Transkribeer ’n podcast vanaf ’n skakel: plak die episode-URL en kry ’n transkripsie met benoemde sprekers, ’n opsomming en SRT-, PDF- of teksuitvoere.
Om ’n podcast vanaf ’n skakel te transkribeer, plak die episode se adres in VocalStack, druk Start en lees die transkripsie ’n paar minute later. Die skakel kan ’n episodebladsy op SoundCloud, Spreaker, iHeartRadio, Audioboom, Mixcloud of YouTube wees, ’n podcast se eie webwerf, of die episode se MP3. Spotify- en Apple Podcasts-skakels vereis een ekstra stap, wat hieronder behandel word.
Hierdie gids loop die hele pad in die Dashboard deur: watter skakels werk, hoe om die oudio-adres te kry as ’n skakel nie werk nie, hoe gashere en gaste benoem word, en hoe om die resultaat as teks, onderskrifte of ’n PDF uit te voer. ’n Kort afdeling aan die einde doen dieselfde deur die API.
Die meeste episodeskakels werk soos hulle is. VocalStack laai net die oudio af, transkribeer dit en hou die skakel waarvandaan die transkripsie gekom het. Dit is die skakels om eerste te probeer:
.mp3, .m4a, .wav, .ogg, .flac of ’n ander oudio- of videoformaat eindig.Twee soorte skakels word geweier voordat enigiets afgelaai word. ’n Spotify- of Apple Podcasts-skakel is ’n bladsy vir hul eie app, en VocalStack haal van nie een af nie. ’n Kopieerbeskermde opname kan nie deur enigiemand anders se hulpmiddel getranskribeer word nie, en die toets sê dit in gewone woorde. Private plasings en episodes wat ’n aanmelding vereis, word ook geweier.
Die Dashboard doen dit in vyf stappe.
Die transkripsie word genoem na die episode se titel op sy webwerf wanneer die webwerf een gee, so ’n bondel episodes bly leesbaar in die lys. Lang episodes het ’n plafon: op Pay as you go kan ’n lêer tot 2 uur lank wees, en op Premium tot 8 uur. ’n Langer opname word nie summier geweier nie. Die toets sê jou sy lengte en laat jou ’n begin en ’n einde stel, sodat jy die deel transkribeer wat jy nodig het.
Gebruik die episode se oudiolêer in plaas van die app-skakel. Byna elke podcast word deur ’n RSS-voer gepubliseer, en die voer hou ’n direkte adres vir elke episode se oudio. Daardie adres werk in VocalStack soos enige ander MP3-skakel.
<item> per episode.<title>, dan die <enclosure url="…">-reël binne dieselfde item. Daardie URL eindig gewoonlik op .mp3.Plak die episode se oudio-adres, nie die voeradres self nie: die voer lys elke episode, en VocalStack transkribeer een opname per skakel. As die program ’n webwerf met ’n speler op elke episodebladsy het, is dit vinniger om die episodebladsy te plak, want VocalStack vind die oudio daarop vir jou.
Sommige programme publiseer net op Spotify, sonder ’n openbare voer. Daardie episodes het geen oudio-adres buite die app nie, so daar is geen skakel om aan VocalStack te gee nie. As jy die episode gemaak het, laai eerder jou eie kopie op by Transcriptions → New → Upload file.
Sprekeretikette onderskei die stemme, en name maak hulle leesbaar. Die instelling het drie waardes:
’n Etiket begin as ’n nommer, so gee elke spreker ’n naam in die transkripsie. Vir ’n program met ’n gereelde gasheer, merk Save to Speakers wanneer jy hom noem. Die gasheer word dan op jou Speakers-bladsy gehou en in latere opnames aan sy stem herken, so volgende week se episode etiketteer hom met naam sonder dat iemand iets aanraak. Om ’n spreker te stoor, hou net ’n stemvingerafdruk vir herkenning; geen stem word gekloon nie, tensy die persoon daarmee ingestem het. Om stemme te onderskei is ’n ander taak as om die woorde neer te skryf; diarisering teenoor spraakherkenning verduidelik hoe die twee inmekaarpas.
Sodra die episode getranskribeer is, sit die gereedskap om daaraan te werk langs die transkripsie.
Elke reël hou sy tyd in die episode, sodat jy dit kan terugspeel en nagaan voordat jy dit aanhaal.
Die Export-oortjie maak van die transkripsie ’n lêer, in die gesproke taal of in enige vertaling:
Deur die API gee dieselfde uitvoer ook gewone teks (txt) en Markdown (md), wat reguit in programnotas of ’n blogpos geplak kan word.
