Curățare transcriere
Inserați o transcriere sau deschideți un fișier .txt, .srt sau .vtt. Eliminați cuvintele de umplutură, marcajele temporale și numerele de reper și îmbinați intervențiile fiecărui vorbitor. Rulează în browserul dumneavoastră — textul nu îl părăsește niciodată și nu este nevoie de cont.
Ce face și regulile pe care le respectă
Fiecare modificare reprezintă o regulă pe care o puteți verifica în caseta de rezultate. Când o regulă trebuie să ghicească, alege să păstreze cuvântul.
- Cuvinte de umplutură
- Sunetele fără alt sens — um, eh, hum, euh, äh și altele similare — sunt eliminate oriunde s-ar afla. Cuvintele care sunt de umplutură doar uneori sunt eliminate doar acolo unde punctuația le delimitează și doar acolo unde rareori au alt sens: unele oriunde sunt delimitate de virgule („we, like, went”), altele doar la începutul unei propoziții („Well, I think”), altele doar la sfârșitul uneia („c’est cool, quoi.”). Un cuvânt care formează singur o propoziție („Right.”) rămâne: este un răspuns. Cuvântul care deschide apoi propoziția este scris cu majusculă; un cuvânt de umplutură scris cu majuscule într-un text cu litere mici este considerat acronim și este păstrat. Listele se află mai jos, la secțiunea Întrebări.
- Nume vorbitori
- Un „Nume:” la începutul unui rând este considerat vorbitor când deschide cel puțin două rânduri, când este „Speaker 1”, când între acesta și două puncte există un marcaj de timp („Maya (00:01:23):”) sau când textul este scris sub formă de rânduri „Nume: text” și un anumit nume se repetă. Altfel, un cuvânt care deschide un singur rând — „Warning:”, „Note:” — rămâne așa cum este scris, deoarece eliminarea lui ar fi mai gravă decât păstrarea unui nume. Un nume începe cu o literă, așa că un scor precum „3:2” nu este niciodată un nume. O etichetă de voce WebVTT își denumește întotdeauna vorbitorul.
- Marcaje temporale și numere de replici
- Un marcaj de timp la începutul unui rând — [00:01:23], (1:30), 0:02:05 — sau după nume — Maya (00:01:23): — reprezintă timpul paragrafului. Un rând care conține doar un nume și o oră, așa cum exportă aplicațiile de ședințe, denumește paragraful de dedesubt atunci când conține „Speaker 1” sau când numele deschide mai mult de un astfel de rând; altfel, rămâne ca text, deoarece „Lunch at 12:30” arată la fel. O oră din interiorul unei propoziții („we met at 12:30”) este lăsată neatinsă. Numerele de reper se elimină odată cu marcajele temporale.
- Fișiere de subtitrare
- Fișierele SubRip și WebVTT sunt citite ca subtitrări, fiecare replică fiind un paragraf cu întreruperile de rând unite; o întrerupere de rând nu este considerată niciodată sfârșitul unei propoziții. Dacă se păstrează marcajele temporale, replicile curățate pot fi descărcate ca .srt sau .vtt cu sincronizarea neschimbată și cu aceleași cuvinte ca în caseta de rezultate; îmbinarea intervențiilor se aplică doar textului, deoarece o replică își păstrează propriul timp pe ecran.
- Intervenții îmbinate
- Paragrafele consecutive ale aceluiași vorbitor numit sunt comasate într-unul singur, preluând marcajul de timp al primului. Un paragraf fără nume nu este comasat niciodată: dacă el continuă sau nu vorbitorul precedent este doar o presupunere, iar textul se citește la fel oricum.
- BOM (Byte-order marks) și sfârșituri de linie Windows
- Eliminate și normalizate, în loc să transforme prima replică într-un bloc ilizibil.
Întrebări
Este încărcată transcrierea mea?
Nu. Textul este citit și rescris pe această pagină, în browserul dumneavoastră, și nimic nu este trimis nicăieri. Linkul din partea de jos duce la txscribe, care transcrie înregistrări în cloud; această pagină nu face asta.
Ce cuvinte de umplutură elimină?
Cele din listele sale pentru engleză, spaniolă, portugheză, franceză și germană — alegeți limba deasupra textului; cuvintele fiecărei limbi sunt separate prin punct și virgulă. Sunetele fără alt sens sunt eliminate oriunde s-ar afla: 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. Acestea sunt eliminate oriunde punctuația le delimitează pe ambele părți: 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. Acestea sunt eliminate doar la începutul unei propoziții, urmate de virgulă: 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. Acestea sunt eliminate doar la sfârșitul unei propoziții, după virgulă: sabe, entendeu; quoi, voyez; gell, weißt du, weisst du. Niciunul dintre ele nu este eliminat când formează singur o propoziție: acela este un răspuns.
De ce a fost păstrat un cuvânt pe care eu l-aș considera de umplutură?
Pentru că nu a fost delimitat de punctuație sau se afla într-un context în care este adesea un cuvânt cu sens deplin. „We like went home” își păstrează „like”: fără o virgulă de o parte și de alta, pagina nu îl poate deosebi de „we like going home”, iar regula este de a păstra un cuvânt mai degrabă decât de a elimina sensul. Adăugați virgulele și va fi eliminat.
Pot păstra marcajele temporale?
Da: debifați „Eliminați marcajele temporale și numerele replicilor”. Fiecare paragraf va începe atunci cu timpul său, iar dacă fișierul introdus a fost .srt sau .vtt, replicile curățate pot fi descărcate ca .srt sau .vtt cu temporizarea neschimbată.
Ce citește?
Text simplu cu rânduri „Nume: text”, marcaje de timp la începutul rândului sau după nume, antete din aplicații de conferințe precum „Speaker 1 0:03”, fișiere SubRip și WebVTT, etichete de voce WebVTT, terminații de rând Windows și un marcaj pentru ordinea octeților (BOM). Fișierele audio și video sunt refuzate: această pagină curăță textul, nu transcrie.
Este gratuit?
Da, fără cont și fără a instala nimic.
Aveți nevoie mai întâi de transcriere?
txscribe transcrie conținut audio și video cu un marcaj temporal pentru fiecare cuvânt și exportă text simplu, SubRip și WebVTT. Spre deosebire de această pagină, acea parte rulează în cloud.
Începeți gratuit