Napisy jako transkrypcja tekstowa
Albo wklej tekst napisów
Opcje
Milisekundy ciszy między końcem jednego bloku a początkiem następnego. Osiągnij ją, a transkrypcja zacznie nowy akapit; zostań poniżej, a oba bloki będą czytane jako jeden ciągły fragment mowy. Liczba decyduje o tym, jak tekst się czyta, a nie co mówi: 2000 trzyma zdanie razem, gdy napisy dzielą je na trzy albo cztery bloki, a 0 stawia każdy blok w osobnym akapicie. Przerwa jest mierzona względem ostatniego bloku, który miał jakiekolwiek słowa, więc pusty blok w środku nie dzieli akapitu na dwoje.
Domyślnie wyłączone, co daje zwykły blok tekstu, który możesz wkleić prosto do dokumentu. Włącz, a każdy akapit dostanie na początku [HH:MM:SS] — czas początku pierwszego bloku w tym akapicie, z dokładnością do sekundy, bez milisekund. Czytelnik używa tego znacznika, aby znaleźć ten moment w odtwarzaczu, a początek jest jedynym z trzech kandydatów (początek, środek, koniec akapitu), który zgadza się z tym, co pokazuje odtwarzacz.
W jakiej liczbie klatek na sekundę liczone są czasy. Na stronach formatów tego wymaga MicroDVD, bo zapisuje czasy jako numery klatek. Na stronach poświęconych liczbie klatek jest to stawka, według której zgrany był plik — wersja, dla której powstały napisy — a drugie pole na stronie przyjmuje liczbę klatek wideo, z którym napisy będą używane. Najczęstsze wartości to 23,976, 24, 25, 29,97, 30, 50, 59,94 i 60. Pomyłka przesuwa całą oś czasu, a na stronach poświęconych liczbie klatek przesuwa ją o współczynnik, a nie o stałą wartość.
Ta strona czyta plik z napisami i oddaje te same słowa jako płynne akapity czystego tekstu: podziały wierszy, które istniały tylko na ekranie, są sklejone, a bloki następujące po sobie blisko siebie czytane jako jeden ciągły fragment. Wrzuć plik, uruchom, a wynikiem jest blok prozy, który możesz wkleić do protokołu, arkusza recenzji albo artykułu. Nic nie opuszcza karty przeglądarki, więc materiał, którego nie można wysłać, zostaje tam, gdzie jest.
Jedna rzecz wymaga jasności: podział wiersza. Plik z napisami używa podziału wiersza z powodu, który nie ma nic wspólnego ze zdaniem — linia stawała się za długa na ekranie, więc została przecięta, a obie połowy wyrównane. Zapisanie pliku z napisami jako .txt zachowuje te podziały i kładzie jeden blok w jednym wierszu, co jest tym, czego chcesz, jeśli tekst wraca do odtwarzacza. Transkrypcję czyta człowiek na stronie, gdzie podział w środku zdania jest szumem, więc ta strona je skleja. Dwie połowy zdania wychodzą jako jedna linia i nie da się potem stwierdzić, gdzie kiedyś był podział ekranowy.
O akapitach decyduje cisza, nie blok. Jeden akapit na blok przerywałby zdanie co trzy lub cztery sekundy, bo normalny plik z napisami tnie jedno wypowiedziane zdanie na kilka bloków, żeby każdy zmieścił się w swoim czasie. Zamiast tego strona patrzy na odstęp między końcem jednego bloku a początkiem następnego: przerwa około dwóch sekund otwiera nowy akapit, a wszystko krótsze każe słowom płynąć dalej. Ta liczba jest w polu i to jedyne ustawienie, o którym warto pomyśleć — ustaw ją niżej przy szybkim dialogu na wymianę, a wyżej przy wykładzie z długimi pauzami w jednej myśli. Zero wstawia każdy blok do własnego akapitu, co jest najbliżej jednej linii na blok, jak ta strona potrafi.
