Tal í texta: upptaka eða hljóðskrá, á þínum eigin Mac

Flestir sem vilja breyta tali í texta eru í annarri af tveimur stöðum. Annaðhvort er eitthvað að fara að gerast, fundur, viðtal eða fyrirlestur, og textinn á að verða til um leið. Eða upptakan er þegar til: hljóðskrá úr símanum, upptökutæki eða fjarfundi sem einhver sendi þér, og nú þarf að umrita hana.

Hearkeeper ræður við hvort tveggja, og á báðum leiðum fer vinnan fram á Makkanum sjálfum. Hér er farið yfir hvernig það virkar og hvað þú getur gert til að textinn verði sem bestur. Ef þig langar að vita af hverju íslenska er erfið fyrir talgreiningu yfirleitt er það útskýrt á síðunni um íslenska talgreiningu.

Leið 1: taka upp og fá textann strax

Þegar þú tekur upp með Hearkeeper tekur forritið upp hljóðnemann þinn og hljóð tölvunnar beint á Makkanum. Það virkar á staðnum og á Zoom, Google Meet, Microsoft Teams, Slack, Webex og FaceTime, og enginn upptökuþjónn kemur inn í símtalið.

• Rauntímatexti birtist um tveimur til fjórum sekúndum á eftir þeim sem talar, svo þú getur fylgst með á meðan.
• Lokayfirferð fer í gang þegar þú stöðvar upptökuna. Hún notar Whisper large-v3 turbo, greinir mælendur í sundur og kemur í stað rauntímatextans. Á Mac með Apple-örgjörva mældum við hana um tífalt hraðari en rauntíma.

Hver upptaka hefst á samþykkisskrefi og samþykkiskvittun er vistuð með henni. Upptökustikan er alltaf á skjánum og sést í skjádeilingu.

Leið 2: flytja inn hljóðskrá sem þú átt

Ef upptakan er þegar til þarf ekki að spila hana aftur inn í hljóðnema. Þú flytur skrána inn og Hearkeeper umritar hana eins og hverja aðra upptöku.

Svona gerirðu það. Smelltu á „Flytja inn“, veldu „Flytja inn hljóðskrá…“ í upptökuvalmyndinni eða ýttu á ⌘O. Þú getur líka dregið skrána beint inn í gluggann eða opnað hana með Hearkeeper úr Finder.

Snið. Hearkeeper les WAV, MP3, M4A og AAC, FLAC, Ogg og Opus, og líka myndskrár í MP4 og MOV, svo upptaka af fjarfundi í myndformi gengur jafnvel og hrein hljóðskrá.

Upprunalega skráin er óhreyfð. Upptakan er afrituð inn í Hearkeeper og skrifuð upp á tölvunni. Þú gefur fundinum heiti, athugar hvenær var tekið upp og velur hvaða tungumál er talað.

Samþykki fylgir líka innfluttum skrám. Áður en skrá er flutt inn staðfestirðu að þú hafir leyfi þeirra sem heyrast í henni til að geyma hana og láta skrifa hana upp. Það er vistað með upptökunni, eins og samþykkiskvittun við venjulega upptöku.

Innflutningurinn og uppskriftin halda áfram í bakgrunni, svo þú getur haldið áfram að vinna í forritinu á meðan. Nánar um umritun viðtala sem þú hefur þegar tekið upp er á síðunni um afritun viðtala.

Svona verður textinn betri

Engin talgreining er gallalaus, en munurinn á góðri og slæmri upptöku er oft meiri en munurinn á forritum. Nokkur ráð sem skipta mestu:

Hljóðneminn nálægt þeim sem talar. Innbyggði hljóðneminn í Makkanum dugar vel við skrifborð. Í stærra herbergi hjálpar lítill utanáliggjandi hljóðnemi á borðinu. Því lengra sem röddin þarf að ferðast, því meira bergmál og kliður kemst með.