Die Share-oortjie maak ’n openbare skakel na ’n transkripsiebladsy waar enigiemand saam met die oudio kan lees. Jy kan verskeie skakels met verskillende etikette maak, vir ’n gas en vir jou nuusbrief, en enige een te eniger tyd intrek; dit hou onmiddellik op werk. Lesers van ’n gedeelde skakel kan dit na hul eie taal oorskakel en aflaai.
As die program op WordPress woon, transkribeer die WordPress-transkripsie-inprop episodes in jou Mediabiblioteek en plaas die transkripsie op die bladsy, waar soekenjins elke woord lees.
’n Opmerking oor ander mense se programme. Om ’n episode vir jou eie navorsing, notas of vertaling te transkribeer, is ’n algemene gebruik. Om iemand anders se transkripsie te publiseer, is ’n ander handeling, beheer deur outeursreg waar jy is en deur die program se eie bepalings, so vra die program voordat jy dit plaas.
Jy kan gratis begin. ’n Nuwe rekening kry $5 eenmalige aansluitkrediet, en geen kaart is nodig nie. Teen die lêertarief van $0.20 per uur oudio dek daardie krediet sowat 25 uur se episodes.
Daarna kos ’n lêer $0.20 per uur, per sekonde gefaktureer: ’n eenuur-episode is $0.20 en ’n 30-minuut een is $0.10. Op Pay as you go word elke transkripsie vir minstens 5 minute gefaktureer, so ’n twee-minuut-snit kos dieselfde as ’n vyf-minuut een. Premium het geen minimum nie en sluit elke maand $25 krediet in. Sprekeretikette, die opsomming en vertalings is deel van die tarief, nie ekstras nie. Die huidige syfers en perke is op die prysblad.
Vir ’n agterstand van episodes, of ’n voer wat jy elke week getranskribeer wil hê, doen die API dieselfde vanuit kode. Skep ’n sleutel by Developers → API keys en stuur dan POST /v1/transcriptions met ’n JSON-liggaam wat die episode se url bevat. Dit antwoord dadelik met die transkripsie; die bediener haal die oudio daarna.
API={{api}}
AUTH="Authorization: Bearer $VOCALSTACK_API_KEY"
TX=$(curl -sSf "$API/v1/transcriptions" -H "$AUTH" -H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{"url":"https://example.com/episodes/42.mp3","name":"Episode 42","settings":{"speakerLabels":"auto"}}' \
| jq -r .id)
Lees GET /v1/transcriptions/$TX/job elke paar sekondes. Dit gaan van fetching na transcribing na done, of eindig in failed met ’n error wat sê hoekom. Wanneer dit klaar is, voer die transkripsie uit:
curl -sSf "$API/v1/transcriptions/$TX/export?format=txt" -H "$AUTH" -o episode-42.txt
curl -sSf "$API/v1/transcriptions/$TX/export?format=srt&lang=es" -H "$AUTH" -o episode-42.es.srt
GET /v1/transcriptions/probe?url= kontroleer eers ’n skakel en sê jou of dit as ’n opname oopmaak, sonder om enigiets te stoor. Die SDK’s verpak dit alles as vs.transcriptions.createFromUrl en vs.transcriptions.waitForJob; die lêer-API-handleiding loop deur hulle, saam met die foute wat jy sal teëkom.
Nie vanaf die Spotify-skakel nie. VocalStack haal nie van Spotify af nie. Die meeste programme op Spotify publiseer ook ’n RSS-voer, en die episode se oudio-adres uit daardie voer werk. Programme wat net op Spotify publiseer, het geen openbare oudio-adres nie, so hulle kan nie vanaf ’n skakel getranskribeer word nie.
Ja, deur sy oudiolêer. ’n Apple Podcasts-bladsy word geweier, maar Apple Podcasts lys programme uit hul RSS-voere, so die episode se <enclosure>-adres in die program se voer transkribeer soos enige MP3.
Minder as wat die episode duur. Die oudio word eers afgelaai, wat sekondes neem vanaf ’n podcast-gasheer, en transkripsie loop etlike kere vinniger as wat die oudio speel. Die vorderingsbalk wys albei stadiums.
Ja. Die gesproke taal word vanself bespeur, uit 100 tale, en jy kan dit noem wanneer jy dit ken, wat help by raserige oudio. Enige transkripsie kan dan teen dieselfde prys in tot 10 tale vertaal word.
Ja. Uitvoere, gedeelde skakels en vertalings kos niks buiten die transkripsie self nie, en jy kan dieselfde transkripsie so dikwels uitvoer as wat jy wil.
Plak jou eerste episodeskakel en lees dit binne ’n paar minute.