Transcrierea înregistrărilor lungi: împărțiți-le corect, nu sperați la noroc

Un curs de 90 de minute, o conferință de o zi întreagă, un interviu narativ lung: înregistrări de felul acesta sunt normale când transcrieți regulat. Trimiterea uneia dintr-o bucată către un model pare comodă, până când o eroare la minutul 80 vă pierde tot fișierul, transcrierea devine un zid de text greu de citit sau vi se epuizează limita. Împărțirea întâi merge mai repede, iar o greșeală vă costă câteva minute, nu două ore.

Când merită cu adevărat împărțirea?

Nu orice fișier lung trebuie tăiat. Trei întrebări decid: fișierul încape în limitele serviciului, aveți nevoie de etichete de vorbitori consecvente pe toată lungimea și cât de neplăcută ar fi o rulare repetată? La Sprechverlauf, varianta gratuită de probă acoperă fișiere de până la 10 minute; un abonament permite până la 4 ore dintr-o dată, iar înregistrările lungi sunt oricum împărțite intern în secțiuni de 30 de minute. Împărțirea făcută chiar de dumneavoastră merită totuși atunci când vreți să salvați secțiunile separat sau să repetați una singură.

Regula de bază: niciodată în mijlocul unei propoziții

Recunoașterea vorbirii lucrează pe baza contextului. Dacă tăiați o propoziție pe la mijloc, ambele jumătăți pierd sensul: prima se oprește brusc, a doua începe fără referință. Asta se simte cel mai tare la termenii tehnici și la numele proprii, exact acolo unde modelul se sprijină pe cuvintele din jur. Tăiați în timpul unei pauze, de preferat într-un punct în care subiectul se schimbă oricum.

• Tăiați între punctele de pe agendă, slide-uri sau rundele de întrebări
• Lăsați două-trei secunde de suprapunere, ca niciun cuvânt să nu dispară la îmbinare
• Eliminați complet salutul, verificarea sunetului și încheierea
• Înlăturați dinainte muzica pură, aplauzele și pasajele de pregătire
• Numiți părțile în ordine: „curs-01”, „curs-02”, nu „nou” și „nou-final”

Împărțirea cu ffmpeg: două comenzi sunt suficiente

ffmpeg este gratuit, rulează peste tot și nu recodează sunetul decât dacă îi cereți asta. Comanda următoare taie fișierul în secțiuni de 25 de minute (1500 de secunde) și lasă sunetul neatins:

• ffmpeg -i lecture.m4a -f segment -segment_time 1500 -c copy part_%02d.m4a
• ffmpeg -i lecture.wav -ac 1 -b:a 64k lecture.mp3 (micșorează considerabil înregistrările vorbite înainte de împărțire)
• ffmpeg -i lecture.m4a -ss 00:12:30 -to 00:41:00 -c copy excerpt.m4a (taie o secțiune anume)

Mono la 64 kbit/s sună drastic, dar pentru vorbire nu contează: modelul nu are nevoie nici de lățimea stereo, nici de rezoluție muzicală. O oră de vorbire încape confortabil în aproximativ 30 MB. Păstrați originalul și lucrați cu copia mai mică — tăiați întotdeauna copia, niciodată masterul.

Împărțirea fără linia de comandă

Dacă nu doriți să deschideți un terminal, Audacity vă duce la fel de departe: deschideți fișierul, selectați un interval, apoi „File → Export → Export Selected Audio”. Vizualizarea formei de undă are aici un avantaj real față de linia de comandă: pauzele se văd ca secțiuni înguste, deci vedeți punctul de tăiere în loc să-l ghiciți. Pe telefon, aplicațiile integrate de înregistrare vocală fac aceeași treabă, deși mai aproximativ.

După împărțire: marcajele de timp pornesc iar de la zero

Fiecare transcriere își numără timpul de la începutul propriului fișier. Partea a doua a unui curs începe deci iar de la 00:00, deși în realitate începe la minutul 25. Când îmbinați părțile, trebuie să adăugați decalajul de start la fiecare marcaj de timp, altfel toate trimiterile indică locul greșit. Pentru fișierele SRT și VTT, majoritatea editoarelor de subtitrări fac asta cu o funcție numită „shift” sau „offset times”.

• Notați decalajul de start al fiecărei părți înainte să pierdeți din vedere fișierul original
• Adăugați un titlu intermediar pentru fiecare parte când îmbinați exporturile de text
• Citați pasajele cu numărul părții și ora, de exemplu „partea 2, 07:41”
• Îmbinați subtitrările abia după ce orele au fost deplasate

Etichetele vorbitorilor nu trec de la o parte la alta

Detectarea vorbitorilor analizează fiecare fișier separat. „Vorbitor 1” din partea întâi și „Vorbitor 1” din partea a doua nu trebuie să fie aceeași persoană — niciuna dintre rulări nu știe de cealaltă. Asta ține de metodă, nu este o eroare. În practică: ascultați primele secunde din fiecare parte și înlocuiți etichetele generice cu nume reale înainte să îmbinați secțiunile.

Dacă atribuirea constantă a vorbitorilor contează mai mult decât orice altceva — de exemplu o audiere sau o discuție de grup cu șase participanți — are sens să nu împărțiți deloc, să setați explicit numărul de vorbitori și să acceptați timpul de procesare în plus.

O ordine de lucru care funcționează

• Arhivați originalul și creați o copie de lucru, MP3 mono
• Ascultați înregistrarea o dată și marcați punctele de tăiere la pauze
• Împărțiți în secțiuni de 20 până la 30 de minute, numerotate în ordine
• Transcrieți secțiunile pe rând, setând mai întâi limba și termenii-cheie
• Înlocuiți etichetele vorbitorilor cu nume reale, pe fiecare secțiune
• Deplasați marcajele de timp cu decalajul de start și îmbinați textele
• Verificați selectiv cifrele, numele și citatele față de înregistrare