Что такое транскрибация простыми словами
Есть запись: интервью, совещание, лекция, подкаст. Транскрибация переводит её в текст, который можно читать, цитировать и править. Язык при этом не меняется: русская речь становится русским текстом, английская — английским. Обычно результат оформлен как диалог: спикер (так называют говорящего на записи), таймкод (отметка времени от начала записи) и текст реплики. Ту же задачу ищут и другими словами: «аудио в текст», «расшифровка записи», «речь в текст».
| Понятие | Что делают | Пример |
|---|---|---|
| Транскрибация | записывают речь из аудио или видео текстом на том же языке | час интервью становится документом с репликами |
| Транскрипция | записывают звучание слова специальными знаками | слово «друг» звучит как [друк] |
| Перевод | передают смысл на другом языке | английский доклад становится русским текстом |
Если вы искали «транскрибацию слова», чтобы узнать, как оно произносится, вам нужна фонетическая транскрипция из словаря или учебника. В разговоре эти слова часто смешивают, и транскрипцией называют также расшифровку записи. Что пишут словари и какое слово выбрать, смотрите в статье «Транскрибация или транскрипция».
С переводом транскрибация тоже не совпадает, хотя бывает его первым шагом. Scribly делает только транскрибацию. Если в записи звучат два языка, каждая фраза останется на своём.
Кто такой транскрибатор
У слова два значения:
- Человек. Транскрибатор, или расшифровщик, переслушивает запись и перепечатывает её: подписывает спикеров, ставит таймкоды, помечает неразборчивые места и оформляет документ так, как договорились с заказчиком. Работу обычно считают по минутам записи.
- Программа. Так называют и сервис, который распознаёт речь автоматически. Вы загружаете файл и получаете текст. Scribly — такой онлайн-транскрибатор, он отдаёт расшифровку с таймкодами и разделением по спикерам.
Программа даёт черновик, человек доводит его до чистового текста.
Ручная и автоматическая транскрибация
Ручная расшифровка
Человек слушает несколько секунд, ставит на паузу, печатает, отматывает назад и переслушивает неразборчивое. Так, фраза за фразой, проходит вся запись.
По оценке исследователей Манчестерского университета, на час записи уходит от четырёх до семи часов работы в зависимости от скорости печати, качества звука и сложности разговора. Сорок часовых интервью по этой оценке — 160–240 часов за клавиатурой. Зато человек понимает контекст: догадается о фамилии по ходу разговора и сразу оформит текст как нужно.
Автоматическая расшифровка
Речь распознаёт программа, а от человека остаётся загрузить файл и проверить результат. Вычитка всё равно нужна, особенно если текст пойдёт в цитату, отчёт или публикацию. Чаще всего правки требуют фамилии, термины, цифры и места, где люди перебивают друг друга.
| Что сравниваем | Вручную | Автоматически |
|---|---|---|
| Время на час записи | 4–7 часов работы | ожидание в фоне и вычитка |
| Спикеры | подписывает человек | реплики делятся сами, имена проставляете вы |
| Сложные места | человек разберёт по контексту | нужна проверка |
Как работает автоматическое распознавание речи
- Звук. Из файла берётся звуковая дорожка, у видео тоже. Изображение для распознавания не нужно.
- Распознавание. Модель, обученная на большом объёме речи с готовыми расшифровками, переводит звук в слова. Из похожих по звучанию вариантов она выбирает тот, что подходит к фразе, поэтому частые слова распознаются уверенно, а редкие фамилии и узкие термины хуже.
- Пунктуация. Точки, запятые и заглавные буквы модель расставляет сама, по смыслу фразы и паузам.
- Разметка по спикерам. Этот этап называют диаризацией. Система замечает, где сменился голос, и собирает фрагменты одного голоса вместе. Имён она не знает, поэтому спикеры сначала подписаны номерами, а имена проставляете вы.
- Таймкоды. Система знает, когда прозвучало каждое слово, поэтому у реплики есть время начала.
В Scribly перед загрузкой можно выбрать язык или оставить автоопределение, указать ожидаемые языки (какие языки прозвучат на записи), число спикеров и слова-подсказки (фамилии и термины, которые сервис учтёт при распознавании). Обработка идёт в фоне, а кабинет показывает статус и ориентир, когда текст будет готов.
