Limpando uma transcrição automática: preenchimentos, carimbos de data e hora e capítulos

A transcrição automática ficou boa o suficiente para que todos agora tenham transcrições – de reuniões, entrevistas, palestras, episódios de podcast, notas de voz. O que ninguém avisa é que uma transcrição bruta não é um documento. É um registro de fala, e a fala contém uma enorme quantidade de material que existe apenas para dar ao orador meio segundo de tempo para pensar. Transformar esse registro em algo que uma pessoa realmente leia é uma tarefa curta e repetível.

O que a máquina oferece

Dependendo da ferramenta, uma exportação bruta contém uma mistura de: palavras de preenchimento (hum, uh, como, você sabe, Quero dizer), falsos inícios e gagueiras onde o falante reiniciou uma frase, anotações entre colchetes como [inaudible], [laughter] ou [crosstalk], rótulos de alto-falante de consistência variada e carimbos de data/hora — como um arquivo de legenda com dicas numeradas ou embutido a cada poucos segundos.

Cada um deles precisa de uma decisão diferente, e é por isso que um único botão “limpar” raramente produz o que você deseja. O limpador de transcrição de voz os separa: preenchimentos, stutters e anotações são comutáveis individualmente, para que você possa remover hum de uma entrevista enquanto mantém [laughter] isso importa para a transcrição, ou o inverso para uma palestra técnica.

Decida para que serve a transcrição primeiro

Isso determina todo o resto, e fazer isso depois da edição significa fazer a edição duas vezes.

Um recorde. Legal, médico, de pesquisa ou qualquer coisa em que o que foi dito importa mais do que a forma como é lido. Mantenha os preenchimentos, mantenha os falsos inícios, mantenha as anotações, mantenha os carimbos de data e hora. Não limpe nada além dos artefatos óbvios da ferramenta. Editar um registro para facilitar a leitura destrói aquilo que o torna um registro.

Algo para ler. Mostre notas, um rascunho de artigo, atas de reunião, um resumo que você entregará a alguém que não estava presente. Tire tudo isso. Os preenchimentos não trazem nenhuma informação na página, embora tenham muitas informações na sala.

Entrada para um modelo. Retire agressivamente - cada preenchimento é um token pelo qual você paga e uma página de hum degrada genuinamente o resumo que você recebe, além de custar dinheiro.

Passando das legendas para a prosa

Metade de todas as transcrições chega como SRT ou VTT porque é isso que a ferramenta de transcrição exporta. Esse formato consiste em números de sinalização, códigos de tempo e fragmentos de texto quebrados na largura da tela, e não nos limites das frases – ilegíveis como um documento.

O SRT para conversor de texto elimina a numeração e os códigos de tempo e reúne os fragmentos em prosa contínua. Faça isso antes do preenchimento passar, não depois: limpar um arquivo enquanto os timecodes ainda estão intercalados deixa você verificando novamente cada sugestão e é fácil remover uma linha que na verdade era um carimbo de data/hora.

Ir na outra direção também é importante. Se você estiver produzindo legendas em vez de consumi-las, verifique o resultado com velocidade de leitura de legendas, que mede caracteres por segundo por sugestão e sinaliza aqueles que ninguém consegue ler enquanto estão na tela. A prática de transmissão fica em torno de 17 caracteres por segundo para programação adulta e menos para crianças; as legendas geradas automaticamente excedem ambos, porque a máquina não tem noção de visualizador.

Capítulos

Depois de ter uma transcrição limpa, você terá a matéria-prima para marcadores de capítulo, que são a adição de maior retorno a um vídeo longo ou episódio de podcast: eles fornecem um índice no player, links diretos que as pessoas podem compartilhar e texto que os mecanismos de pesquisa podem ler.

O gerador de capítulo de podcast pega uma lista de títulos de capítulos e suas durações e produz os marcadores com carimbo de data e hora no formato que os jogadores esperam – compensações cumulativas calculadas para você, que é a parte que é complicada à mão e fácil de errar em um segmento. Escreva os títulos de sua transcrição limpa, coloque os comprimentos dos segmentos ao lado deles e cole o resultado no campo de descrição.

Escreva os títulos dos capítulos como descrições, não como rótulos. “Por que a migração falhou” ganha um clique; "Parte 3" não.

Texto voltando como fala

A viagem reversa tem seus próprios perigos. Alimentar um documento com um mecanismo de conversão de texto em voz – para uma versão em áudio de um artigo, uma interface de voz ou um passe de acessibilidade – produz resultados estranhos quando o texto contém coisas que ninguém diria em voz alta: sintaxe markdown lida como caracteres, URLs escritos caractere por caractere, emoji anunciados por nome, tabelas lidas como um fluxo de pipes.

O Desinfetante TTS identificadores que passam – removendo marcação, convertendo ou removendo URLs e emojis e normalizando a pontuação que faz os mecanismos pausarem em lugares estranhos. Execute-o no texto final, após todas as outras edições, pois qualquer coisa que reintroduza a formatação a desfaz.

A ordem que funciona

1. Converta arquivos de legenda em prosa simples.
2. Decida a qual categoria a transcrição pertence.
3. Execute os passes de preenchimento, gagueira e anotação que você escolheu.
4. Leia uma vez de ponta a ponta e corrija a atribuição do palestrante, que nenhuma ferramenta pode verificar para você.
5. Retire os títulos dos capítulos do texto limpo e gere os marcadores.
6. Se for para um mecanismo de fala, higienize por último.

Um hábito que vale a pena manter: reter a exportação bruta. A limpeza causa perdas, e na primeira vez que alguém contestar o que foi dito em uma reunião, você vai querer a versão com inícios falsos. Mantenha o arquivo original próximo ao editado, em vez de editá-lo no local.

As transcrições de reuniões e entrevistas são frequentemente confidenciais – ligações jurídicas, consultas médicas, discussões salariais, entrevistas privadas – e enviar uma para um serviço web para que suas palavras de preenchimento sejam removidas é exatamente o negócio errado. Cada ferramenta aqui é executada localmente no seu navegador; a transcrição nunca sai da sua máquina.