Audio transcriberen naar tekst
De eerste run downloadt het spraakmodel — ongeveer 45 MB voor het snelle niveau, 81 MB voor het nauwkeurige, door deze site geleverd en daarna door de browser gecachet. Niets wordt geüpload, en de transcriptie is machinaal gemaakt: lees de formulering en de tijden proef voordat je publiceert.
Opties
Twee niveaus van hetzelfde model. Het snelle is ongeveer 45 MB en transcribeert ruwweg twee keer zo snel; het nauwkeurige is ongeveer 81 MB en krijgt hoofdletters en leestekens beter. Beide draaien hier, en de download gebeurt één keer per browser. Probeer bij een lange opname eerst het snelle niveau om te controleren of de taal klopt.
De taal die in de opname wordt gesproken. Er is geen automatische optie: deze versie van het model herkent geen taal en gaat zonder keuze uit van Engels. Een Chinese opname die als Engels wordt gelezen mislukt niet — ze levert vloeiend lijkende onzin op, wat veel moeilijker te merken is. Kies de taal die je echt hoort.
Deze pagina maakt van een opname platte tekst: alinea’s met wat er gezegd is, zonder tijdcodes. Het is dezelfde luisterengine als de ondertitelversie van deze pagina — dezelfde modellen, dezelfde vensters van dertig seconden, dezelfde regel dat alles lokaal blijft — maar de laatste stap is anders. In plaats van een blok per zin schrijft ze de zinnen aaneen tot alinea’s en laat ze de timing helemaal vallen, zodat je iets krijgt dat je in een document, een e-mail of een set vergadernotities kunt plakken.
Alinea’s breken op de twee dingen die gedachten in spraak werkelijk scheiden: een pauze langer dan anderhalve seconde, of vier zinnen achter elkaar. Alleen een regel op basis van gaten zou een monoloog van vijf minuten in één onleesbare muur tekst veranderen; alleen een regel op basis van zinsaantal zou de adempauze van een spreker in een nieuwe alinea knippen. Samen leveren ze iets op dat ongeveer leest zoals de persoon sprak.
Het werk is lokaal. Het spraakmodel wordt één keer van deze site gedownload — ongeveer 45 MB voor de snelle variant, ongeveer 81 MB voor de nauwkeurige — en daarna door de browser gecacht; de opname zelf verlaat de tab nooit. Er is geen uploadstap om over te slaan en geen account om aan te maken, en dat is wat dit bruikbaar maakt voor interviews die niet naar een transcriptiedienst mogen.
De uitvoer is een .txt-bestand genoemd naar de bronopname: film.mkv wordt film.transcript.txt. Dat aparte achtervoegsel is met opzet — een gewone .txt naast andere tekstbestanden hoort te zeggen wat hij is, en een transcriptie die door een machine is gemaakt is een ander soort document dan vergadernotities die iemand typte.
Net als bij de ondertitelversie moet wat eruit komt worden proefgelezen, en moet de taal met de hand worden gekozen: deze build van het model gaat van Engels uit wanneer hem niets wordt gezegd, en dat verkeerd doen levert vloeiend ogende onzin op in plaats van een fout. Annuleren werkt ook hier tussen twee vensters, niet midden in een herkenning; het model blijft daarna gecacht.
Veelgestelde vragen
Hoe verschilt dit van de pagina die een ondertitelbestand als tekst exporteert?
Het verschil is waar de timing vandaan komt. De exportpagina begint met een ondertitelbestand dat al blokken heeft en voegt hun tekst samen tot alinea’s — de tijden bestonden en worden alleen weggelaten. Deze pagina begint met audio die helemaal geen timing heeft, bouwt die eerst op en laat hem dan vallen. Daarom werkt een opname zonder ondertiteltrack hier wel en daar niet, en daarom heeft deze pagina een modeldownload nodig terwijl die andere meteen klaar is.
Waarom worden alinea’s bij anderhalve seconde stilte gesplitst?
Omdat daar ongeveer de grens ligt waarop sprekers van gedachte veranderen. Kortere gaten vallen binnen zinnen en zouden de tekst midden in een bijzin doorknippen; veel langere drempels voegen verschillende onderwerpen in één alinea samen. De grens van vier zinnen bestaat voor het geval waarin de opname helemaal geen stilte heeft — een ingestudeerde voice-over of een podcast die in één take is opgenomen — waar pauzes nooit komen en een regel op basis van gaten één blok zou opleveren. De twee regels samen zijn de kleinste set die beide uitersten aankan.
Kan de transcriptie als bewijs of als officieel verslag worden gebruikt?
Niet zoals hij wordt opgeleverd. Het is de beste gok van een machine, en machinetranscriptie verminkt namen, getallen en vaktermen — precies de woorden die in een verslag het zwaarst wegen. In een juridische of medische omgeving is de juiste werkwijze hem als concept te gebruiken dat regel voor regel tegen de audio wordt gecontroleerd, en dat in het document te vermelden. Een transcriptie die schoner is dan de audio verdient, is een risico, en daarom noemt deze pagina het bestand .transcript.txt in plaats van iets dat op notulen lijkt.
Wat als de opname muziek bevat of meerdere mensen door elkaar praten?
Overlappende spraak is waar elk model met één stroom achteruitgaat: twee stemmen tegelijk worden één doorlopende zin, en er worden geen sprekerslabels geproduceerd. Achtergrondmuziek wordt meestal genegeerd, maar luide muziek onder spraak kan woorden uit de tekst trekken of woorden verzinnen die nooit zijn gezegd. Leest het resultaat op plaatsen vreemd, vergelijk het dan op die punten met de audio in plaats van de loop van de tekst te vertrouwen — een zelfverzekerd uitziende zin is geen bewijs dat hij is uitgesproken.
Houdt de transcriptie de eigen structuur van het bestand, zoals hoofdstukken of tracknamen?
Nee. Alleen de audio die wordt getranscribeerd komt door; containermetadata zoals hoofdstukmarkeringen, tracktitels en taaltags maken geen deel uit van de tekst. Transcribeer je één track uit een bestand met meerdere tracks, dan leest de pagina de audio uit het bestand dat je sleepte, en de alineabreuken komen uit pauzes, niet uit waar de hoofdstukken stonden. Een lange opname eerst in hoofdstukbestanden splitsen is een redelijke werkwijze als je die grenzen wilt laten terugkomen.