Дословная и чистовая расшифровка
Одну запись можно перевести в текст по-разному. Вопрос в том, что делать с «э-э», «ну», «как бы», повторами и оговорками.
| Вид | Что в тексте | Когда нужен |
|---|---|---|
| Дословная | всё, что прозвучало, включая слова-паразиты и оговорки; паузы, смех и перебивания помечаются | анализ речи, лингвистика, исследования, где важно не только что сказано, но и как |
| Чистовая | тот же смысл без слов-паразитов и повторов, фразы доведены до читаемого вида | интервью для публикации, протокол встречи, конспект лекции |
Чем подробнее расшифровка, тем дольше её делать вручную: те же исследователи оговаривают, что для конверсационного анализа (так называют изучение живой речи: паузы, перебивания, очерёдность реплик) и лингвистики уходит больше 4–7 часов на час записи. Можно выбрать середину: убрать «э-э» и повторы, но сохранить разговорные обороты.
Автоматический текст стоит считать черновиком. В Scribly текст реплик и имена спикеров правятся прямо в кабинете. Текст можно вычистить для публикации или оставить как есть для анализа. Правки попадают в выгрузки.
Где нужна транскрибация
- Интервью и исследования. Текст можно кодировать, то есть размечать фрагменты метками по темам, и цитировать, а цитата с именем респондента (человека, у которого берут интервью) и таймкодом сразу идёт в отчёт.
- Встречи и созвоны. Из расшифровки собирают протокол, решения и задачи. Scribly к созвону не подключается. Загрузите файл записи из программы видеосвязи или диктофона. На тарифах «Про» и «Бизнес» есть выжимка, или TL;DR: короткий пересказ с главными мыслями и следующими шагами.
- Лекции. Конспект, в котором легко найти нужную тему.
- Подкасты и видео. Текстовая версия выпуска, заготовка для статьи, цитаты для анонсов, файл субтитров SRT или VTT, который плеер показывает поверх видео.
- Журналистика. Интервью и пресс-конференции с цитатами, которые легко проверить по таймкоду.
Результат выгружается на любом тарифе в DOCX (формат Word), PDF, Markdown (текст с простой разметкой), TXT (простой текст) и файлы субтитров SRT и VTT, и скачивать его можно повторно, пока расшифровка хранится.
От чего зависит качество транскрибации
- Звук. Чем ближе микрофон и меньше шума, эха и музыки, тем меньше правки. Загружайте исходный файл, а не пересжатую копию.
- Перебивания. Когда говорят одновременно, страдают и слова, и разметка по спикерам.
- Число спикеров. Похожие голоса система может слить в один. Если знаете, сколько человек на записи, укажите число, но это только подсказка. Слитые реплики можно развести вручную.
- Термины и имена. Редкие слова пишутся по звучанию, и фамилия может превратиться в похожие обычные слова. Помогают слова-подсказки: в Scribly они общие для рабочей области (так называется ваше пространство в кабинете) и сохраняются между загрузками.
- Язык. Если в разговоре смешаны языки, например русский с английскими терминами, укажите их как ожидаемые. Распознавание будет увереннее.
Как транскрибировать аудио самостоятельно
- Зарегистрируйтесь: после подтверждения почты вы получите 120 минут на пробу.
- Загрузите файл: подходят AAC, AIF, AIFF, AMR, FLAC, M4A, MP3, OGG, OPUS, WAV, WMA, MP4, MOV, MKV, WEBM, AVI, M4V, WMV, ASF. Расшифровки по ссылке нет, нужен сам файл.
- Укажите язык, число спикеров и слова-подсказки.
- Дождитесь статуса «Готово», вычитайте текст, подпишите спикеров и скачайте результат.
На бесплатном тарифе файл может длиться до 1 часа и весить до 1 ГБ, на платных — до 5 часов и до 1,5–2 ГБ. Подробная инструкция — в статье «Как перевести аудио в текст», про видеозаписи — в статье «Как перевести видео в текст».
Транскрибация аудио и видео онлайн в Scribly начинается с бесплатных минут. Минуты на пробу не сгорают, затем бесплатный тариф даёт 30 минут каждые 30 дней. Цены платных тарифов смотрите на главной. Когда минуты списываются, а когда остаются на счёте, смотрите в статье об аудио в текст.
Исходный файл удаляется сразу после отправки на распознавание. Текст хранится до 180 дней в зависимости от тарифа, на бесплатном до 60 дней, а удалить его можно в любой момент.