Eitt í einu. Þegar fólk talar hvert ofan í annað ruglast bæði talgreiningin og greiningin á mælendum. Á fundum sem á að skrifa upp borgar sig að láta hvern ljúka máli sínu.

Minni bakgrunnshávaði. Loftræsting, kaffivél og lyklaborð sem glamrar beint við hljóðnemann taka pláss frá röddinni. Í fjarfundum tekur Hearkeeper hljóð tölvunnar upp beint, svo raddir hinna eru skýrar jafnvel með heyrnartól á eyrunum.

Kenndu forritinu nöfnin. Nöfn fólks, fyrirtækja og vara eru það sem talgreining ruglar oftast. Í Hearkeeper geturðu sett þau í orðaforða, annaðhvort fyrir alla fundi eða einn fund í einu. Þú skrifar orðið eins og það á að standa, til dæmis „Þórdís Kolbrún“, og getur bætt við ritháttum sem talgreiningin skrifar ranglega. Orðin eru notuð sem vísbending bæði í rauntímatextanum og lokayfirferðinni. Ef uppskriftin er þegar til geturðu lagað rithættina strax eða látið skrifa fundinn upp aftur með orðaforðanum. Orðalista má líka flytja inn og út sem CSV eða Markdown.

Berðu mikilvæg atriði saman við hljóðið. Hver lína í uppskriftinni vísar á sekúnduna þegar hún var sögð. Smelltu á línuna og upptakan spilast þaðan, svo þú getur athugað tilvitnun eða tölu áður en þú notar hana.

Íslenska og enska í sömu upptöku

Á fáum íslenskum vinnustöðum er bara töluð íslenska. Fólk grípur til ensku fyrir erlendan samstarfsmann eða notar ensk fagorð í miðri setningu. Hearkeeper greinir blandaða íslensku og ensku sjálfkrafa: ensku setningarnar haldast á ensku og þær íslensku á íslensku. Alls ræður forritið við 99 tungumál, sem kemur sér vel þegar hljóðskráin er á pólsku, dönsku eða öðru máli.

Íslenskan er samt í fyrsta sæti. Fundir eru sjálfgefið á íslensku og allt letur og textameðferð ræður við þ, ð, æ, ö og kommustafina, svo leitin finnur „Þórshöfn“ eins og hún er skrifuð.

Frá texta í skjal

Uppskriftin situr ekki föst í forritinu. Þú flytur hana út í það form sem hentar verkinu:

• Markdown, einfaldur texti sem flest glósu- og ritvinnsluforrit opna.
• Word (.docx) og PDF þegar skjalið á að fara til annarra.
• SRT og WebVTT, skjátextar með tímasetningum fyrir myndbönd.

Á eftir uppskriftinni skrifar mállíkan á Makkanum samantekt, ákvarðanir og verkefni, án API-lykils. Allar upptökur eru leitarbærar í einni SQLite-skrá á þínum diski, svo textinn úr hljóðskrá síðasta mánaðar finnst jafnauðveldlega og dagurinn í dag.

Allt á Makkanum

Talgreiningin keyrir á tölvunni sjálfri (whisper.cpp, hraðað með Metal). Hljóðið fer hvergi nema þú tengir teymisþjón eða þinn eigin API-lykil, og allt virkar án nets, líka í fyrirlestrasal þar sem netið er hægt. Hljóð og uppskriftir eru venjulegar skrár á þínum diski sem þú tekur afrit af og eyðir eins og þér hentar. Ef þú ætlar að taka upp kennslu er gott að lesa fyrst síðuna um fyrirlestra.

Hvenær?

Hearkeeper er ekki komið út. Það kemur fyrst á Makkann (macOS 14.2 eða nýrra, Apple-örgjörvar og Intel) og á önnur stýrikerfi síðar. Hvað vefurinn geymir um þig sérðu á persónuverndarsíðunni.

Ertu með hljóðskrár sem bíða eftir að verða að texta? Skráðu þig á biðlistann og við sendum þér póst þegar útgáfa er tilbúin.