Transkripsjonsrenser
Lim inn en transkripsjon, eller åpne en .txt-, .srt- eller .vtt-fil. Fjern fyllord, tidsstempler og stikkordnumre, og slå sammen hver talers ytringer. Det kjører i nettleseren din – teksten forlater den aldri, og du trenger ingen konto.
Hva den gjør, og reglene den følger
Hver endring følger en regel du kan sjekke mot resultatboksen. Der en regel må gjette, velger den å la ordet stå.
- Fyllord
- Lyder uten annen betydning – um, eh, hum, euh, äh og lignende – fjernes uansett hvor de står. Ord som bare noen ganger er fyllord, fjernes bare der tegnsetting avgrenser dem, og bare der de sjelden er noe annet: noen uansett hvor kommaer avgrenser dem («we, like, went»), noen bare når de åpner en setning («Well, I think»), noen bare når de avslutter en («c’est cool, quoi.»). Et ord som utgjør en hel setning alene («Right.»), beholdes: det er et svar. Ordet som deretter åpner setningen, får stor forbokstav; et fyllord skrevet med store bokstaver i tekst med små bokstaver, regnes som et akronym og beholdes. Listene finner du under Spørsmål nedenfor.
- Talernavn
- Et «Navn:» i starten av en linje regnes som en taler når det åpner minst to linjer, når det står «Speaker 1», når et klokkeslett står mellom navnet og kolonet («Maya (00:01:23):»), eller når teksten er skrevet som «Navn: tekst»-linjer og et navn gjentar seg. Ellers blir et ord som bare åpner én enkelt linje – «Advarsel:», «Merk:» – stående som det er, fordi det ville vært verre å fjerne det enn å beholde et navn. Et navn starter med en bokstav, så en stilling som «3:2» regnes aldri som et navn. En WebVTT-stemmetag navngir alltid taleren sin.
- Tidsstempler og cuenumre
- Et klokkeslett på starten av en linje – [00:01:23], (1:30), 0:02:05 – eller etter navnet – Maya (00:01:23): – er avsnittets tid. En linje som bare består av et navn og et klokkeslett, slik møteapper eksporterer, navngir avsnittet under hvis det står «Speaker 1» eller navnet innleder mer enn én slik linje; ellers blir den stående som tekst, ettersom «Lunsj kl. 12:30» ser helt likt ut. Et klokkeslett inne i en setning («vi møttes 12:30») røres ikke. Stikkordnumre fjernes sammen med tidsstemplene.
- Undertekstfiler
- SubRip og WebVTT leses som undertekster, der hvert stikkord er et avsnitt med sammenslåtte linjeskift; et linjeskift regnes aldri som slutten på en setning. Når tidsstemplene beholdes, kan de rensede stikkordene lastes ned som .srt eller .vtt med uendret tidsstyring og samme ordlyd som i resultatboksen; sammenslåing av ytringer gjelder bare for teksten, ettersom et stikkord beholder sin egen tid på skjermen.
- Sammenslåtte innlegg
- Påfølgende avsnitt fra samme navngitte taler slås sammen til ett, med tidspunktet fra det første. Et avsnitt uten navn slås aldri sammen med noe annet: om det er en fortsettelse av forrige taler blir ren gjetting, og teksten leses uansett likt.
- Byte-order marks og Windows-linjeskift
- Fjernet og normalisert, i stedet for å gjøre den første undertekstblokken til en uleselig tekstklump.
Spørsmål
Blir transkripsjonen min lastet opp?
Nei. Teksten leses og skrives om på denne siden, i nettleseren din, og ingenting sendes noe sted. Lenken nederst fører til txscribe, som transkriberer opptak i skyen; denne siden er ikke det.
Hvilke fyllord fjerner den?
Ordene i listene for engelsk, spansk, portugisisk, fransk og tysk – velg språket over teksten; hvert språks ord er adskilt med semikolon. Lyder uten annen betydning fjernes uansett hvor de står: 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. Disse fjernes overalt der tegnsetting avgrenser dem på begge sider: 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. Disse fjernes bare når de åpner en setning, med et komma etter seg: 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. Disse fjernes bare når de avslutter en setning, etter et komma: sabe, entendeu; quoi, voyez; gell, weißt du, weisst du. Ingen av dem fjernes når de utgjør en hel setning alene: det er et svar.
Hvorfor ble et ord beholdt som jeg regner som et fyllord?
Fordi ingenting avgrenset det, eller fordi det sto på en plass der det ofte er et reelt ord. «We like went home» beholder «like»: uten komma på hver side kan ikke siden skille det fra «we like going home», og regelen er å la et ord stå fremfor å fjerne mening. Sett inn kommaene, så forsvinner det.
Kan jeg beholde tidsstemplene?
Ja: fjern avkrysningen for «Fjern tidsstempler og cuenumre». Hvert avsnitt starter da med sitt tidspunkt, og når inndataene var en .srt- eller .vtt-fil, kan de rensede tekstblokkene lastes ned som .srt eller .vtt med uendret tidsstyring.
Hva leser den?
Ren tekst med «Navn: tekst»-linjer, klokkeslett i starten av en linje eller etter navnet, linjer fra møteapper som «Speaker 1 0:03», SubRip- og WebVTT-filer, WebVTT-stemmetagger, Windows-linjeskift og byte-order mark (BOM). Lyd- og videofiler avvises: denne siden renser tekst, den transkriberer ikke.
Er det gratis?
Ja, uten konto og uten at noe må installeres.
Trenger du transkripsjonen først?
txscribe transkriberer lyd og video med et tidsstempel på hvert ord, og eksporterer ren tekst, SubRip og WebVTT. I motsetning til denne siden kjører den delen i skyen.
Start gratis