Przekształć gotową transkrypcję w plik SRT z rzeczywistymi znacznikami czasu
Jeśli masz już gotową transkrypcję wywiadu, podcastu lub wykładu – sporządzoną ręcznie lub przez serwis – brakuje Ci tylko synchronizacji czasowej. Prześlij nagranie wraz z transkrypcją, a każda linijka wróci jako zsynchronizowany segment w formacie SRT i VTT, z zachowaniem dokładnego brzmienia i oznaczeń osób mówiących. Nagrania do 10 min są w całości darmowe; dłuższe kosztują jednorazowo $5 (do 6 godz.).
- Transkrypcja w formacie TXT lub DOCX albo wklejony tekst – spisana przez Ciebie lub dostarczona przez firmę transkrypcyjną
- Pisownia, interpunkcja i oznaczenia rozmówców (np. „Prowadzący:”) zachowane dokładnie tak, jak w oryginale
- Każda linijka zsynchronizowana dokładnie z momentem jej wypowiedzenia w nagraniu
- Długie akapity podzielone na czytelne segmenty w miejscach zdań i przecinków
- Pliki SRT i VTT w UTF-8 ze znacznikiem BOM dla odtwarzaczy, które go wymagają
Masz już tekst
Starannie sprawdzona transkrypcja zasługuje na to, by zachować ją bez zmian. Przepuszczanie dźwięku przez ponowną transkrypcję tylko po to, by uzyskać plik SRT, to marnowanie tej pracy: nazwiska znowu będą przekręcone, Twoje poprawki znikną, a Ciebie czeka kolejna korekta. To narzędzie zachowuje Twój tekst i dodaje do niego wyłącznie znaczniki czasu. Rozpoznawanie mowy ustala, kiedy pada każde słowo, a algorytm dopasowuje do nich Twoją transkrypcję.
Zwykła transkrypcja jest dla odtwarzacza bezużyteczna. Nawet taka ze znacznikami czasu co kilka minut nie wystarczy, ponieważ napisy wymagają czasu początkowego i końcowego dla każdych kilku sekund mowy.
Jak przygotować transkrypcję
- Zachowaj jeden akapit lub jedną wypowiedź rozmówcy w linijce; podziały wierszy staną się granicami segmentów napisów
- Oznaczenia rozmówców pozostają w tekście napisów bez zmian, więc np. „Dr Kowalski:” pojawi się na ekranie; usuń je wcześniej, jeśli chcesz widzieć tylko wypowiadane słowa
- Dawne znaczniki czasu wpisane w tekst, np. [00:14:02], są traktowane jak zwykłe słowa – usuń je, inaczej pojawią się w napisach
- Notatki typu [niezrozumiałe] lub [mówią jednocześnie] pozostaną w segmencie dokładnie tam, gdzie zostały wpisane
- Fragmenty spisane w tekście, ale później wycięte z nagrania, należy usunąć – brakuje dźwięku, do którego można by je dopasować
Rozbieżności między nagraniem a tekstem
Wygładzone transkrypcje (clean verbatim) pomijają „yyy”, zacięcia i powtórzenia słów. To żaden problem: usłyszane dźwięki, których nie ma w Twoim tekście, są pomijane, a uporządkowane zdanie zachowuje swoje miejsce. Gdy rozpoznawanie mowy słyszy „dwadzieścia pięć”, a w tekście wpisano „25”, lub gdy nie dosłyszy wymamrotanego słowa, czas jest określany na podstawie sąsiadujących wyrazów.
Nałożenie się głosów dwóch osób lub gość siedzący daleko od mikrofonu mogą sprawić, że segment zacznie się odrobinę za wcześnie lub za późno. W przypadku języków: amharski, tigrinia, somalijski, dari, kurdyjski, birmański i paszto synchronizacja pochodzi z ogólnego modelu AI i jest mniej precyzyjna.
Do czego przydaje się zsynchronizowana transkrypcja
- Napisy do wideo wersji odcinka podcastu
- Napisy do nagranego wykładu lub webinaru na platformie kursowej
- Materiały z wywiadu w programie montażowym, z każdą wypowiedzią na osi czasu
- Napisy dla osób niesłyszących do wystąpienia, które zostało spisane miesiące temu
Jak działa narzędzie, ile kosztuje i jak traktujemy Twoje pliki, znajdziesz na stronie narzędzia: Synchronizacja transkrypcji z audio. Ceny wszystkich narzędzi znajdziesz w dziale cennik.
Ostatnia aktualizacja:
Pytania i odpowiedzi
Czy ChatGPT może dodać znaczniki czasu do mojej transkrypcji?
Może sformatować transkrypcję jako SRT i na Twoją prośbę wpisać czasy. Jednak nie słysząc nagrania, rozkłada je równomiernie lub po prostu zgaduje, przez co przy godzinnym wywiadzie napisy rozjeżdżają się coraz bardziej z każdą minutą. Przy długim tekście ma też tendencję do skracania lub łączenia linijek. U nas czasy pochodzą wprost ze ścieżki dźwiękowej, a sam tekst pozostaje nienaruszony.
Czy w napisach pojawią się imiona rozmówców?
Tak, jeśli znajdują się w Twoim tekście – oznaczenia są zachowywane dokładnie w takiej formie, jak zostały wpisane. Usuń je przed przesłaniem pliku, jeśli na ekranie mają pojawić się wyłącznie wypowiadane słowa.
W mojej transkrypcji pominięto zająknięcia i wtrącenia typu „yyy”. Czy to problem?
Nie. Dodatkowe dźwięki w nagraniu, których nie ma w Twoim tekście, są pomijane, a uporządkowane linijki są synchronizowane na podstawie otaczających je słów.
W jakich formatach mogę przesłać transkrypcję?
Możesz wkleić tekst albo przesłać plik TXT lub DOCX. Jeśli masz już plik z napisami, obsługiwane są także formaty SRT, VTT, ASS, SBV i LRC, a układ segmentów zostanie zachowany.
Ile kosztuje zsynchronizowanie transkrypcji?
Do 10 min nagrania jest całkowicie za darmo. Dłuższe pliki to koszt $5 (jednorazowa płatność, do 6 godz.). Pakiet Unlimited za $19 tygodniowo obejmuje do 12 godz. na zlecenie.
Kto ma dostęp do mojej transkrypcji?
Tylko Ty. Twoje pliki trafiają do dostawcy modeli AI wyłącznie w celu przetworzenia i nie są wykorzystywane do trenowania modeli. Zlecenia utworzone bez rejestracji są usuwane po 7 dniach, a w każdej chwili możesz też usunąć zlecenie ręcznie.