Jest też przełącznik dodający czas startu do każdego akapitu, domyślnie wyłączony. Włączenie go stawia znacznik w rodzaju [00:42:17] przed każdym akapitem, odczytany z pierwszego bloku w tym akapicie. Idzie do sekundy i celowo gubi milisekundy: znacznik jest po to, żeby czytelnik odnalazł ten moment w odtwarzaczu, i 00:42:17 to robi. Znacznik przy każdym bloku zamieniłby transkrypcję z powrotem w plik z napisami z dodatkową interpunkcją.
Strona nie nałoży natomiast żadnej etykiety. Żaden z czytanych formatów napisów nie zapisuje, kto mówi — SRT, WebVTT, ASS, SSA, SBV, SAMI, MicroDVD, TTML, JSON i CSV przechowują czas i tekst, a każda etykieta w tym tekście jest czymś, co człowiek wpisał w słowa. Transkrypcja z tej strony nie niesie więc nazwisk mówców i nic nie jest zgadywane z kształtu linii, żeby je wymyślić. Bloki bez żadnej treści są pomijane, a nie zostawiane jako puste akapity, i każda linia jest przycięta, więc nie znajdziesz zbłąkanych ciągów spacji tam, gdzie blok się urwał.
Przykłady
Dwa bloki, które czytają się jako jedno zdanie
Wejście
1
00:00:01,000 --> 00:00:03,000
I missed the last train home
and had to walk.
2
00:00:03,400 --> 00:00:05,000
Back before midnight,
you said.
3
00:00:09,000 --> 00:00:11,000
Every night this week?
Wynik
I missed the last train home and had to walk. Back before midnight, you said.
Every night this week?
Trzy bloki na wejściu, dwa akapity na wyjściu. Dwa pierwsze bloki dzieli 400 ms, znacznie mniej niż dwusekundowa pauza, więc zostają w jednym akapicie, a własne dwa wiersze każdego bloku są sklejone w jedną linię. Trzeci blok następuje po czterosekundowej przerwie i otwiera drugi akapit. Wszystkie słowa nadal tu są — zmieniło się to, które podziały wierszy przetrwały.
Pauza dokładnie dwóch sekund
Wejście
1
00:12:30,000 --> 00:12:32,000
The train was late
again.
2
00:12:34,000 --> 00:12:36,000
Third time this week.
Wynik
The train was late again.
Third time this week.
Drugi blok zaczyna się dwie sekundy po końcu pierwszego, czyli dokładnie tyle, ile wynosi liczba w polu pauzy, i w tym momencie zaczyna się nowy akapit. To przykład do sprawdzenia arytmetyki strony: przesuń pole na 2500, a te dwa bloki zleją się w jeden akapit, bo dwusekundowa przerwa nie sięga już progu.
Ten sam plik z dodanymi czasami startu
Wejście
1
00:02:15,000 --> 00:02:17,000
Here is where
we came in.
2
01:47:52,000 --> 01:47:55,000
And here is
where we leave.
Wynik
[00:02:15] Here is where we came in.
[01:47:52] And here is where we leave.
Przy włączonym znaczniku czasu każdy akapit jest poprzedzony czasem startu bloku, który go otwiera, z dokładnością do sekundy. Drugi akapit wypada prawie dwie godziny od początku i pokazuje, dlaczego godzina jest wypisana, a nie liczona w minutach: 01:47:52 mówi czytelnikowi, gdzie przewinąć, a 107:52 nie.
Częste pytania
Czym różni się eksport transkrypcji od zapisania napisów jako pliku .txt?
Podziałami wierszy. Zapisanie pliku z napisami jako .txt zachowuje własne podziały pliku i zapisuje jeden blok w jednej linii, bo taki wynik ma być czytany z powrotem jako plik z napisami. Ta strona robi odwrotnie: skleja ekranowe podziały wewnątrz bloku w jedną linię, a potem łączy całe bloki w akapity tam, gdzie pauza między nimi jest krótka. Słowa są w obu przypadkach identyczne. Jeśli potrzebujesz zachowanych oryginalnych podziałów, wybierz konwersję na czysty tekst; jeśli chcesz coś, co człowiek przeczyta jako prozę, wybierz tę stronę.
