Como transcrever áudios em vários idiomas em lote no Mac offline

A resposta curta

Para transcrever várias gravações em idiomas diferentes no Mac, prepare os recursos locais de reconhecimento, adicione os arquivos à fila e decida como lidar com os idiomas falados. A detecção automática é útil quando um modelo compatível está instalado. Se você conhece o idioma, mas a detecção não é confiável, agrupe os arquivos do mesmo idioma e processe cada grupo selecionando explicitamente o idioma de origem.

Alison Workspace oferece suporte a filas de arquivos, opções de reconhecimento multilíngue, tradução opcional e diarização de falante (rotulagem de falante). Requer um Apple-silicon Mac, M1 ou mais recente, com macOS 15 ou posterior. Depois que os recursos necessários estiverem prontos, o reconhecimento de arquivo compatível será executado localmente. Planeje o fato de que a fila compartilha configurações para uma execução: vários arquivos em idiomas diferentes não são o mesmo problema que uma gravação que muda de idioma repetidamente.

Organize os arquivos de acordo com o trabalho que você precisa realizar

Suponha que você tenha uma palestra em inglês, uma entrevista em japonês e uma gravação de voz em espanhol. Você deseja um documento separado no idioma original para cada um, com uma tradução apenas onde for útil. Este é um fluxo de trabalho ilustrativo, não um relatório de um teste de precisão em três idiomas.

Mantenha os nomes dos arquivos para que você possa diferenciá-los sem abrir todas as transcrições de fala. Verifique o som, a duração aproximada e o idioma principal. Para áudio incorporado em um vídeo, o arquivo ainda precisa de uma trilha de áudio acessível e decodificável; sua imagem não fornece palavras para reconhecimento de fala.

Decida se você precisa de texto fonte, auxílio de leitura traduzido, rótulos de falante ou legendas. Cada opção adiciona um requisito separado e uma tarefa de revisão separada. Começar com o texto original pode facilitar a identificação de um problema de idioma antes de adicionar a tradução.

Prepare recursos de reconhecimento antes de ficar offline

O menu de reconhecimento oferece vários idiomas, mas o motor e o modelo devem suportar o idioma que você pretende usar. Um idioma que aparece em um menu não garante que todos os modelos instalados possam lidar com ele igualmente bem. Use um modelo multilíngue para um lote que precisa de vários idiomas de origem.

A detecção automática de idioma de arquivo do Alison requer um modelo Whisper local utilizável. Alguns idiomas explicitamente selecionados podem usar o reconhecimento de sistema disponível em versões macOS compatíveis, mas isso não é um substituto automático do idioma. Siga a mensagem de prontidão do aplicativo em vez de assumir que um modelo usado por outro fluxo de trabalho está pronto aqui.

Baixe e prepare recursos enquanto estiver conectado e, em seguida, experimente um arquivo curto com as configurações pretendidas antes de confiar em uma sessão offline. A primeira preparação pode levar algum tempo. Nenhuma verificação de modelo pronto pode provar a qualidade de um sotaque desconhecido ou de uma gravação barulhenta.

Escolha detecção automática ou grupos baseados em idioma

Para arquivos que possuem um idioma principal claro, a detecção automática pode evitar a classificação manual de cada item. Ainda pode estar errado, especialmente com silêncio, música, muito pouco discurso ou uma abertura incomum. Inspecione o resultado de cada arquivo em vez de aceitar a fila inteira porque a primeira transcrição da fala parece correta.

Se você conhece os idiomas, uma abordagem mais controlada é executar os arquivos em inglês com o inglês selecionado, depois os arquivos em japonês com o japonês selecionado e assim por diante. A fila usa uma opção de reconhecimento compartilhada para essa execução; este guia não descreve uma configuração de idioma separada anexada a cada arquivo na fila.

Não inicie um lote de idiomas mistos com um idioma fixo, a menos que você realmente queira esse idioma para todos os arquivos. Quando o reconhecimento parecer errado, verifique primeiro o áudio e o idioma. Alterar o idioma de tradução de destino não pode reparar uma transcrição de fala de origem produzida sob a configuração de reconhecimento errada.

Inicie um lote gerenciável

Comece com um conjunto pequeno para poder confirmar as configurações, a disponibilidade dos recursos e a saída antes de processar uma coleção maior. Vários arquivos estão na fila para processamento; isso não é uma promessa de que todos os arquivos sejam executados simultaneamente ou terminem em uma velocidade fixa.

