Para transcrever um vídeo com deepgram, comece pela trilha sonora: o reconhecimento de fala funciona com áudio, não com o que aparece em cada quadro. Extraia ou forneça um áudio em formato compatível e confira a transcrição com o vídeo original antes de usá-la para legendas ou edição.
A diferença está no material de origem e na preparação, não na promessa de que o reconhecimento de fala consiga interpretar imagens.
Conheça o fluxo mais amplo de conversão de áudio em texto quando sua gravação já é um arquivo de áudio.
Entenda como as tarefas relacionadas à voz diferem da extração de falas de um vídeo.
Confira as considerações sobre idiomas antes de processar uma trilha sonora multilíngue.
Um projeto de vídeo exige decisões sobre a trilha sonora, a linha do tempo da edição e as cenas sem falas relevantes.
Um trecho de entrevista contém respostas faladas, além de música e uma sequência de abertura com o título. Isole a trilha sonora necessária e anote onde a fala realmente começa.
A transcrição pode ser conferida com a linha do tempo da edição, em vez de ser confundida com uma descrição de cada cena.
transcrição com deepgramUma demonstração de produto combina narração com etapas exibidas na tela. Trate as instruções faladas como áudio e documente as ações visuais separadamente.
O produtor sabe quais partes exigem uma descrição visual escrita por uma pessoa, em vez de reconhecimento de fala.
voz com deepgramUm clipe alterna entre idiomas conforme os falantes mudam. Identifique os idiomas usados antes de escolher um fluxo de reconhecimento e revisar nomes ou termos técnicos.
Os revisores podem se concentrar nas mudanças de idioma e nos trechos incertos antes de redigir as legendas.
idiomas do deepgramGuarde uma cópia do vídeo original para verificar a que as palavras e as marcações de tempo se referem.
Ouça para identificar fala, música, falantes que se sobrepõem e longos períodos de silêncio. Confirme o formato da mídia e os requisitos de entrada da opção de transcrição que pretende usar.
Se a opção escolhida não aceitar o arquivo de vídeo, extraia a faixa de áudio em um formato compatível. Preserve a duração original; cortar uma introdução altera o alinhamento dos tempos da transcrição com o clipe completo.
Execute o reconhecimento de fala no áudio preparado e depois ouça novamente os trechos difíceis. Confira nomes, mudanças de falante e marcações de tempo no vídeo antes de publicar as legendas.
Este comparativo de transcrição de vídeo do deepgram trata da preparação e da revisão; as entradas aceitas dependem da opção e da configuração usadas.
Fluxo de trabalho a partir do vídeo
Um clipe com imagem e trilha sonora
Fluxo de trabalho a partir do áudio
Uma gravação de fala existente
Fluxo de trabalho a partir do vídeo
Confirme que o clipe tem uma faixa de áudio audível
Fluxo de trabalho a partir do áudio
Confirme que a gravação contém fala utilizável
Fluxo de trabalho que começa pelo vídeo
Verifique a compatibilidade do arquivo de entrada ou extraia a trilha sonora
Fluxo de trabalho que começa pelo áudio
Verifique o formato do áudio e a qualidade da gravação
Fluxo de trabalho que começa pelo vídeo
Leve em conta edições, deslocamentos e introduções cortadas
Fluxo de trabalho que começa pelo áudio
Confira as marcações de tempo com a gravação
Fluxo de trabalho que começa pelo vídeo
Devem ser analisadas separadamente da transcrição
Fluxo de trabalho que começa pelo áudio
Não estão presentes na gravação original
Fluxo de trabalho que começa pelo vídeo
Compare a fala com o vídeo e o posicionamento das legendas
Fluxo de trabalho que começa pelo áudio
Compare as palavras com o que é possível ouvir
Fluxo de trabalho que começa pelo vídeo
Texto revisado para um editor ou processo de legendagem
Fluxo de trabalho que começa pelo áudio
Texto revisado para pesquisa, anotações ou análise
O reconhecimento de fala não consegue descrever um gráfico, gesto ou cartela de título que aparece apenas na tela.
Solução alternativaAdicione descrições visuais em uma etapa separada de visualização.
O tempo indicado na transcrição pode precisar de ajustes após cortes, mudanças de velocidade ou a remoção de uma introdução.
Solução alternativaConfira a sincronização das legendas com a edição final, não apenas com o áudio original.
Música, falas sobrepostas e baixa qualidade da gravação podem dificultar a compreensão das palavras, mesmo quando a imagem está nítida.
Solução alternativaOuça os trechos incertos e sinalize tudo o que não conseguir confirmar.
Um contêiner de vídeo ou codec que funciona em um editor não é necessariamente aceito por um endpoint de transcrição.
Solução alternativaConfira os requisitos atuais de entrada e extraia uma faixa de áudio compatível quando necessário.
Se o seu objetivo é obter texto utilizável a partir de um clipe, prepare o áudio falado e decida como fará a revisão com base no vídeo. O serviço de voz indicado pelo link é um destino separado; confira as entradas e funcionalidades aceitas antes de enviar a mídia.
O reconhecimento de fala do Deepgram processa o áudio da mídia. Confira os requisitos atuais da rota que você pretende usar; se o arquivo de vídeo não for uma entrada compatível, extraia a trilha sonora e transcreva esse áudio.
Não. Uma transcrição de fala representa as palavras detectadas na trilha sonora, não ações silenciosas, elementos gráficos ou textos visíveis nos quadros. Acrescente esses detalhes por meio de uma análise visual separada.
Trate a transcrição como um rascunho. Confira as palavras e a sincronização com a versão final do vídeo, especialmente se a trilha sonora foi cortada ou se as imagens foram editadas após a transcrição.
Essas condições podem dificultar a identificação das palavras ou dos pontos em que o falante muda. Ouça os trechos incertos, corrija o texto e confirme os rótulos dos falantes antes de divulgar o resultado.