Så transkriberar du en intervju: Exakta transkript med talaretiketter

Att transkribera en intervju manuellt tar flera timmar. När du har en deadline för en artikel eller arbetar med en tidskritisk forskningsstudie kanske du inte har de extra timmarna i schemat. AI-drivna verktyg för tal till text transkriberar intervjuer på några minuter och frigör tid för redigering och analys. 

I den här guiden går vi igenom hur du transkriberar en intervju korrekt med AI. Vi tittar också på verktyg, stilar och formatering som hjälper dig att förvandla varje ljudintervju till ett användbart skriftligt transkript. 

Sammanfattning

• Intervjutranskript behöver ofta uppfylla strikta krav på korrekthet inom journalistik och akademisk forskning. 
• Transkribering i ordagrant läge fångar allt som sägs i intervjun, inklusive upprepningar och utfyllnadsord. 
• Undvik felaktiga talaretiketter genom att använda flerkanalig transkribering med en separat mikrofon för varje talare. Funktionen transkriberar varje talares ljud separat, så att de märks korrekt även när flera talar samtidigt. 
• Ljudhändelser som skratt, suckar eller applåder ger sammanhang till en intervjuinspelning. ElevenCreative STT taggar dem som standard, men du kan stänga av inställningen ”tagga ljudhändelser” om du inte behöver dem. 
• Om intervjun innehåller personnamn, företagsnamn eller branschjargong kan du använda nyckelordsanvisningar för att förtydliga stavningen innan transkriberingen börjar. 

Vad skiljer intervjutranskribering från transkript av möten eller samtal

Intervjuare inom journalistik eller akademisk forskning behöver kunna hämta direkta citat från sina transkript. När intervjuer pågår i en timme eller längre är manuell transkribering inte praktisk, särskilt när du behöver hög korrekthet.

Dessa citat hamnar i publicerade artiklar, rapporter och hänvisningar. Transkriptet måste fånga allt som sägs utan att ändra ord eller utelämna något.

Affärsmöten är annorlunda. De är ofta kortare, och de flesta team behöver bara huvudpunkterna. Många förlitar sig på verktyg som sammanfattar mötet i stället för att skapa en ordagrann återgivning.

När du väljer programvara för intervjutranskribering bör korrekthet komma först, men det är inte det enda på checklistan. Här är funktionerna som är viktigast.

Ordagrann eller renskriven: Välj stil för ditt transkript

När du transkriberar dina intervjuer kan du välja mellan två stilar: ordagrann eller renskriven.

Ett ordagrant transkript fångar varje ord och uttryck i samtalet utan att ändra eller ta bort något. Det omfattar upprepningar, felsägningar och utfyllnadsord som ”eh” eller ”öh”. 

Ett renskrivet transkript tar bort utfyllnadsord och upprepningar, men behåller den ursprungliga grammatiken och formuleringen. Renskrivna transkript är lättare att läsa samtidigt som samtalets ursprungliga innebörd bevaras. 

För de flesta intervjuer passar ordagranna transkript bäst. Eftersom de bevarar hela samtalet uppfyller de de strikta krav på korrekthet som krävs inom journalistik, akademisk forskning eller juridik. 

Det finns dock situationer där renskriven transkribering passar för intervjuer. Säg att du har gjort en intervju till din podcast och vill omvandla den till ett Q&A-inlägg på webbplatsen. I det scenariot ger renskriven transkribering resultat som är redo att publiceras. 

ElevenCreative Speech to Text har stöd för både ordagrann och renskriven transkribering i ElevenLabs Playground och i ElevenAPI, med modellen Scribe v2. Ordagranna transkript är standard, men du kan skapa renskrivna transkript genom att aktivera Clean Transcript/No Verbatim i inställningspanelen i Playground eller parametern no_verbatim i ElevenAPI. 

Få talaretiketterna rätt

I intervjutranskribering förtydligar talaretiketter vem som sa vad. En felaktig talaretikett kan leda till att citat tillskrivs fel person, så det är viktigt att de blir rätt. 

AI-verktyg för tal till text har två metoder för att märka talare. Vilken metod du använder beror på hur du spelar in intervjuerna. 

Om du använder en enda mikrofon för att spela in båda talarna använder transkriberingsmodellen inbyggd talarseparering för att automatiskt identifiera, separera och märka dem. Modeller som använder talarseparering kan göra fel, särskilt om talarna har liknande röster eller pratar i mun på varandra. 

Om varje talare har en egen mikrofon kan du använda flerkanalig transkribering för att säkerställa korrekta talaretiketter. Med denna transkriberingsmetod får varje ljudkanal en egen talaretikett i transkriptet. 

Flerkanalig transkribering kräver en mer avancerad mikrofonuppsättning än en enda inspelning för båda talarna. Däremot ger den tydligare och mer korrekt märkning av talare. Eftersom varje talare har en förkonfigurerad kanal behöver transkriberingsmodellen inte identifiera talare utifrån rösten. 

