Очистка транскрипта
Вставьте транскрипт или откройте .txt, .srt или .vtt. Удалите слова-паразиты, временные метки и номера реплик, а также объедините реплики каждого диктора. Сервис работает в вашем браузере — текст никогда его не покидает, и аккаунт не требуется.
Что делает инструмент и каким правилам следует
Каждое изменение опирается на правило, результат которого виден в поле вывода. В спорных случаях приоритет всегда отдается сохранению слова.
- Слова-паразиты
- Звуки, не имеющие иного значения — um, eh, hum, euh, äh и тому подобные, — удаляются везде, где бы они ни находились. Слова, которые бывают словами-паразитами лишь иногда, удаляются только там, где они выделены знаками препинания, и только там, где они редко выступают в другой роли: некоторые — везде, где они выделены запятыми («we, like, went»), некоторые — только в начале предложения («Well, I think»), некоторые — только в конце («c’est cool, quoi.»). Слово, которое само по себе образует целое предложение («Right.»), остается: это ответ. Слово, которое после этого начинает предложение, пишется с заглавной буквы; слово-паразит, написанное заглавными буквами в тексте из строчных букв, принимается за аббревиатуру и сохраняется. Списки приведены в разделе «Вопросы» ниже.
- Имена дикторов
- «Имя:» в начале строки считается диктором, если оно открывает как минимум две строки, если там написано «Speaker 1», если между ним и двоеточием стоит время («Maya (00:01:23):») или если текст оформлен в виде строк «Имя: текст» и какое-то имя повторяется. В противном случае слово, открывающее только одну строку — например, «Внимание:», «Примечание:», — остается без изменений, поскольку удалить его было бы хуже, чем оставить имя. Имя начинается с буквы, поэтому счет вроде «3:2» им никогда не считается. Голосовой тег WebVTT всегда указывает своего диктора.
- Временные метки и номера реплик
- Время в начале строки — [00:01:23], (1:30), 0:02:05 — или после имени — Maya (00:01:23): — считается временем абзаца. Строка, состоящая только из имени и времени, как экспортируют приложения для встреч, дает имя абзацу под ней, если там написано «Speaker 1» или это имя начинает больше одной такой строки; в противном случае она остается обычным текстом, поскольку «Обед в 12:30» выглядит точно так же. Время внутри предложения («мы встретились в 12:30») не затрагивается. Номера реплик удаляются вместе с временными метками.
- Файлы субтитров
- SubRip и WebVTT считываются как субтитры: каждая реплика становится абзацем с объединенными переносами строк; перенос строки никогда не считается концом предложения. Если временные метки сохранены, очищенные реплики можно скачать в формате .srt или .vtt с неизменным таймингом и тем же текстом, что и в поле результата; объединение реплик применяется только к тексту, так как реплика субтитров сохраняет собственное время показа на экране.
- Объединенные реплики
- Идущие подряд абзацы одного и того же диктора объединяются в один со временем первого абзаца. Абзац без указания имени никогда ни к чему не присоединяется: продолжает ли он предыдущего диктора — неизвестно, а читается текст в обоих случаях одинаково.
- Метки порядка байтов (BOM) и переводы строк Windows
- Очищаются и нормализуются, не превращая первую реплику в кашу из нечитаемых символов.
Вопросы и ответы
Загружается ли мой транскрипт на сервер?
Нет. Текст обрабатывается прямо на этой странице в вашем браузере и никуда не передается. Ссылка внизу ведет на сервис txscribe, который выполняет транскрипцию записей в облаке, однако этот инструмент работает иначе.
Какие слова-паразиты удаляются?
Те, что входят в списки для английского, испанского, португальского, французского и немецкого языков — выберите язык над текстом; слова для каждого языка разделены точкой с запятой. Звуки, не имеющие другого значения, удаляются везде, где бы они ни находились: 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. Эти удаляются везде, где они выделены знаками препинания с обеих сторон: 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. Эти удаляются только в начале предложения, если после них стоит запятая: 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. Эти удаляются только в конце предложения после запятой: sabe, entendeu; quoi, voyez; gell, weißt du, weisst du. Ни одно из них не удаляется, если образует целое предложение: это ответ.
Почему слово осталось, если это слово-паразит?
Потому что ничто не выделило его знаками препинания или оно находилось там, где часто является обычным смысловым словом. «We like went home» сохраняет «like»: без запятой с любой стороны страница не может отличить его от «we like going home», а правило заключается в том, чтобы скорее оставить слово, чем убрать смысл. Добавьте запятые, и оно удалится.
Можно ли сохранить временные метки?
Да: снимите флажок «Удалять временные метки и номера реплик». Тогда каждый абзац будет начинаться со своего времени, а если исходным файлом был .srt или .vtt, очищенные реплики можно будет скачать в формате .srt или .vtt с сохранением таймингов.
Какие форматы поддерживаются?
Обычный текст со строками вида «Имя: текст», временем в начале строки или после имени, заголовками из сервисов видеоконференций вроде «Speaker 1 0:03», файлы SubRip и WebVTT, теги голоса WebVTT, переносы строк Windows и метку порядка байтов (BOM). Аудио- и видеофайлы не поддерживаются: инструмент очищает готовый текст, а не выполняет транскрипцию.
Это бесплатно?
Да, без создания аккаунта и установки программ.
Сначала нужен транскрипт?
txscribe выполняет транскрипцию аудио и видео с пословными временными метками и экспортирует результат в текстовый файл, SubRip и WebVTT. В отличие от этой страницы, эта функциональность работает в облаке.
Попробовать бесплатно