Transkription siivoaja
Liitä transkriptio tai avaa .txt-, .srt- tai .vtt-tiedosto. Poista täytesanat, aikaleimat ja tekstityksen numerot ja yhdistä kunkin puhujan puheenvuorot. Työkalu toimii selaimessasi — teksti ei koskaan poistu sieltä, eikä tiliä tarvita.
Mitä se tekee ja mitä sääntöjä se noudattaa
Jokainen muutos perustuu sääntöön, jonka voit tarkistaa tuloskentästä. Jos säännön täytyy arvata, se arvaa mieluummin sanan säilyttämisen puolesta.
- Täytesanat
- Äänteet, joilla ei ole muuta merkitystä — um, eh, hum, euh, äh ja vastaavat — poistetaan riippumatta siitä, missä ne sijaitsevat. Sanat, jotka ovat vain toisinaan täytesanoja, poistetaan vain silloin, kun välimerkit erottavat ne ja vain silloin, kun ne harvoin ovat mitään muuta: jotkin aina pilkkujen erottaessa ne (”we, like, went”), jotkin vain virkkeen alussa (”Well, I think”) ja jotkin vain virkkeen lopussa (”c’est cool, quoi.”). Sana, joka muodostaa yksinään virkkeen (”Right.”), säilyy: se on vastaus. Virkkeen uudeksi aloittavaksi sanaksi tuleva sana kirjoitetaan isolla alkukirjaimella; pienaakkostekstin seassa suuraakkosin kirjoitettu täytesana tulkitaan lyhenteeksi ja säilytetään. Listat löytyvät alempaa kohdasta Kysymykset.
- Puhujien nimet
- Rivin alussa oleva ”Nimi:” tulkitaan puhujaksi, kun se aloittaa vähintään kaksi riviä, kun siinä lukee ”Speaker 1”, kun aika on nimen ja kaksoispisteen välissä (”Maya (00:01:23):”) tai kun teksti koostuu ”Nimi: teksti” -riveistä ja jokin nimi toistuu. Muussa tapauksessa vain yhden rivin aloittava sana — ”Warning:”, ”Note:” — säilyy sellaisenaan, koska sen poistaminen olisi huonompi vaihtoehto kuin nimen säilyttäminen. Nimi alkaa kirjaimella, joten tulos kuten ”3:2” ei koskaan ole nimi. WebVTT-äänitagi nimeää aina puhujansa.
- Aikaleimat ja tekstitysnumerot
- Rivin alussa oleva aika — [00:01:23], (1:30), 0:02:05 — tai nimen jäljessä oleva aika — Maya (00:01:23): — on kappaleen aika. Rivi, jolla on pelkkä nimi ja aika, jollaisena kokoussovellukset ne vievät, antaa nimen sen alapuolella olevalle kappaleelle silloin, kun siinä lukee ”Speaker 1” tai kun nimi aloittaa useamman kuin yhden tällaisen rivin; muuten se jää tekstiksi, koska ”Lunch at 12:30” näyttää samalta. Lauseen sisällä olevaan aikaan (”we met at 12:30”) ei kosketa. Tekstityksen numerot poistuvat aikaleimojen mukana.
- Tekstitystiedostot
- SubRip ja WebVTT luetaan tekstityksinä, joissa kukin tekstitysrepliikki on oma kappaleensa rivinvaihdot yhdistettyinä; rivinvaihtoa ei koskaan tulkita virkkeen päättymiseksi. Jos aikaleimat säilytetään, siivotut tekstitysrepliikit voidaan ladata .srt- tai .vtt-tiedostona niiden ajoituksen pysyessä muuttumattomana ja samoilla sanoilla kuin tuloslaatikossa; puheenvuorojen yhdistäminen koskee vain tekstiä, sillä tekstitysrepliikki säilyttää oman ruutuaikansa.
- Yhdistetyt puheenvuorot
- Saman nimetyn puhujan peräkkäiset kappaleet yhdistetään yhdeksi, jolloin se saa ensimmäisen kappaleen aikaleiman. Nimeämätöntä kappaletta ei koskaan yhdistetä mihinkään: olisi pelkkää arvausta, jatkaako se edellistä puhujaa, ja teksti toimii yhtä lailla molemmilla tavoilla.