1. Escolha os arquivos que você pode ler localmente e confirme seus nomes, durações e idiomas falados esperados.
2. Abra a janela de transcrição de arquivos e adicione vários arquivos ou arraste-os para sua fila.
3. Selecione a detecção automática de idioma com um modelo multilíngue pronto ou agrupe os arquivos por idioma e escolha um idioma de origem explícito.
4. Deixe a tradução de documentos no idioma original desativada ou escolha um destino de tradução compatível para a execução e prepare seus recursos.
5. Habilitar a diarização do falante (rotulagem do falante) somente quando for útil e preparar seus recursos; use um número esperado de pessoas falando apenas se couber nos arquivos daquela execução.
6. Inicie a fila e revise o status de cada arquivo e o texto gerado antes de exportar seu documento.

Verifique primeiro qualquer arquivo rejeitado como um problema de mídia. Um arquivo sem trilha de áudio ou com codificação ilegível não será corrigido adicionando mais idiomas às configurações do modelo.

Mantenha as configurações de reconhecimento, tradução e falante distintas

O reconhecimento produz palavras na língua falada. A tradução transforma essas palavras em outra linguagem de leitura. A separação do falante agrupa texto por voz. Eles podem ser usados ​​juntos, mas o sucesso de um não estabelece o sucesso dos outros.

Por exemplo, uma passagem em japonês reconhecida corretamente ainda pode ter um destino de tradução indisponível ou uma atribuição de falante errada. Mantenha o original visível ao revisar um documento traduzido. Verifique nomes, figuras e declarações negativas importantes em relação à gravação, especialmente quando a tradução parece mais suave do que o texto original.

Os pares de tradução dependem dos recursos disponíveis no Mac real. Um reconhecedor multilíngue não implica que todo idioma de origem possa ser traduzido para todos os destinos. Se a tradução não estiver disponível, você ainda poderá usar e revisar uma transcrição de fala no idioma de origem, em vez de rotulá-la erroneamente como uma tradução.

Lidar com uma gravação que altera o idioma de maneira diferente

Uma pasta composta principalmente de arquivos de um único idioma é um bom motivo para considerar a detecção automática. Uma entrevista com repetidas alternâncias entre japonês e inglês precisa de atenção especial. A detecção automática não estabelece que cada mudança dentro da gravação foi reconhecida corretamente.

Revise as passagens sobre as mudanças de idioma. Se o resultado perder consistentemente um idioma, considere processar trechos adequados separadamente com o idioma pretendido selecionado, usando suas ferramentas normais de edição de mídia para prepará-los. Preserve o original e lembre-se de que a transcrição de um trecho usa a linha do tempo desse trecho.

Não há nenhuma reivindicação aqui de reconhecimento impecável de idiomas mistos ou de qualidade igual em todos os idiomas suportados. Música de fundo, fala regional, nomes desconhecidos e diferentes condições de gravação também afetam o que precisa de correção.

Verifique a conclusão e tente novamente somente após diagnosticar o problema

O teste de transcrição de arquivos do Alison oferece atualmente 60 minutos de duração cumulativa de áudio, separado da audição ao vivo. A fila usa o tempo de transcrição restante em ordem. Arquivos posteriores podem receber apenas o tempo restante ou nenhum; observe os comprimentos esperados e processados, em vez de presumir que cada arquivo adicionado será concluído completamente.

Um resultado parcial não é uma transcrição completa da fala de uma gravação longa. Os trabalhos com falha ou cancelados podem ser repetidos após a verificação da causa. Se um arquivo foi processado no idioma errado, selecione o idioma correto para outra execução; se faltarem recursos, prepare-os primeiro. Revise a margem antes de repetir um lote longo.

Se você desbloquear o acesso completo ao arquivo, execute o arquivo afetado novamente. A alteração do acesso não preenche automaticamente o final não processado de um documento anterior. Mantenha clara a relação entre o arquivo, seu status e a transcrição da fala mais recente.

Revise e exporte cada documento intencionalmente

Use a pesquisa e a reprodução para inspecionar passagens importantes em cada resultado. A edição de uma transcrição não significa que os outros documentos na fila foram revisados. Dê nomes distintos aos arquivos exportados e mantenha as gravações originais disponíveis para verificação posterior.

O menu atual de exportação de transcrição de fala oferece TXT, Markdown, CSV, PDF, SRT e VTT. Escolha o texto original, a tradução quando disponível ou ambos; As opções de falante e carimbo de data/hora do documento dependem do registro e do formato. Exporte cada registro por meio de seu menu, em vez de presumir que a adição de um lote fornece uma exportação em massa com um clique.

O reconhecimento local descreve onde o processamento acontece. Ele não controla o que uma pasta de exportação sincronizada, unidade compartilhada ou backup faz posteriormente com os arquivos. Escolha onde você guarda suas gravações e documentos. A próxima etapa é uma pequena fila cujos idiomas e resultados você pode verificar antes de aumentar a escala.