Diarização de locutores grátis, etiquetas de locutor em seu áudio
Uma transcrição de uma conversa é meia transcrição se você não conseguir identificar quem disse o quê.
O ScribeGrab organiza as vozes que identifica e as agrupa Locutor 1, Locutor 2 antes de cada linha, automaticamente, no texto e nas legendas.
Sem necessidade de cadastro. 10 gravações por dia. Arquivos de até 60 minutos, e o limite é zerado à meia-noite.
Transcrição simples e legendas bem aqui. Bipes, tradução e legendas embutidas ficam em ferramenta completa.
O que a identificação de oradores realmente oferece
Também é conhecido como diarização: não reconhece quem alguém está falando, mas percebendo que essa voz e aquela voz pertencem a pessoas diferentes, e marcando onde cada uma delas está falando. O resultado é uma transcrição que você pode ler como um roteiro, em vez de um bloco de texto.
- Entrevistas em que as perguntas e respostas são claramente separadas
- Reuniões em que você pode ver quem se comprometeu com o quê
- Podcasts com dois ou três apresentadores, prontos para serem usados nas notas do programa
- Gravações de tribunais, pesquisas ou aulas, onde a alternância de falas é o ponto principal
Do áudio à transcrição, aqui mesmo
Cada trecho da fala é transformado em uma "impressão digital" da voz, um embedding ECAPA-TDNN, e essas impressões digitais são agrupadas: vozes que se assemelham são tratadas como sendo da mesma pessoa. O grupo ao qual uma determinada frase pertence define seu rótulo, e esse rótulo é inserido nos arquivos TXT, SRT e VTT.
Ele funciona sozinho. Não há configurações para ativar nem nada a ser informado antecipadamente, incluindo o número de pessoas na sala.
Onde ele para, honestamente
Ele não pode saber o nome de ninguém. Nunca ouviu sua voz antes, então diz "Orador 1", e não "Sarah": leia a primeira frase que cada pessoa diz e substitua os rótulos no seu editor de texto.
- Ele identifica de 2 a 8 oradores. Uma única voz não precisa de rótulos, e acima de oito, o agrupamento deixa de ser confiável, então ele permanece em silêncio, em vez de fazer suposições.
- Ele precisa de alguns segundos de cada voz para obter uma "impressão digital" que possa ser usada no agrupamento. Uma interjeição de uma única palavra pode ser atribuída ao orador vizinho.
- Quando há muita sobreposição de vozes, é difícil para qualquer ferramenta do mercado, incluindo a nossa. Se duas pessoas falarem ao mesmo tempo durante uma frase inteira, elas podem acabar sendo agrupadas sob um único rótulo.
- A ferramenta funciona com base na voz, e não nos canais, portanto, não importa se todos foram gravados em um único microfone.
A transcrição em si não é afetada, de qualquer forma: se as vozes não puderem ser distinguidas de forma confiável, você simplesmente obterá a transcrição normal, sem rótulos.
Funciona bem com
As etiquetas dos participantes são geradas a partir do mesmo arquivo carregado, permitindo que uma chamada gravada seja retornada com as etiquetas e legendas com as palavras ofensivas censuradas se precisar compartilhá-lo. Veja também transcrevendo uma entrevista e uma gravação do Zoom ou do Teams.
Precisa apenas das páginas que contêm a fala de um único orador, e não da transcrição completa em formato PDF? Divida seus PDFs com o ScanReviver extrai apenas o intervalo de páginas que você precisa.
Por Sam Ridder, Eu desenvolvo e mantenho o ScribeGrab usando meus próprios recursos, por conta própria. Quem sou eu.
Perguntas frequentes
Preciso ativar alguma configuração?
Não. Se duas ou mais vozes distintas forem detectadas, os rótulos serão adicionados automaticamente na transcrição e em ambos os formatos de legenda.
A ferramenta usará os nomes reais das pessoas?
Não, e nenhuma ferramenta pode fazer isso sem que você informe previamente quem é quem. Você receberá "Falante 1", "Falante 2" e assim por diante; encontre a primeira linha de cada um e substitua os rótulos no seu editor de texto.
Quantos interlocutores ele consegue processar?
De dois a oito. Acima disso, o agrupamento de vozes não é preciso o suficiente para ser útil, então ele omite as etiquetas em vez de fazer suposições incorretas.
Por que minha transcrição não tem etiquetas?
Ou ele identificou apenas uma voz, ou identificou mais de oito grupos, o que significa que a gravação estava muito ruidosa ou com muita sobreposição para permitir um agrupamento confiável. A própria transcrição permanece completa.
A identificação de interlocutores é gratuita?
Sim, como tudo o mais por aqui: não é necessário criar uma conta, você pode fazer até 10 gravações por dia, não há marca d’água e seu arquivo é excluído logo após o processamento.
O ScribeGrab faz a transcrição de áudio com identificação de falante integrada?
Sim, a identificação automática de falantes é executada em todas as transcrições com mais de uma voz, sem a necessidade de software ou complemento separado para identificação de falantes. Está ativado por padrão e incluído na versão gratuita.
Como funciona aqui a transcrição com identificação de quem fala?
Totalmente automático, não é um plugin. Depois de transcrever, o sistema analisa a voz em trechos de pelo menos 20 segundos e agrupa os trechos que soam parecidos; cada linha recebe então a identificação do trecho em que se encaixa, então a identificação de quem fala na transcrição aparece como "Speaker 1:" no início da linha. Isso é detecção de quem fala na transcrição sem marcação manual, e você já recebe a transcrição com identificação de quem fala pronta. Como os trechos são relativamente longos, uma linha bem no momento da troca pode acabar recebendo a identificação vizinha.
Isso é uma ferramenta de diarização de áudio, ou apenas um transcritor?
Tudo em um só lugar: é uma ferramenta completa de transcrição com identificação de falantes (separação de vozes) já integrada, sem a necessidade de etapas adicionais ou recursos pagos.
O que acontece se ele errar o rótulo de um falante?
Isso acontece com mais frequência em conversas sobrepostas ou com duas vozes muito semelhantes. Os rótulos são estimados por IA, então verifique rapidamente as partes sobrepostas e troque o rótulo diretamente no seu editor de texto, os carimbos de data/hora facilitam a localização do local exato.
Em qual formato os rótulos de falante são fornecidos?
Simplesmente "Falante 1:", "Falante 2:" e assim por diante, no início de cada turno, tanto na transcrição quanto nas legendas SRT/VTT, nenhum software especial é necessário para lê-los, apenas um editor de texto.
Posso fazer a diarização de falantes online sem precisar instalar nada?
Sim, todo o processo, upload, identificação de falantes e transcrição, é executado no navegador, utilizando nossas GPUs. Não é necessário instalar nada, e o arquivo é excluído logo após o processamento.
Como posso obter uma etiqueta de falante correta para cada voz na transcrição?
É automático e geralmente preciso em áudios claros com vozes distintas; em casos de conversas sobrepostas ou falantes com sons muito semelhantes, faça uma verificação rápida e redefina qualquer turno que esteja incorreto, não é necessário fazer upload novamente para isso.