Pulizia trascrizione
Incolla una trascrizione o apri un file .txt, .srt o .vtt. Rimuovi le parole di riempimento, i timestamp e i numeri di cue, e unisci i turni di ogni oratore. Funziona nel tuo browser — il testo non esce mai da lì e non serve alcun account.
Cosa fa e quali regole segue
Ogni modifica segue una regola che puoi verificare nella casella dei risultati. Dove una regola deve fare un'ipotesi, propende per conservare la parola.
- Intercalari
- I suoni privi di altro significato — um, eh, hum, euh, äh e simili — vengono rimossi ovunque si trovino. Le parole che fungono da riempitivi solo a volte vengono rimosse solo dove la punteggiatura le isola, e solo dove raramente sono altro: alcune ovunque le virgole le isolino (“we, like, went”), altre solo a inizio frase (“Well, I think”), altre solo a fine frase (“c’est cool, quoi.”). Una parola che costituisce una frase a sé stante (“Right.”) resta: è una risposta. La parola che poi apre la frase viene resa con l'iniziale maiuscola; un riempitivo scritto in maiuscolo all'interno di un testo in minuscolo viene considerato un acronimo e mantenuto. Gli elenchi si trovano sotto Domande, più in basso.
- Nomi oratori
- Un “Nome:” a inizio riga è un oratore quando apre almeno due righe, quando riporta “Speaker 1”, quando un orario si trova tra il nome e i due punti (“Maya (00:01:23):”), o quando il testo è scritto in righe “Nome: testo” e qualche nome ricorre. Altrimenti una parola che apre una sola riga — “Attenzione:”, “Nota:” — resta così com'è scritta, perché eliminarla sarebbe peggio che conservare un nome. Un nome inizia con una lettera, quindi un punteggio come “3:2” non lo è mai. Un tag voice di WebVTT indica sempre il proprio oratore.
- Timestamp e numeri delle battute
- Un orario a inizio riga — [00:01:23], (1:30), 0:02:05 — o dopo il nome — Maya (00:01:23): — è l'orario del paragrafo. Una riga che contiene solo un nome e un orario, come esportano le app per riunioni, dà il nome al paragrafo sottostante quando riporta “Speaker 1” o quando il nome apre più di una riga di questo tipo; altrimenti resta testo normale, dato che “Pranzo alle 12:30” ha la stessa forma. Un orario all'interno di una frase (“ci siamo visti alle 12:30”) non viene toccato. I numeri di cue seguono i timestamp.
- File di sottotitoli
- I formati SubRip e WebVTT vengono letti come sottotitoli, ciascun cue come un paragrafo con le interruzioni di riga unite; un'interruzione di riga non viene mai considerata come la fine di una frase. Se si mantengono i timestamp, i cue ripuliti possono essere scaricati come .srt o .vtt con la loro temporizzazione invariata e le stesse parole del riquadro dei risultati; l'unione dei turni si applica solo al testo, dato che ogni cue mantiene il proprio tempo a schermo.
- Interventi uniti
- I paragrafi consecutivi dello stesso oratore identificato vengono uniti in uno solo, mantenendo il timestamp del primo. Un paragrafo senza nome non viene mai unito a nulla: stabilire se continui l'intervento dell'oratore precedente sarebbe un'ipotesi, e si legge allo stesso modo in entrambi i casi.
- Byte-order mark e interruzioni di riga Windows
- Rimossi e normalizzati, evitando di trasformare la prima battuta in un blocco illeggibile.
Domande
La mia trascrizione viene caricata?
No. Il testo viene letto e riscritto su questa pagina, all'interno del tuo browser, e non viene inviato da nessuna parte. Il link in fondo porta a txscribe, che trascrive le registrazioni nel cloud; questa pagina funziona diversamente.
Quali intercalari rimuove?
Quelle presenti nei suoi elenchi per inglese, spagnolo, portoghese, francese e tedesco — scegli la lingua sopra il testo; le parole di ogni lingua sono separate da un punto e virgola. I suoni privi di altro significato vengono rimossi ovunque si trovino: 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. Questi vengono rimossi ovunque la punteggiatura li isoli da entrambi i lati: 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. Questi vengono rimossi solo a inizio frase, con una virgola a seguire: 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. Questi vengono rimossi solo a fine frase, dopo una virgola: sabe, entendeu; quoi, voyez; gell, weißt du, weisst du. Nessuno di essi viene rimosso quando costituisce una frase a sé stante: in quel caso è una risposta.
Perché è stata mantenuta una parola che considero un intercalare?
Perché nessun segno di punteggiatura la isolava, oppure si trovava dove spesso è una parola vera e propria. “We like went home” mantiene “like”: senza una virgola da entrambi i lati la pagina non può distinguerla da “we like going home”, e la regola è lasciare una parola piuttosto che togliere significato. Aggiungi le virgole e verrà rimossa.
Posso conservare i timestamp?
Sì: deseleziona “Rimuovi timestamp e numeri delle battute”. In questo modo ogni paragrafo si aprirà con la sua indicazione oraria e, se il testo inserito era un file .srt o .vtt, le battute pulite potranno essere scaricate come .srt o .vtt con la temporizzazione invariata.
Cosa legge?
Testo normale con righe del tipo “Nome: testo”, indicazioni orarie a inizio riga o dopo il nome, intestazioni di app per riunioni come “Speaker 1 0:03”, file SubRip e WebVTT, tag voice di WebVTT, interruzioni di riga Windows e byte order mark (BOM). I file audio e video vengono rifiutati: questa pagina pulisce il testo, non trascrive.
È gratuito?
Sì, senza creare un account e senza installare nulla.
Ti serve prima la trascrizione?
txscribe trascrive audio e video inserendo un timestamp su ogni parola ed esporta in formato testo normale, SubRip e WebVTT. A differenza di questa pagina, questa funzione viene eseguita nel cloud.
Inizia gratis