Расшифровка интервью

Загрузите запись интервью — вопросы и ответы окажутся разведены по голосам, у говорящих будут стоять имена, а у каждой реплики — время, по которому цитату можно проверить.

Интервью без разделения по голосам расшифровывать бессмысленно

Обычное распознавание отдаёт сплошной текст. В интервью это худший из возможных результатов: непонятно, где кончился вопрос и началась мысль собеседника, а именно она вам и нужна. Разбирать такую стену вручную дольше, чем набрать текст с нуля.

Поэтому реплики делятся по говорящим, а говорящие получают имена — не «Спикер 1» и «Спикер 2», а те, что вы поставили один раз:

Голос запоминается на организацию: если вы берёте у человека второе интервью, имя подставится само — размечать заново не нужно.

Цитата с таймкодом — чтобы можно было проверить

Расшифровка нужна не сама по себе: из неё берут цитаты, и каждую придётся защищать — перед редактором, юристом, а иногда и перед самим собеседником. Поэтому таймкод стоит у каждого слова, а не только у абзаца.

• Согласование текста. Собеседник просит убрать фразу — вы за секунду находите её в записи и слышите контекст целиком.
• Спор о точности. «Я такого не говорил» проверяется не памятью, а секундой на таймлайне.
• Монтаж подкаста или видео. Выгрузка SRT кладётся в монтажную программу, и нужный фрагмент ищется по тексту, а не на слух.

Сколько времени это экономит на самом деле

Час интервью вручную — четыре-шесть часов набора: запись приходится останавливать, отматывать, переслушивать неразборчивое. У нас тот же час разбирается за 11–12 минут, и остаётся вычитка — обычно двадцать-тридцать минут на час записи.

Важнее арифметики другое: когда расшифровка перестаёт быть дорогой, меняется сам разговор. Интервьюер, который знает, что будет набирать текст руками, невольно экономит — задаёт меньше уточняющих вопросов, обрывает отступления, не даёт собеседнику договорить мысль до конца. Ровно в этих местах обычно и лежит то, ради чего интервью брали.

Практическое следствие: записывайте целиком, включая разговор до и после основной части. Платите вы за обработанные секунды, а не за файлы, поэтому лишние десять минут стоят три рубля — дешевле, чем потерянная мысль.

Что мешает распознаванию интервью и что с этим делать

• Разговор в кафе. Фоновая музыка и посуда сбивают сильнее, чем гул улицы. Диктофон ближе к собеседнику — это важнее любых настроек.
• Перебивания. Когда двое говорят одновременно, реплики на этом отрезке могут смешаться: разделение опирается на голос, а голоса наложены.
• Звонок вместо встречи. Телефония режет полосу до 8 кГц, шипящие теряются. Текст читается, но фамилии и цифры стоит проверить по записи.
• Термины и незнакомые имена. После регистрации их можно передать вместе с записью списком через запятую — распознанные похожие слова заменятся на ваше написание.

Вопросы