Очищувач розшифровок
Вставте розшифровку або відкрийте .txt, .srt чи .vtt. Видаляйте слова-паразити, мітки часу та номери реплік і об'єднуйте репліки кожного доповідача. Інструмент працює у Вашому браузері — текст ніколи його не залишає, і жодного облікового запису не потрібно.
Що робить інструмент і яких правил він дотримується
Кожна зміна ґрунтується на правилі, яке можна перевірити у вікні результату. Якщо правило сумнівається, воно завжди залишає слово в тексті.
- Слова-паразити
- Звуки, що не мають іншого значення — um, eh, hum, euh, äh тощо — видаляються всюди, де б вони не стояли. Слова, які є словами-паразитами лише іноді, видаляються лише там, де їх виділяють розділові знаки, і лише там, де вони рідко означають щось інше: деякі — всюди, де їх виділяють коми («we, like, went»), деякі — лише на початку речення («Well, I think»), деякі — лише наприкінці («c’est cool, quoi.»). Слово, яке саме по собі становить речення («Right.»), залишається: це відповідь. Слово, яке після цього відкриває речення, пишеться з великої літери; слово-паразит, написане великими літерами всередині рядкового тексту, вважається абревіатурою і зберігається. Списки наведено нижче в розділі «Запитання».
- Імена доповідачів
- Конструкція «Ім'я:» на початку рядка позначає доповідача, якщо вона відкриває щонайменше два рядки, якщо там написано «Speaker 1», якщо між нею та двокрапкою стоїть час («Maya (00:01:23):»), або якщо текст оформлено рядками «Ім'я: текст» і якесь ім'я повторюється. В іншому разі слово, яке відкриває лише один рядок — «Увага:», «Примітка:» — залишається як є, адже видалити його було б гірше, ніж зберегти ім'я. Ім'я починається з літери, тому рахунок на кшталт «3:2» ним ніколи не вважається. Тег голосу WebVTT завжди позначає доповідача.
- Мітки часу та номери реплік
- Час на початку рядка — [00:01:23], (1:30), 0:02:05 — або після імені — Maya (00:01:23): — вважається часом абзацу. Рядок, що містить лише ім'я та час, як експортують додатки для зустрічей, дає ім'я абзацу під ним, якщо там написано «Speaker 1» або це ім'я стоїть на початку кількох таких рядків; інакше він залишається текстом, оскільки фраза «Обід о 12:30» виглядає так само. Час усередині речення («ми зустрілися о 12:30») не змінюється. Номери реплік видаляються разом із мітками часу.
- Файли субтитрів
- SubRip та WebVTT зчитуються як субтитри, де кожна репліка є окремим абзацом з об'єднаними розривами рядків; розрив рядка ніколи не вважається кінцем речення. Якщо мітки часу збережено, очищені репліки можна завантажити як .srt або .vtt із незмінним хронометражем і тими самими словами, що й у полі результату; об'єднання реплік застосовується лише до тексту, оскільки кожна репліка зберігає свій час на екрані.
- Об'єднані репліки
- Послідовні абзаци одного й того самого доповідача з іменем об'єднуються в один із міткою часу першого з них. Абзац без імені ні з чим не об'єднується: чи це продовження слів попереднього доповідача — лише здогадка, а читається текст однаково в обох випадках.
- Мітки порядку байтів (BOM) та закінчення рядків Windows
- Очищаються та приводяться до норми, щоб перша репліка не перетворювалася на нечитабельний блок.
Запитання
Чи завантажується моя розшифровка на сервер?
Ні. Текст зчитується та обробляється безпосередньо на цій сторінці у вашому браузері й нікуди не передається. Посилання внизу веде на txscribe, де розшифровка записів відбувається у хмарі; ця сторінка працює зовсім інакше.
Які слова-паразити видаляються?
Ті, що є в її списках для англійської, іспанської, португальської, французької та німецької мов — оберіть мову над текстом; слова для кожної мови відокремлено крапкою з комою. Звуки, що не мають іншого значення, видаляються всюди: 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. Ці видаляються всюди, де їх з обох боків виділяють розділові знаки: 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. Ці видаляються лише на початку речення з комою після них: 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. Ці видаляються лише наприкінці речення після коми: sabe, entendeu; quoi, voyez; gell, weißt du, weisst du. Жодне з них не видаляється, коли воно саме по собі становить речення: це відповідь.
Чому залишилося слово, яке я вважаю паразитом?
Тому що його ніщо не виділяло, або воно стояло там, де часто є справжнім словом. Фраза «We like went home» зберігає своє «like»: без коми з будь-якого боку сторінка не може відрізнити його від «we like going home», а правило полягає в тому, щоб швидше залишити слово, ніж позбавити текст змісту. Додайте коми, і воно видалиться.
Чи можна залишити мітки часу?
Так: зніміть прапорець «Видалити мітки часу та номери реплік». Тоді кожен абзац починатиметься з мітки часу, а якщо ви вставляли файл .srt або .vtt, очищені репліки можна буде завантажити як .srt чи .vtt зі збереженням початкового хронометражу.
Що розпізнає інструмент?
Звичайний текст із рядками формату «Ім'я: текст», часом на початку рядка або після імені, заголовками з додатків для зустрічей на зразок «Speaker 1 0:03», файли SubRip і WebVTT, голосові теги WebVTT, переноси рядків Windows і маркер послідовності байтів (BOM). Аудіо- та відеофайли не підтримуються: ця сторінка очищує текст, а не розшифровує записи.
Це безкоштовно?
Так, без реєстрації та встановлення програм.
Спочатку потрібна розшифровка?
txscribe перетворює аудіо та відео на розшифровку з міткою часу для кожного слова й експортує у звичайний текст, SubRip та WebVTT. На відміну від цієї сторінки, ця функція працює у хмарі.
Почати безкоштовно