Talegenkendelse i din browser
Dette værktøj konverterer MP3 til tekst ved hjælp af Whisper, en åben model til talegenkendelse. De fleste online transskriptionstjenester uploader din lyd til en server. Her bliver modellen downloadet til din browser én gang og kører derefter på din egen computer eller telefon. Din optagelse forlader aldrig din enhed, hvilket er vigtigt ved interviews, medicinske eller juridiske notater, møder og personlige talebeskeder. Efter den første download gemmes modellen af browseren og indlæses hurtigere næste gang.
Sprog og nøjagtighed
Her fungerer Whisper med 23 sprog, bl.a. engelsk, spansk, fransk, tysk, italiensk, portugisisk, russisk, kinesisk, japansk, koreansk, tyrkisk og polsk. Nøjagtigheden er bedst ved tydelig tale med lidt baggrundsstøj. Den er lavere ved:
- flere personer, der taler samtidig;
- kraftig baggrundsmusik eller støj;
- meget svage eller fjerne stemmer;
- usædvanlige navne og fagudtryk;
- flere sprog blandet i samme sætning.
Hvis du selv vælger sprog i stedet for automatisk registrering, får du som regel et bedre resultat, især ved korte optagelser.
Outputformater
| Format | Indhold | Brug |
|---|---|---|
| TXT | ren tekst | noter, dokumenter, citater |
| SRT | nummererede undertekster med start- og sluttid | videoredigeringsprogrammer, YouTube, de fleste afspillere |
| VTT | webundertekster med tider | HTML5-videoafspillere, websider |
Hastighed og lange optagelser
Transskription er tungt arbejde for en computer. På en moderne bærbar kan en times optagelse tage fra nogle få minutter til længere end optagelsens varighed, afhængigt af processor, modelstørrelse og browser. Telefoner er langsommere. Hold fanen åben, mens værktøjet arbejder. Ved meget lange filer kan du også dele optagelsen op med Del lyd og transskribere delene én ad gangen.
Tips til en bedre transskription
Modellen lytter i korte vinduer på cirka 30 sekunder og skriver det, den hører, med start- og sluttidspunkter. Den tilføjer selv tegnsætning og store bogstaver, men den ved ikke, hvem der taler, så ved et interview skal du selv markere de talende. Lange pauser og musik uden tale springes over eller står tomme. Hvis en optagelse begynder med musik, kan de første linjer tekst starte senere, end du forventer. Det er helt normalt.
- Rens støjende optagelser med Støjreduktion, før du transskriberer.
- Hvis den talende er svag, så hæv niveauet med Normaliser først.
- Til undertekster bør du kontrollere timingen i din videoafspiller. Hvis en undertekst er for lang til at læse, kan du dele den op i et tekstredigeringsprogram. SRT og VTT er almindelige tekstfiler.
- Læs altid transskriptionen igennem én gang. Ret navne, tal og ord, som modellen kan have misforstået.
Videofiler fungerer også: Træk en MP4 ind, så transskriberer værktøjet lydsporet. Det er en hurtig måde at lave undertekster til dine egne videoer på.