- Tavujärjestysmerkit (BOM) ja Windows-rivinvaihdot
- Poistetaan ja normalisoidaan sen sijaan, että ensimmäinen tekstityspala muuttuisi lukukelvottomaksi möykyksi.
Kysymykset
Ladataanko transkriptioni palvelimelle?
Ei. Teksti luetaan ja muokataan tällä sivulla, suoraan selaimessasi, eikä siitä lähetetä mitään minnekään. Alareunan linkki vie txscribeen, joka transkriboi tallenteita pilvessä; tämä sivu ei tee sitä.
Mitä täytesanoja se poistaa?
Ne, jotka ovat sen listoilla englannille, espanjalle, portugalille, ranskalle ja saksalle — valitse kieli tekstin yläpuolelta; kunkin kielen sanat on erotettu puolipisteellä. Äänteet, joilla ei ole muuta merkitystä, poistetaan aina sijainnista riippumatta: um, uh, uhm, er, erm, ah, eh, hm; eh, ehm, em; hum, hã, ahn, ãh, eh; euh, hum, hm, bah; äh, ähm, öhm, ehm, hm, mh. Nämä poistetaan aina, kun välimerkit erottavat ne kummaltakin puolelta: like, actually, basically, literally, you know, i mean, sort of, kind of; o sea, digamos, en plan, pues; né, quer dizer; en fait, du coup, tu vois, hein; sozusagen, quasi, ich meine, irgendwie, halt. Nämä poistetaan vain virkkeen alusta, kun perässä on pilkku: so, well, right, okay, ok, anyway; este, bueno, mira, oye, tipo, a ver; então, assim, bom, enfim, olha, tipo, é; bon, alors, donc, enfin, voilà, bref, genre; also, naja, na ja, nun. Nämä poistetaan vain virkkeen lopusta pilkun jälkeen: sabe, entendeu; quoi, voyez; gell, weißt du, weisst du. Mitään niistä ei poisteta silloin, kun se muodostaa yksinään kokonaisen virkkeen: kyseessä on vastaus.
Miksi sana säilytettiin, vaikka pitäisin sitä täytesanana?
Koska mikään ei erottanut sitä tai se sijaitsi kohdassa, jossa se on usein oikea sana. ”We like went home” säilyttää sanan ”like”: ilman pilkkua kummallakaan puolella sivu ei voi erottaa sitä ilmaisusta ”we like going home”, ja sääntönä on mieluummin jättää sana jäljelle kuin poistaa merkitystä. Lisää pilkut, niin se poistuu.
Voinko säilyttää aikaleimat?
Kyllä: poista valinta kohdasta ”Poista aikaleimat ja tekstitysnumerot”. Jokainen kappale alkaa tällöin aikaleimallaan, ja jos syötteenä oli .srt- tai .vtt-tiedosto, siivotut tekstitykset voi ladata .srt- tai .vtt-muodossa alkuperäisin ajoituksin.
Mitä se lukee?
Pelkkää tekstiä, jossa on ”Nimi: teksti” -rivejä, aikoja rivin alussa tai nimen jälkeen, kokoussovellusten otsikoita kuten ”Speaker 1 0:03”, SubRip- ja WebVTT-tiedostoja, WebVTT-äänitunnisteita (voice tag), Windows-rivinvaihtoja ja tavujärjestysmerkkejä (BOM). Ääni- ja videotiedostoja ei hyväksytä: tämä sivu siivoaa tekstiä, se ei transkriboi.
Onko se ilmainen?
Kyllä, ilman tiliä ja mitään asennettavaa.
Tarvitsetko ensin transkription?
txscribe transkriboi äänen ja videon lisäten aikaleiman jokaiseen sanaan, ja vie tuloksen pelkkänä tekstinä, SubRip- ja WebVTT-muodossa. Toisin kuin tämä sivu, kyseinen toiminto toimii pilvessä.
Aloita maksutta