Diarización de hablante gratis, etiquetas de hablante en tu audio
Una transcripción de una conversación es media transcripción si no puedes decir quién dijo qué.
ScribeGrab agrupa las voces que escucha y pone Ponente 1, Presidente 2 en frente de cada línea, automáticamente, en el texto y los subtítulos.
Sin cuenta. 10 grabaciones al día. Archivos de hasta 60 minutos, y se restablece a medianoche.
Transcripción y subtítulos sencillos aquí mismo. El pitido de censura, la traducción y los subtítulos incrustados están en la herramienta completa.
Lo que realmente ofrece la identificación de oradores
También se llama diarización: no reconocer quién alguien es, pero notando que esta voz y esa voz son dos personas diferentes, y marcando donde cada uno está hablando. El resultado es una transcripción que puede leer como un script en lugar de una pared de texto.
- Entrevistas en las que la pregunta y la respuesta están claramente separadas
- Reuniones en las que se puede ver quién se comprometió a qué
- Podcasts con dos o tres presentadores, listos para notas del programa
- Grabaciones judiciales, de investigación o de clase en las que el turno de palabra es lo importante
Del archivo de audio a la transcripción aquí mismo
Cada fragmento de voz se convierte en una "huella digital" (un embedding ECAPA-TDNN), y esas huellas digitales se agrupan: las voces que están muy próximas entre sí se consideran como pertenecientes a la misma persona. El grupo al que pertenece cada línea determina su etiqueta, y esa etiqueta se escribe en los archivos TXT, SRT y VTT.
Funciona de forma autónoma. No hay ninguna configuración que activar ni nada que indicarle por adelantado, incluido el número de personas que hay en la sala.
Dónde se detiene, siendo honestos
No puede conocer el nombre de nadie. Nunca ha oído tu voz antes, así que dice "Orador 1", no "Sarah": lee la primera frase que dice cada persona y reemplaza las etiquetas una vez en tu editor de texto.
- Etiqueta entre 2 y 8 oradores. Una sola voz no necesita etiquetas, y con más de ocho el agrupamiento deja de ser fiable, por lo que se mantiene en silencio en lugar de adivinar.
- Necesita unos pocos segundos de cada voz para obtener una huella digital que merezca la pena agrupar. Una interjección de una sola palabra puede asignarse al orador vecino.
- Las conversaciones simultáneas son el mayor desafío para cualquier herramienta del mercado, incluida la nuestra. Si dos personas hablan al mismo tiempo durante una frase completa, es posible que se agrupen bajo una misma etiqueta.
- Funciona con la voz, no con los canales; por lo tanto, no importa si todos fueron grabados con un solo micrófono.
La transcripción en sí no se ve afectada: si las voces no se pueden distinguir de forma fiable, simplemente obtendrá la transcripción normal sin etiquetas.
Compatible con
Etiquetas de hablantes salen de la misma carga que todo lo demás, por lo que una llamada registrada puede volver etiquetado, con subtítulos, y con el sangrado jurando si necesitas compartirlo. Véase también transcripción de una entrevista y a Zoom o Teams grabando.
Sólo necesito las páginas que cubren la parte de un hablante, no toda la transcripción-vertida-PDF? ScanReviver divide PDF saca el rango de página que necesitas.
Por Sam Ridder, Construyo y ejecuto ScribeGrab en mi propio hardware, por mi cuenta. Quien soy.
Preguntas frecuentes
¿Tengo que activar algo?
No. Si se escuchan dos o más voces distintas, las etiquetas se añaden automáticamente en la transcripción y en ambos formatos de subtítulos.
¿Utilizará los nombres reales de las personas?
No, y ninguna herramienta puede hacerlo sin que se le indique quién es quién de antemano. Obtendrá "Orador 1", "Orador 2", etc.; busque la primera línea de cada uno y reemplace las etiquetas en su editor de texto.
¿Cuántos oradores puede procesar?
De dos a ocho. Si hay más, la agrupación de voces no es lo suficientemente fiable como para mostrarla, por lo que omite las etiquetas en lugar de hacer una suposición incorrecta.
¿Por qué mi transcripción no tiene etiquetas?
O bien solo detectó una voz, o bien detectó más de ocho grupos, lo que significa que la grabación era demasiado ruidosa o tenía demasiados solapamientos para poder agruparlas con precisión. La transcripción en sí sigue estando completa.
¿La identificación de oradores es gratuita?
Sí, como todo lo demás aquí: sin cuenta, 10 grabaciones al día, sin marca de agua, y su archivo se elimina justo después del procesamiento.
¿ScribeGrab realiza transcripciones de audio con identificación de hablantes integrada?
Sí, la identificación automática de hablantes se ejecuta en cada transcripción con más de una voz, por lo que no se necesita software o complemento de identificación de hablantes independiente. Está activada por defecto e incluida en la versión gratuita.
¿Cómo funciona la transcripción con detección de hablantes aquí: ¿es un complemento o es automática?
Totalmente automática. Tan pronto como se detecta más de una voz, la transcripción se divide en turnos de hablantes con una etiqueta para cada uno, de modo que obtienes una transcripción con etiquetas de hablantes lista para usar, en lugar de un complemento que instalar o una configuración que buscar.
¿Es esta una herramienta de diarización de audio o simplemente un transcriptor?
Ambas cosas en una: es una herramienta de transcripción completa con diarización (separación de hablantes) incluida, no un paso separado ni un complemento de pago.
¿Qué sucede si asigna incorrectamente una etiqueta de hablante?
Esto ocurre con mayor frecuencia en el caso de interferencias o dos voces con un sonido muy similar. Las etiquetas son estimadas por la IA, por lo que revise rápidamente los fragmentos superpuestos y cambie la etiqueta directamente en su editor de texto; las marcas de tiempo facilitan la búsqueda del lugar exacto.
¿En qué formato se presentan las etiquetas de los hablantes?
Simplemente "Hablante 1:", "Hablante 2:" y así sucesivamente al comienzo de cada turno, tanto en la transcripción como en los subtítulos SRT/VTT; no se necesita software especial para leerlas, solo un editor de texto.
¿Puedo realizar la diarización de hablantes en línea sin instalar nada?
Sí, todo el proceso (carga, diarización, transcripción) se ejecuta en el navegador en nuestros GPU. No hay nada que instalar y el archivo se elimina inmediatamente después del procesamiento.
¿Cómo funciona el etiquetado de hablantes en una transcripción?
El modelo escucha los cambios en la voz mientras transcribe y divide el texto en turnos en el momento en que detecta un hablante diferente, etiquetando cada turno como Hablante 1, Hablante 2, etc.; no hay etiquetado manual ni paso separado.
¿Cómo funciona la transcripción con etiquetado de hablantes y cómo se ve realmente una etiqueta de hablante en una transcripción?
El modelo detecta los cambios en la voz y divide el texto en segmentos automáticamente, etiquetando cada uno como "Orador 1", "Orador 2", etc., directamente en la transcripción; no es necesario realizar ninguna marca manual.
¿Cómo puedo obtener una etiqueta de orador correcta para cada voz en la transcripción?
Es automático y, por lo general, preciso en audios claros con voces distintas; en caso de superposición de voces o de oradores con voces muy similares, realice una revisión rápida y vuelva a etiquetar cualquier segmento que sea incorrecto; no es necesario volver a subir el archivo para ello.