Transcript cleaner
Mag-paste ng transcript, o magbukas ng .txt, .srt o .vtt. Alisin ang mga filler word, mga timestamp at cue number, at pagsamahin ang mga pagsasalita ng bawat tagapagsalita. Gumagana ito sa inyong browser — hindi kailanman umaalis dito ang teksto, at walang account.
Ano ang ginagawa nito, at ang mga panuntunang sinusunod nito
Bawat pagbabago ay isang panuntunang maaari ninyong suriin sa kahon ng resulta. Kung kailangang manghula ng panuntunan, mas pinipili nitong panatilihin ang salita.
- Mga filler word
- Ang mga tunog na walang ibang kahulugan — um, eh, hum, euh, äh at mga katulad nito — ay inaalis kahit saan man nakalagay. Ang mga salitang paminsan-minsan lamang nagiging filler ay inaalis lamang kung saan inihihiwalay ang mga ito ng bantas, at kung saan bihira itong maging iba pa: ang ilan ay saanman inihihiwalay ng mga kuwit (“we, like, went”), ang ilan ay kapag nagbubukas lamang ng pangungusap (“Well, I think”), ang ilan ay kapag nagsasara lamang nito (“c’est cool, quoi.”). Ang salitang nag-iisa bilang pangungusap (“Right.”) ay nananatili: ito ay isang sagot. Ang salitang magbubukas ng pangungusap pagkatapos ay ginagawang malaking titik; ang filler na nakasulat sa malalaking titik sa loob ng teksto na maliliit na titik ay itinuturing na acronym at pinapanatili. Ang mga listahan ay nasa ilalim ng Mga Tanong sa ibaba.
- Mga pangalan ng tagapagsalita
- Ang isang “Name:” sa simula ng linya ay isang tagapagsalita kapag binubuksan nito ang hindi bababa sa dalawang linya, kapag mababasa itong “Speaker 1”, kapag may oras sa pagitan nito at ng tutuldok nito (“Maya (00:01:23):”), o kapag ang teksto ay nakasulat bilang mga linyang “Name: text” at may pangalang umuulit. Kung hindi, ang salitang nagbubukas ng isang linya lamang — “Warning:”, “Note:” — ay mananatili kung paano ito naisulat, dahil mas masama ang pag-alis dito kaysa sa pagpapanatili ng isang pangalan. Nagsisimula ang isang pangalan sa titik, kaya ang iskor tulad ng “3:2” ay hindi kailanman magiging tagapagsalita. Palaging pinapangalanan ng WebVTT voice tag ang tagapagsalita nito.
- Mga timestamp at numero ng cue
- Ang oras sa simula ng isang linya — [00:01:23], (1:30), 0:02:05 — o pagkatapos ng pangalan — Maya (00:01:23): — ay ang oras ng talata. Ang isang linya na pangalan at oras lamang, gaya ng ine-export ng mga meeting app, ay nagpapangalan sa talata sa ilalim nito kapag mababasa itong “Speaker 1” o kapag ang pangalan ay nangunguna sa higit sa isang gayong linya; kung hindi, mananatili ito bilang teksto, dahil magkamukha ang “Lunch at 12:30”. Ang oras sa loob ng isang pangungusap (“we met at 12:30”) ay hindi ginagalaw. Sumasama ang mga cue number sa mga timestamp.
- Mga subtitle file
- Binabasa ang SubRip at WebVTT bilang mga subtitle, kung saan ang bawat cue ay isang talata na pinagsama ang mga line break; ang isang line break ay hindi kailanman itinuturing na katapusan ng pangungusap. Kapag napanatili ang mga timestamp, mada-download ang mga nalinisang cue bilang .srt o .vtt nang hindi nagbabago ang timing ng mga ito at taglay ang parehong mga salita gaya ng result box; ang pagsasama ng mga pagsasalita ay nalalapat sa teksto lamang, dahil pinapanatili ng cue ang sarili nitong oras sa screen.
- Mga pinagsamang turn
- Ang magkakasunod na talata ng parehong pinangalanang tagapagsalita ay pinagsasama sa isa, dala ang oras ng nauna. Ang talatang walang pangalan ay hindi kailanman isinasama sa anuman: hula lamang kung ipinagpapatuloy nito ang naunang tagapagsalita, at pareho lang ang basa rito sa alinmang paraan.
- Mga byte-order mark at Windows line ending
- Inaalis at ini-standardize, sa halip na gawing hindi mababasang bloke ang unang cue.
Mga tanong
Ina-upload ba ang aking transcript?
Hindi. Binabasa at muling isinusulat ang teksto sa pahinang ito, sa inyong browser, at wala sa mga ito ang ipinapadala saanman. Ang link sa ibaba ay patungo sa txscribe, na nagta-transcribe ng mga recording sa cloud; hindi ito ang pahinang iyon.
Aling mga filler word ang inaalis nito?
Ang mga nasa listahan nito para sa English, Spanish, Portuguese, French at German — piliin ang wika sa itaas ng teksto; ang mga salita ng bawat wika ay pinaghihiwalay ng tuldok-kuwit. Ang mga tunog na walang ibang kahulugan ay inaalis kahit saan man nakalagay: 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. Ang mga ito ay inaalis saanman inihihiwalay ng bantas sa magkabilang panig: 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. Ang mga ito ay inaalis lamang kapag nagbubukas ng pangungusap, na may kuwit pagkatapos ng mga ito: 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. Ang mga ito ay inaalis lamang kapag nagsasara ng pangungusap, pagkatapos ng kuwit: sabe, entendeu; quoi, voyez; gell, weißt du, weisst du. Wala sa mga ito ang inaalis kapag nag-iisa ito bilang pangungusap: iyon ay isang sagot.
Bakit pinanatili ang isang salitang matatawag kong filler?
Dahil walang naghiwalay rito, o nakalagay ito kung saan madalas itong tunay na salita. Pinapanatili ng “We like went home” ang “like” nito: kung walang kuwit sa alinmang panig, hindi ito matutukoy ng pahina mula sa “we like going home”, at ang panuntunan ay panatilihin ang isang salita sa halip na alisin ang kahulugan. Idagdag ang mga kuwit at aalisin ito.
Maaari ko bang panatilihin ang mga timestamp?
Oo: i-uncheck ang “Alisin ang mga timestamp at numero ng cue”. Magbubukas ang bawat talata kasama ang oras nito, at kapag ang inilagay ay isang .srt o .vtt, maaaring ma-download ang mga nalinis na cue bilang .srt o .vtt nang hindi nagbabago ang timing ng mga ito.
Ano ang binabasa nito?
Plain text na may mga linyang “Pangalan: teksto”, mga oras sa simula ng linya o pagkatapos ng pangalan, mga header ng meeting app tulad ng “Speaker 1 0:03”, mga SubRip at WebVTT file, mga WebVTT voice tag, mga line ending ng Windows, at byte-order mark. Tinatanggihan ang mga audio at video file: naglilinis ng teksto ang pahinang ito, hindi ito nagta-transcribe.
Libre ba ito?
Oo, nang walang account at walang kailangang i-install.
Kailangan muna ng transcript?
Nagta-transcribe ang txscribe ng audio at video na may timestamp sa bawat salita, at nag-e-export ng plain text, SubRip, at WebVTT. Hindi tulad ng pahinang ito, ang bahaging iyon ay gumagana sa cloud.
Magsimula nang libre