Transkrypcja wywiadów, która dokładnie rejestruje, kto co powiedział

Dlaczego długie wywiady tracą swoją strukturę w chatbocie

Godzina rozmowy to wiele tysięcy słów. Chatboty obsługujące dźwięk nakładają limity na długość pliku, w darmowych planach często w ogóle nie da się przesłać nagrania, a tak długa transkrypcja nie mieści się w pojedynczej odpowiedzi. W efekcie otrzymujesz skrót, streszczenie lub tekst urywa się w połowie. Pierwszą rzeczą, która wtedy znika, jest podział na kwestie: kto pytał, kto odpowiadał i w którym momencie.

To narzędzie dzieli nagranie na fragmenty o długości do dziesięciu minut i transkrybuje każdy z nich w całości, z poleceniem rozpoczynania każdego akapitu od oznaczenia rozmówcy. Znaczniki czasu są odpowiednio przesuwane względem początku danej części, a całość jest łączona w chronologicznym porządku. Podsumowanie, lista tematów i cytaty są generowane dopiero na samym końcu, wyłącznie na podstawie gotowej transkrypcji.

Dla kogo

• Badacze jakościowi i studenci transkrybujący wywiady do prac dyplomowych lub badań naukowych
• Dziennikarze potrzebujący dosłownych cytatów wraz z dokładnym czasem wypowiedzi
• Projekty historii mówionej rejestrujące długie wywiady biograficzne
• Wywiady azylowe, imigracyjne i przesłuchania prawne wymagające roboczej transkrypcji oraz tłumaczenia
• Badania użytkowników (UX) oraz rozmowy rekrutacyjne analizowane zespołowo

Oznaczenia rozmówców i plik CSV: na co zwrócić uwagę

Rozmówcy są oznaczani jako „Speaker 1”, „Speaker 2” itd.; prawdziwe imię lub nazwisko pojawia się tylko wtedy, gdy dana osoba została wyraźnie nazwana w nagraniu. Numery są przypisywane w obrębie 10-minutowych fragmentów, więc w dłuższym wywiadzie uczestnik może w dalszej części nagrania stać się „Speaker 1”. Przejrzyj oznaczenia przed pobraniem i skoryguj je za pomocą opcji „Znajdź i zamień”.

Plik CSV przenosi oznaczenie znajdujące się przed dwukropkiem na początku każdego akapitu do kolumny Speaker. Etykiety takie jak Interviewer, Participant 7, Respondent 2 czy imiona i nazwiska do trzech słów są odczytywane poprawnie; sam kod typu P07 nie zostanie rozpoznany i pozostanie w kolumnie Text. Zmiany wprowadzone na ekranie i zmienione nazwy rozmówców są uwzględniane w eksporcie. Jeśli zlecenie obejmuje kilka plików, kolumna File wskazuje, z którego pliku pochodzi dana wypowiedź.

Czego AI nie robi oraz kwestia dokładności

Sztuczna inteligencja nie koduje wywiadu, nie oznacza motywów przewodnich, nie interpretuje intencji wypowiedzi ani nie ocenia uczestników — to zadanie badacza. Nie mierzy też czasu pauz ani nie nanosi nakładających się wypowiedzi ze szczegółowością wymaganą w analizie konwersacyjnej. Podsumowanie, wątki i cytaty są generowane przez AI na podstawie transkrypcji, dlatego przed ich zacytowaniem porównaj je z nagraniem.

Transkrypcję tworzy model mowy AI, który świetnie radzi sobie z wyraźnym dźwiękiem. Szum w tle, wzajemne przekrzykiwanie się i mikrofon oddalony od rozmówcy mogą powodować błędy — sprawdź nazwiska i liczby. Nie jest to transkrypcja poświadczona ani tłumaczenie przysięgłe, więc sąd lub urząd ds. cudzoziemców może wymagać dokumentu sporządzonego przez uprawnionego transkrybenta bądź tłumacza. Upewnij się, że formularze zgody lub zgoda komisji etycznej dopuszczają transkrypcję przez serwis zewnętrzny.