Jak generator transkrypcji decyduje, gdzie kończy się jeden akapit, a zaczyna następny?
Po ciszy między blokami, nie po samych blokach. Strona mierzy odstęp między końcem jednego bloku a początkiem następnego i otwiera nowy akapit, gdy odstęp osiąga liczbę w polu pauzy, domyślnie 2000 ms. Bloki bliższe siebie są czytane jako jeden ciągły fragment. Akapit na blok byłby tutaj błędem, bo jedno wypowiedziane zdanie jest zwykle cięte na trzy lub cztery bloki, żeby każdy zmieścił się w swoim czasie, a podział akapitu co kilka sekund nie jest tym, jak wygląda transkrypcja.
Co daje ustawienie pauzy na zero w eksporcie transkrypcji?
Zero to prawdziwa wartość, nie puste pole: każdy odstęp je osiąga, więc każdy blok staje się osobnym akapitem. To najbliższa rzecz do jednej linii na blok, jaką ta strona ma, z dodatkową korzyścią: wewnętrzne podziały wierszy każdego bloku nadal są sklejone. To ustawienie wybierz, gdy plik jest listą osobnych wypowiedzi, a nie ciągłą mową — zestaw slajdów albo odpowiedzi w ustrukturyzowanym wywiadzie — i chcesz, żeby każda stała osobno.
Dlaczego znaczniki czasu w transkrypcji mają dokładność tylko do sekundy?
Bo znacznik w transkrypcji jest zakładką, a nie punktem cięcia. Jest po to, żeby czytelnik odnalazł ten fragment w odtwarzaczu, a w programie trwającym godzinę 00:42:17 wystarcza, żeby trafić w zdanie — milisekundy dodawałyby cztery znaki na początku każdego akapitu, nie zmieniając tego, gdzie ktoś przewija. Znacznik przy każdym bloku, co do milisekundy, to zadanie pliku z napisami, a wrzucony plik już go ma.
Czy w transkrypcji pojawią się nazwiska mówców?
Nie, i nie dlatego, że strona je pomija. Żaden z czytanych tutaj formatów nie ma pola na to, kto mówi: SRT, WebVTT, ASS, SSA, SBV, SAMI, MicroDVD, TTML, JSON i CSV przechowują zakres czasu i tekst. Jeśli plik podaje mówcę, nazwa została wpisana w sam dialog, zwykle wielkimi literami albo z myślnikiem na początku, więc pojawia się w transkrypcji dokładnie tam, gdzie plik ją umieścił, i nigdzie indziej. Nic nie jest wnioskowane z kształtu linii — domysł przedstawiony jako etykieta mówcy byłby gorszy niż brak etykiety.
Co dzieje się z blokiem bez tekstu w eksporcie transkrypcji?
Jest pomijany i nie zostawia śladu, nawet pustej linii. Blok bez treści zwykle istnieje dla pozycjonowania, a nie dla czytania, a gdyby został, transkrypcja pokazałaby dziurę w środku zdania bez wyjaśnienia. Pominięcie nie zakłóca też akapitów: pauza decydująca o akapitach jest mierzona wobec ostatniego bloku, który naprawdę miał słowa, więc pusty blok między dwoma mówionymi nie rozdziela ich.
Czy transkrypcja zachowuje podziały wierszy widoczne na ekranie?
Nie, i to jest jedyna rzecz, której ta strona nie da się cofnąć — pozycji tych podziałów nie ma nigdzie w wyniku. Były decyzją układu podjętą, żeby zmieścić się w szerokości ekranu, a czytelnik na stronie chce zdań, nie szerokości ekranu, więc strona je rozwiązuje. Jeśli potrzebujesz kopii pliku, która nadal je ma, wybierz konwersję na czysty tekst: zachowuje każdy podział dokładnie tak, jak zapisał go plik, jeden blok w jednej linii.