Transkriptionsrensare
Klistra in en transkription eller öppna en .txt, .srt eller .vtt. Ta bort fyllnadsord, tidsstämplar och repliksiffror, och slå ihop varje talares repliker. Verktyget körs i din webbläsare – texten lämnar den aldrig, och inget konto behövs.
Vad den gör och reglerna den följer
Varje ändring bygger på en regel som du kan kontrollera i resultatfältet. När en regel måste gissa, gissar den på att behålla ordet.
- Fyllnadsord
- Ljud utan annan betydelse – um, eh, hum, euh, äh och liknande – tas bort var de än står. Ord som bara ibland fungerar som fyllnadsord tas bara bort där skiljetecken avgränsar dem, och bara där de sällan är något annat: vissa överallt där kommatecken avgränsar dem (”we, like, went”), vissa bara i början av en mening (”Well, I think”), vissa bara i slutet av en (”c’est cool, quoi.”). Ett ord som utgör en hel mening på egen hand (”Right.”) får stå kvar: det är ett svar. Ordet som därefter inleder meningen får stor begynnelsebokstav; ett fyllnadsord skrivet med versaler i gemen text tolkas som en akronym och behålls. Listorna finns under Frågor längre ned.
- Talarnamn
- Ett ”Namn:” i början av en rad tolkas som en talare om det inleder minst två rader, om det står ”Speaker 1”, om en tid står mellan namnet och dess kolon (”Maya (00:01:23):”), eller om texten är uppbyggd med rader som ”Namn: text” och ett namn återkommer. Annars står ett ord som bara inleder en enda rad – ”Varning:”, ”Obs:” – kvar precis som det skrevs, eftersom det vore sämre att ta bort det än att behålla ett namn. Ett namn börjar med en bokstav, så en ställning som ”3:2” tolkas aldrig som ett namn. En WebVTT-rösttagg namnger alltid sin talare.
- Tidsstämplar och sekvensnummer
- En tid i början av en rad – [00:01:23], (1:30), 0:02:05 – eller efter namnet – Maya (00:01:23): – räknas som styckets tid. En rad som bara består av ett namn och en tid, som mötesappar exporterar, anger namnet för stycket under om det står ”Speaker 1” eller om namnet inleder fler än en sådan rad. Annars står det kvar som vanlig text, eftersom ”Lunch kl. 12:30” ser likadant ut. En tid inuti en mening (”vi sågs kl. 12:30”) lämnas orörd. Repliksiffror tas bort tillsammans med tidsstämplarna.
- Undertextfiler
- SubRip och WebVTT tolkas som undertexter, där varje replik blir ett stycke med sammanfogade radbrytningar; en radbrytning tolkas aldrig som slutet på en mening. Om tidsstämplarna behålls kan de rensade undertexterna laddas ned som .srt eller .vtt med oförändrad tidsinpassning och exakt samma ord som i resultatfältet. Att slå ihop repliker gäller endast för texten, eftersom en undertext behåller sin egen visningstid på skärmen.
- Sammanslagna repliker
- Flera på varandra följande stycken från samma namngivna talare slås ihop till ett och får det första styckets tidsangivelse. Ett stycke utan namn slås aldrig ihop med något annat: huruvida det fortsätter med föregående talare vore en gissning, och texten läses på samma sätt oavsett.
- Byte-order marks och Windows-radbrytningar
- Rensas och normaliseras, i stället för att göra det första undertextblocket oläsligt.
Frågor och svar
Laddas min transkription upp?
Nej. Texten läses och skrivs om på den här sidan, i din webbläsare, och ingenting skickas någonstans. Länken längst ner leder till txscribe, som transkriberar inspelningar i molnet; det gör inte den här sidan.
Vilka fyllnadsord tas bort?
De som finns i listorna för engelska, spanska, portugisiska, franska och tyska – välj språk ovanför texten; varje språks ord skiljs åt med semikolon. Ljud utan annan betydelse tas bort var de än 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. Dessa tas bort överallt där skiljetecken avgränsar dem på båda sidor: 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. Dessa tas bara bort i början av en mening, med ett kommatecken efter sig: 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. Dessa tas bara bort i slutet av en mening, efter ett kommatecken: sabe, entendeu; quoi, voyez; gell, weißt du, weisst du. Inget av dem tas bort när det utgör en hel mening på egen hand: då är det ett svar.
Varför behölls ett ord som jag ser som ett fyllnadsord?
För att ingenting avgränsade det, eller för att det stod där det ofta är ett riktigt ord. ”We like went home” behåller sitt ”like”: utan kommatecken på någon av sidorna kan sidan inte skilja det från ”we like going home”, och regeln är att hellre låta ett ord stå kvar än att ta bort innebörd. Lägg till kommatecknen så tas det bort.
Kan jag behålla tidsstämplarna?
Ja: avmarkera ”Ta bort tidsstämplar och sekvensnummer”. Varje stycke inleds då med sin tidsangivelse, och om källan var en .srt- eller .vtt-fil kan de rensade blocken laddas ner som .srt eller .vtt med oförändrad tidsinpassning.
Vad kan den läsa?
Oformaterad text med rader som ”Namn: text”, tidsangivelser i början av en rad eller efter namnet, rubriker från mötesappar som ”Speaker 1 0:03”, SubRip- och WebVTT-filer, WebVTT-rösttaggar, Windows-radbrytningar och byte-ordningsmärke (BOM). Ljud- och videofiler avvisas: den här sidan rensar text, den transkriberar inte.
Är det gratis?
Ja, utan konto och utan att installera något.
Behöver du transkriptionen först?
txscribe transkriberar ljud och video med en tidsstämpel på varje ord och exporterar oformaterad text, SubRip och WebVTT. Till skillnad från den här sidan körs den delen i molnet.
Börja gratis