スピーカーの分離 オーディオのスピーカーラベル
会話の記録があっても、誰が何を言ったのか分からなければ、それは半分しか記録とは言えません。
ScribeGrabは、聞き取った音声をまとめて 話し手1、話し手2 各行の先頭に、テキストと字幕の両方で、自動的に表示されます。
いいえ。 一日10回録音 60分までのファイルに対応し、制限は午前0時にリセットされます。
プレーンなトランスクリプトと字幕はここにあります。ビープ音、翻訳、焼き込み字幕は フルツール.
スピーカー識別によって何が得られるか
これはダイアライゼーション（話者分離）とも呼ばれます。識別するのではなく、 誰 誰かが話しているのを認識し、その声と別の声が異なる人物のものであることを区別し、それぞれの発言箇所を記録します。その結果、読みにくい文章の塊ではなく、脚本のように読みやすいトランスクリプトが得られます。
- 質問と回答が明確に区別できるインタビュー
- 誰が何について合意したかを確認できる会議
- ショーノートの作成が容易な、2～3人のホストがいるポッドキャスト
- 発言者の交代が重要なポイントとなる、裁判所、研究、または授業の録音
録音からトランスクリプトへの変換はここで行います
各発話区間を「音声フィンガープリント」（ECAPA-TDNN埋め込み）に変換し、それらのフィンガープリントをクラスタリングします。互いに近い位置にある声は、同一人物として扱われます。各行がどのクラスタに属するかによってラベルが決まり、そのラベルがTXT、SRT、VTTファイルに書き込まれます。
自動的に実行されます。起動するための設定はなく、事前に何かを指示する必要もありません。部屋に何人の人がいるかを含め、すべて自動で処理します。
どこまで処理するか（正直に言うと）
誰の名前も知りません。あなたの声を聞いたことがないので、「サラ」ではなく「スピーカー1」と表示します。各人物が最初に発したセリフを読み、テキストエディタでラベルを置き換えてください。
- 2～8人のスピーカーにラベルを付けます。1つの声にはラベルは必要ありません。また、8人を超えるとグループ化の信頼性が低下するため、推測するよりも沈黙します。
- 各音声からクラスタリングに適したフィンガープリントを取得するには、数秒間の音声が必要です。単語だけの相槌が隣のスピーカーに割り当てられる可能性があります。
- 音声が重なり合って聞き取りにくい場合、これはあらゆるツールにとって難しい問題であり、当社のツールも例外ではありません。二人が同時に一文を話し続けると、両方の音声が一つのラベルにまとめられてしまうことがあります。
- このツールはチャンネルではなく音声に基づいて動作するため、全員が同じマイクで録音されていても問題ありません。
転写自体には影響はありません。もし音声を聞き分けて区別できない場合は、通常通りラベルなしの転写結果が得られます。
得意な形式
録音された通話は、他のデータと同様にまとめてアップロードされるため、発話者ラベル、字幕などが付与された状態で出力されます 不適切な表現は検閲されます 共有が必要な場合。関連項目 インタビューの文字起こし と ズームまたはチーム録画.
特定の講演者の発言部分のみをまとめたページが必要で、全文をPDF形式にしたものは必要ありませんか？ ScanReviverのPDF分割 必要なページ範囲だけを引き出します。
文： Sam Ridder、ScribeGrab を自分のハードウェアで、ひとりで開発・運営しています。 プロフィール.
よくある質問
何か設定を変更する必要がありますか？
いいえ。二つ以上の異なる音声が聞こえる場合、ラベルは自動的に追加され、転写および両方の字幕形式に反映されます。
実際の名前を使用しますか？
いいえ。事前に誰が誰であるかを指定しない限り、どのツールもそうすることはできません。スピーカー1、スピーカー2というように表示されるので、それぞれの最初の行を見つけて、テキストエディターでラベルを置き換えてください。
最大何人の話者の音声を処理できますか？
2人から8人までです。それ以上の人数だと、音声グループ分けの精度が低くなり、誤った情報を表示するよりもラベルを表示しない方が良いと判断します。
なぜトランスクリプトにラベルが表示されないのですか？
音声が1つしか検出されなかったか、または8つを超えるグループの音声が検出された可能性があります。これは、録音があまりにもノイズが多く、あるいは複数の音が重なり合って、正確なグループ分けができなかったことを意味します。トランスクリプト自体は完全です。
話者識別機能は無料で利用できますか？
はい、ここにある他のツールと同様に、アカウント登録は不要で、1日に10回まで録音でき、透かしは入りません。処理後、ファイルはすぐに削除されます。
ScribeGrabは、話者識別機能を組み込んだ音声文字起こしを行いますか？
はい、複数の声が含まれるすべての文字起こしで、自動話者識別機能が実行されます。別途話者識別ソフトウェアやアドオンは必要ありません。デフォルトで有効になっており、無料版にも含まれています。
話者ラベル付き文字起こしはどのように機能しますか?
完全自動で、プラグインではありません。文字起こしが完了すると、少なくとも20秒以上の区間ごとに声の特徴を解析し、似た声の区間をグループ化します。各行には、その行が含まれる区間の話者ラベルが付与されるため、文字起こし内の話者ラベルは行の先頭に「話者1:」のように表示されます。これは手動でのマーキングを必要としない話者検出による文字起こしであり、話者ラベル付きの文字起こしが標準で得られます。区間がある程度長いため、話者が切り替わった直後の行では、直前の話者のラベルが付くことがあります。
これは音声ダイアリゼーションツールですか、それとも単なる文字起こしツールですか？
両方の機能を1つに搭載しています。これは、ダイアリゼーション（話者分離）機能が組み込まれた完全な文字起こしツールであり、別のステップや有料のアドオンではありません。
話者ラベルが間違っている場合はどうなりますか？
これは、主にクロストークや、非常に似た声を持つ2人の場合に発生します。ラベルはAIによって推定されるため、重なり合った部分をすばやく確認し、テキストエディターで直接ラベルを入れ替えてください。タイムスタンプにより、正確な箇所を簡単に見つけることができます。
話者ラベルはどのような形式で表示されますか？
文字起こしとSRT/VTT字幕の両方で、各セクションの先頭に「話者1:」、「話者2:」のように表示されます。読み込むために特別なソフトウェアは必要なく、テキストエディターがあれば十分です。
何もインストールせずに、オンラインで話者ダイアリゼーションを実行できますか？
はい、アップロード、ダイアリゼーション、文字起こしという一連のプロセスはすべて、当社のGPU上でブラウザ内で実行されます。インストールする必要はなく、ファイルは処理後すぐに削除されます。
トランスクリプト内のすべての音声に対して、正しい話者ラベルをどのように設定すればよいですか？
これは自動的に行われ、通常はクリアな音声で明確な声の場合に正確に機能します。音声が混ざり合っている場合や、声が非常に似ている話者の場合は、簡単なチェックを行い、誤ってラベル付けされたセグメントがあれば再ラベル付けしてください。そのために再アップロードする必要はありません。