Rena och läsbara mötestranskriberingar på Mac

Rå taligenkänning är svår att läsa. Meningarna kommer i fragment, ”öh” och ”eh” finns överallt, ett ord upprepas medan någon tänker, och vid ett samtal utan hörlurar dyker hälften av det de andra sa upp en gång till under ditt namn. Poffle städar upp transkriberingen av ett inspelat möte på din Mac, utan att ändra vad någon sa, och den exakta igenkända ordalydelsen finns alltid ett klick bort.

Stycken per talare

Öppna ett möte och välj Transkribering. Poffle samlar på varandra följande avsnitt från samma talare i ett stycke, så länge pauserna mellan dem är högst 4 sekunder, och upp till 90 sekunder per stycke. En ny talare eller en längre paus börjar ett nytt stycke.

Varje mening behåller sin egen tidsangivelse. Klicka på en mening för att spela upp inspelningen därifrån, eller klicka på tiden längst upp till höger i ett stycke för att spela upp det från början. Meningen som spelas upp markeras, så att du kan läsa med.

Rensad eller Original

Ovanför transkriberingen finns ett reglage med Rensad och Original. Rensad, med etiketten ”Utfyllnadsord och upprepningar borttagna.”, är standard. Original visar texten ”Exakt som det kändes igen.” Poffle kommer ihåg ditt val till nästa möte som du öppnar.

Rensad tar bort:

• Fristående utfyllnadsljud som ”um”, ”uh” och ”hmm”. Vart och ett av de 16 språk som Poffle stöder har en egen lista, på svenska till exempel ”öh”, ”äh” och ”ehm”, och på andra språk utfyllnadsord som ”øh”, ”euh”, ”えーと” eller ”嗯”. Ett utfyllnadsord som också är ett vanligt ord, som japanska ”あの” (”den där”), tas bara bort där det tydligt är ett utfyllnadsord, till exempel före ett kommatecken.
• Ord eller korta fraser som upprepas direkt, som i ”vi, vi, vi borde”.

Sedan rättas skiljetecken och versaler som de borttagna orden lämnar efter sig. Rensad behåller ord som kan bära betydelse, som ”liksom”, ”så” och ”typ”, verkliga upprepningar som ”det det” eller ”som som”, siffror och förkortningar. Ett upprepat innehållsord slås bara ihop när det kommer minst tre gånger i rad. På koreanska, turkiska och vietnamesiska, där dubblering av ett ord hör till grammatiken, som i ”yavaş yavaş”, slås bara dubblerade funktionsord som pronomen och konjunktioner ihop. På alla andra transkriberingsspråk tas bara ”uh”, ”uhm” och ”hmm” bort, eftersom ”um” och ”er” är riktiga ord i vissa språk, och bara upprepade fraser slås ihop.

Rensad är en vy, inte en redigering. Den sparade transkriberingen innehåller fortfarande den igenkända ordalydelsen, och det är den som Kopiera transkribering och Markdown-exporten använder. Kopiera avsnitt, i menyn som visas när du kontroll-klickar på ett stycke, kopierar den ordalydelse du ser.

Eko från högtalarna

Om du tar ett samtal via datorns högtalare hör mikrofonen även de andra personerna. Utan korrigering skulle deras ord visas två gånger: en gång från Mac-ljudet och en gång till under Du.

När båda spåren har transkriberats jämför Poffle dem. Ett mikrofonavsnitt på fyra ord eller fler utelämnas när minst 65 % av orden förekommer i samma ordning i Mac-ljudet inom 1,5 sekunder, och de två överlappar i tid under minst halva avsnittet. Avsnitt på två eller tre ord måste stämma helt och överlappa under 80 % av sin längd. När det händer visar mötet ”Mötesljud som mikrofonen fångade upp har utelämnats från transkriberingen. Hörlurar förhindrar detta.”

Det här är inte ekoeliminering. Enstaka ord, delvis eko och eko som blandas med din egen röst kan finnas kvar. Om du svarar med samma ord som någon just sa, en stund senare, behålls ditt svar. Mac-ljudets version av orden finns kvar i transkriberingen, så inget av det den andra sidan sa går förlorat. Den säkra lösningen är hörlurar: då hör mikrofonen bara dig.

Ge talarna namn

Din mikrofon får etiketten Du. Efter mötet separerar Poffle rösterna i Mac-ljudet på den här datorn och ger dem etiketterna Talare 1, Talare 2 och så vidare. När inspelningen är kopplad till en kalenderaktivitet sätter antalet deltagare en övre gräns, så att en persons röst inte lika lätt delas upp på två talare.

1. Klicka på en talares namn ovanför ett av personens stycken.
2. Välj en deltagare under Från den här kalenderaktiviteten, eller välj Ange ett namn….
3. Kontrollera några stycken genom att spela upp dem. Namnet gäller för alla stycken från den talaren i det här mötet.

Ansvariga för åtgärder följer med när du byter namn, så ”Talare 2” i anteckningarna blir namnet du valde. Separationen av talare bygger på sannolikheter. Tal som överlappar eller är mycket kort kan förbli utan talare i stället för att få en gissad identitet, och Poffle drar aldrig slutsatser om vem någon är utifrån deltagarlistan. Alla som fångas upp av din mikrofon, även andra personer i rummet, får etiketten Du.

Språk på den här datorn

Poffles gränssnitt finns på 16 språk, som valts ut eftersom möten kan transkriberas och sammanfattas på datorn på vart och ett av dem: engelska, danska, nederländska, franska, tyska, italienska, japanska, koreanska, norska, portugisiska, spanska, svenska, turkiska, vietnamesiska, förenklad kinesiska och traditionell kinesiska.

De flesta av dem använder Apples SpeechTranscriber, modellen på enheten som Apple har byggt för långa inspelningar som möten. Danska, nederländska, norska, svenska, turkiska och vietnamesiska använder i stället Apples dikteringsmodell på enheten, DictationTranscriber. Den ger också tidsangivelser för varje ord, så uppspelning och stycken fungerar på samma sätt. Räkna med färre skiljetecken på de språken, vilket kan få meningar att flyta ihop, och kontrollera namn och siffror särskilt noga.

Ställ in Inställningar > Tal > Transkribering > Språk på språket som talas i mötet innan du spelar in. Systemspråk följer din Mac. Varje språk hämtas en gång, första gången du använder det, och fungerar sedan offline. Ett möte på två språk transkriberas på det valda språket, så det andra språket blir dåligt återgivet.

Börja med en ren inspelning

• Använd hörlurar vid samtal. Det tar bort den största källan till eko.
• Använd samma mikrofon i samtalsappen och på datorn. Poffle spelar in datorns standardingång.
• Stäng av musik och notisljud. Poffle spelar in allt ljud på datorn, inte bara samtalet.
• Säg namn tydligt första gången. Det hjälper när du tilldelar talare senare.
• I ett rum placerar du datorn där den hör alla, och berättar för alla att du spelar in.

En renare transkribering ger bättre mötesanteckningar och bättre svar när du ställer frågor om dina möten. Apple förklarar taltekniken bakom i sin session om SpeechAnalyzer. Du kan hämta Poffle och jämföra Rensad och Original på din egen inspelning.