dokument. To je zapis govora, a govor sadrži ogromnu količinu materijala koji postoji samo da bi govorniku kupio pola sekunde vremena za razmišljanje. Pretvaranje tog zapisa u nešto što će osoba doista pročitati kratak je posao koji se može ponoviti.

Što vam stroj daje

Ovisno o alatu, neobrađeni izvoz sadrži neku mješavinu: riječi za popunjavanje (hm, uh, kao, znate, Mislim), lažni početak i zastajkivanje gdje je govornik ponovno započeo rečenicu, bilješke u zagradama kao što su [inaudible], [laughter] ili [crosstalk], oznake govornika različite konzistencije i vremenske oznake — bilo kao datoteka titlova s numeriranim znakovima ili umetnuti svakih nekoliko sekundi.

Za svaki od njih potrebna je drugačija odluka, zbog čega jedan gumb "očisti" rijetko daje ono što želite. The čistač glasovnog prijepisa odvaja ih: dopune, zastajkivanja i bilješke mogu se zasebno prebacivati, tako da ih možete ukloniti hm iz intervjua dok se čuva [laughter] to je važno za transkript, ili obrnuto za tehnički razgovor.

Najprije odlučite čemu će prijepis

To određuje sve ostalo, a raditi to nakon uređivanja znači uređivanje raditi dva puta.

Rekord. Pravni, medicinski, istraživački ili bilo što gdje je ono što je rečeno važnije od toga kako se čita. Zadržite dopune, zadržite pogrešne početke, zadržite bilješke, zadržite vremenske oznake. Ne čistite ništa osim očitih artefakata alata. Uređivanje zapisa radi čitljivosti uništava ono što ga čini zapisom.

Nešto za čitanje. Pokažite bilješke, nacrt članka, zapisnik sa sastanka, sažetak koji ćete predati nekome tko nije bio tamo. Ogoliti sve. Punjači ne nose nikakve informacije na stranici, iako su nosili dosta u sobi.

Unos u model. Skidajte se agresivno — svaki filer je žeton koji plaćate i jedna stranica hm stvarno degradira sažetak koji dobijete natrag, kao i koštati novac.

Od titlova do proze

Polovica svih prijepisa stiže kao SRT ili VTT jer je to ono što alat za prepisivanje izvozi. Taj format su brojevi znakova, vremenski kodovi i fragmenti teksta razbijeni na širini prikaza, a ne na granicama rečenice - nečitljivi kao dokument.

The SRT pretvarač teksta odbacuje numeriranje i vremenske kodove i ponovno spaja fragmente u kontinuiranu prozu. Učinite to prije prolaza za popunjavanje, a ne nakon: čišćenje datoteke dok su vremenski kodovi još isprepleteni ostavlja vas da ponovno provjeravate svaki znak, a lako je ukloniti redak koji je zapravo bio vremenska oznaka.

Ići u drugom smjeru također je važno. Ako proizvodite titlove umjesto da ih konzumirate, provjerite rezultat na brzina čitanja titlova, koji mjeri znakove u sekundi po znaku i označava one koje nitko ne može pročitati dok su na ekranu. Praksa emitiranja je oko 17 znakova u sekundi za programe za odrasle i manje za djecu; automatski generirani titlovi rutinski premašuju oboje, jer stroj nema koncept gledatelja.

poglavlja

Nakon što imate čist transkript, imate sirovi materijal za oznake poglavlja, koji su jedini dodatak dugom video zapisu ili podcast epizodi s najvećim povratom: oni vam daju sadržaj u playeru, dubinske veze koje ljudi mogu dijeliti i tekst koji tražilice mogu pročitati.

The podcast generator poglavlja uzima popis naslova poglavlja i njihova trajanja i proizvodi markere s vremenskim oznakama u formatu koji igrači očekuju — kumulativni pomaci izračunati za vas, što je dio koji je nezgodan rukom i lako ga je pogriješiti za jedan segment. Napišite naslove iz očišćenog prijepisa, stavite duljine segmenata pored njih i zalijepite rezultat u svoje polje za opis.

Napišite naslove poglavlja kao opise, a ne oznake. "Zašto migracija nije uspjela" zarađuje klik; "3. dio" ne.

Tekst se vraća kao govor

Vožnja unatrag ima svoje opasnosti. Ubacivanje dokumenta u mehanizam za pretvaranje teksta u govor — za audio verziju članka, glasovno sučelje ili propusnicu za pristupačnost — daje čudne rezultate kada tekst sadrži stvari koje nitko ne bi izgovorio naglas: sintaksa markdown čita se kao znakovi, URL-ovi se ispisuju znak po znak, emotikon se najavljuje imenom, tablice se čitaju kao niz cijevi.

The TTS sredstvo za dezinfekciju obrađuje koje prolaze — skidanje oznaka, pretvaranje ili uklanjanje URL-ova i emojija i normaliziranje interpunkcije zbog koje se motori zaustavljaju na čudnim mjestima. Pokrenite ga na konačnom tekstu, nakon svih drugih uređivanja, budući da sve što ponovno uvodi oblikovanje to poništava.

Red koji funkcionira

1. Pretvorite datoteke titlova u običnu prozu.
2. Odlučite kojoj kategoriji prijepis pripada.
3. Pokrenite propusnice za punjenje, zamuckivanje i bilješke koje ste odabrali.
4. Pročitajte ga jednom od kraja do kraja i popravite atribuciju govornika, koju nijedan alat ne može provjeriti umjesto vas.
5. Izvucite naslove poglavlja iz očišćenog teksta i generirajte oznake.
6. Ako ide na govorni mehanizam, dezinficirajte zadnji.

Jedna navika koju vrijedi zadržati: zadržati izvoz sirovina. Čišćenje je gubitak, a prvi put kada netko osporava ono što je rečeno na sastanku, poželjet ćete verziju s pogrešnim startovima. Zadržite izvornu datoteku pored uređene umjesto uređivanja na mjestu.

Transkripti sastanaka i intervjua često su povjerljivi - pravni pozivi, liječnički pregledi, rasprave o plaćama, privatni intervjui - a učitavanje jednog na web uslugu kako bi se uklonile riječi za popunjavanje potpuno je pogrešan posao. Svaki alat ovdje radi lokalno u vašem pregledniku; prijepis nikada ne napušta vaš stroj.