Hantera överlappande tal och avbrott

Att märka talare är inte alltid enkelt. Det är normalt att talare pratar i mun på varandra eller avbryter varandra under ett samtal. 

När du transkriberar en intervju för journalistik eller akademisk forskning är det viktigt att märka överlappande tal och avbrott korrekt. Det säkerställer att varje citat tillskrivs rätt talare. 

Använd om möjligt en separat mikrofon för varje talare och transkribera i flerkanaligt läge. I flerkanaligt läge spelas varje talare in och transkriberas separat. Det förhindrar märkningsfel, även när talarna pratar i mun på varandra. 

Om du använder en enda mikrofon för intervjun använder transkriberingsmodellen automatiserad talarseparering för att märka vem som talar när. Med denna metod kan märkningsfel uppstå, särskilt om talarna pratar i mun på varandra. Transkriptet kan behöva lätt manuell redigering för att bli korrekt. 

Fånga tonfall när du transkriberar intervjuer

En talares tonfall kan helt förändra innebörden av det som sägs, och du vill se till att dessa nyanser bevaras i intervjutranskripten. Justera därför inställningarna i transkriptverktyget så att det fångar skratt, viskningar, suckar och andra händelser som inte är tal. 

I ElevenLabs använder du parametern tag_audio_events för detta. Inställningen är automatiskt aktiverad när du konverterar tal till text med ElevenCreative och när du använder ElevenAPI. 

Om du inte vill fånga dessa händelser i intervjutranskriptet stänger du bara av ”Tag audio events” när du skapar ett transkript i Playground. I ElevenAPI använder du tag_audio_events="false" för att stänga av inställningen. 

Att tagga händelser som inte är tal är särskilt viktigt när du intervjuar en person för ett personporträtt eller en muntlig historia, eftersom det fångar talarens fullständiga avsikt och uttryck. Det är också användbart för kvalitativa forskningsintervjuer, där händelser som inte är tal kan påverka slutresultatet. 

Få namn och termer rätt

Många intervjuer innehåller namn och branschjargong som transkriberingsmodeller inte skulle känna igen på egen hand. 

Med nyckelordsanvisningar kan du förtydliga namn, ord eller fraser innan transkriberingsprocessen börjar. Det förhindrar att transkriberingsmodellen stavar dem fel eller förväxlar dem med andra, vanligare ord. 

ElevenLabs Scribe v2 har stöd för upp till 1 000 nyckeltermer per transkript, medan ElevenLabs Scribe v2 Realtime har stöd för 50 nyckeltermer per transkript. 

Två sätt att transkribera: Uppladdning utan kod eller API

ElevenLabs erbjuder två Speech to Text-metoder för att transkribera intervjuer. ElevenLabs Playground är ett verktyg utan kod, medan ElevenLabs Speech to Text API lägger till transkriberingsfunktioner direkt i de digitala verktyg du bygger. 

Att transkribera en intervju med ElevenLabs Playground tar bara några minuter och kräver ingen konfiguration. Ladda upp ljudfilen direkt i kontrollpanelen och aktivera sedan de transkriberingsinställningar du föredrar. 

Innan transkriberingen börjar kan du justera taggning av händelser som inte är tal, ordagrant läge och flerkanaligt läge efter dina preferenser. Du kan också lägga till relevanta nyckeltermer. 

När transkriptet är klart kan du redigera resultatet direkt i den inbyggda Transcript Editor. Du kan också exportera transkriptet till flera filformat, inklusive .txt, .docx, .pdf, .json, .html, .srt och .vtt. 

Om du bygger egen programvara och vill lägga till funktioner för intervjutranskribering kan du använda ElevenLabs Speech to Text API. Genom att lägga till funktionen i ert CMS för redaktionen, er podcastplattform eller ert verktyg för akademisk forskning kan du snabba upp intervjutranskriberingen för hela teamet. 

Transkribera dina intervjuer med ElevenCreative

När du transkriberar intervjuer är korrekthet avgörande. Funktioner som ordagrann transkribering, flerkanalig transkribering, taggning av ljudhändelser och nyckelordsanvisningar fångar varje detalj i intervjun för korrekta resultat. 

ElevenCreative Speech to Text-verktyg skapar intervjutranskript på några minuter och frigör tid för forskning, skrivande, redigering och mycket mer. ElevenLabs Playground har ett lättanvänt gränssnitt utan konfiguration som tar dig från ljudfil till färdigt transkript på bara några minuter. ElevenAPI ger dig intervjutranskribering direkt i din programvaruplattform för snabbare arbetsflöden. 

Registrera dig för ElevenLabs idag för att börja transkribera dina intervjuer eller läsa mer om allt som ElevenCreative har att erbjuda.

Vanliga frågor