Transcribe un podcast desde unha ligazón en poucos clics. Pega o enderezo do episodio e obtén unha transcrición con falantes nomeados, un resumo e exportacións.
Para transcribir un podcast desde unha ligazón, pega o enderezo do episodio en VocalStack, preme Start e le a transcrición uns minutos despois. A ligazón pode ser unha páxina de episodio en SoundCloud, Spreaker, iHeartRadio, Audioboom, Mixcloud ou YouTube, o sitio web propio dun podcast, ou o MP3 do episodio. As ligazóns de Spotify e Apple Podcasts piden un paso extra, que se explica máis abaixo.
Esta guía percorre todo o camiño no panel: que ligazóns funcionan, como obter o enderezo do audio cando unha ligazón non serve, como se nomean anfitrións e convidados, e como exportar o resultado como texto, subtítulos ou PDF. Unha sección curta ao final fai o mesmo pola API.
A maioría das ligazóns de episodios funcionan tal cal. VocalStack só descarga o audio, transcríbeo e garda a ligazón da que veu a transcrición. Estas son as ligazóns para probar primeiro:
.mp3, .m4a, .wav, .ogg, .flac ou outro formato de audio ou vídeo.Dous tipos de ligazón rexéitanse antes de descargar nada. Unha ligazón de Spotify ou Apple Podcasts é unha páxina para a súa propia aplicación, e VocalStack non descarga de ningunha das dúas. Unha gravación protexida contra copia non a pode transcribir a ferramenta de ninguén máis, e a comprobación dío con palabras claras. Tamén se rexeitan as publicacións privadas e os episodios que esixen iniciar sesión.
O panel faino en cinco pasos.
A transcrición lévase o nome do título do episodio no seu sitio cando o sitio o dá, así que un lote de episodios segue lexible na lista. Os episodios longos teñen un teito: en Pay as you go un ficheiro pode durar ata 2 horas, e en Premium ata 8 horas. Unha gravación máis longa non se rexeita de entrada. A comprobación dinche a súa duración e deixa fixar un comezo e un final, así que transcribes só a parte que necesitas.
Usa o ficheiro de audio do episodio en vez da ligazón da aplicación. Case todos os podcasts publícanse mediante un feed RSS, e o feed garda un enderezo directo para o audio de cada episodio. Ese enderezo funciona en VocalStack como calquera outra ligazón MP3.
<item> por episodio.<title>, e despois a liña <enclosure url="…"> dentro do mesmo item. Ese URL adoita rematar en .mp3.Pega o enderezo do audio do episodio, non o enderezo do feed: o feed lista todos os episodios, e VocalStack transcribe unha gravación por ligazón. Se o programa ten un sitio web cun reprodutor en cada páxina de episodio, pegar a páxina do episodio é máis rápido, porque VocalStack atopa nela o audio por ti.
Algúns programas publícanse só en Spotify, sen feed público. Eses episodios non teñen un enderezo de audio fóra da aplicación, así que non hai ligazón que darlle a VocalStack. Se fixeches ti o episodio, sube a túa propia copia en Transcriptions → New → Upload file.
As etiquetas de falante distinguen as voces e os nomes fainas lexibles. O axuste ten tres valores:
Unha etiqueta comeza sendo un número, así que dálle un nome a cada falante na transcrición. Para un programa cun anfitrión habitual, marca Save to Speakers cando o nomees. O anfitrión queda entón gardado na túa páxina Speakers e recoñécese pola voz en gravacións posteriores, así que o episodio da semana seguinte etiquétao polo nome sen que ninguén toque nada. Gardar un falante só conserva unha pegada de voz para recoñecelo; non se clona ningunha voz a menos que a persoa o aceptase. Distinguir voces é un traballo distinto de escribir as palabras; diarización fronte a recoñecemento de fala explica como encaixan ambos.
Cando o episodio está transcrito, as ferramentas para traballar nel están xunto á transcrición.
Cada liña conserva o seu momento no episodio, así que podes reproducila e comprobala antes de citala.
A pestana Export converte a transcrición nun ficheiro, no idioma falado ou en calquera tradución:
Pola API, a mesma exportación tamén dá texto simple (txt) e Markdown (md), que se pegan directamente nas notas do programa ou nunha publicación de blog.
A pestana Share crea unha ligazón pública a unha páxina de transcrición onde calquera pode ler mentres escoita o audio. Podes facer varias ligazóns con etiquetas diferentes, para un convidado e para o teu boletín, e revogar unha en calquera momento; deixa de funcionar ao instante. Quen le unha ligazón compartida pode cambiala ao seu idioma e descargala.
Se o programa vive en WordPress, o complemento de transcrición para WordPress transcribe episodios da túa biblioteca de medios e pon a transcrición na páxina, onde os buscadores len cada palabra.
Unha nota sobre os programas doutras persoas. Transcribir un episodio para a túa propia investigación, notas ou tradución é un uso común. Publicar a transcrición doutra persoa é un acto distinto, rexido polos dereitos de autor do teu país e polas condicións do propio programa, así que pregúntalle ao programa antes de publicala.
Podes comezar de balde. Unha conta nova recibe $5 de crédito único de rexistro, e non fai falta tarxeta. Á tarifa de ficheiros de $0.20 por hora de audio, ese crédito cobre unhas 25 horas de episodios.
Despois, un ficheiro custa $0.20 por hora, facturado por segundo: un episodio dunha hora custa $0.20 e un de 30 minutos $0.10. En Pay as you go cada transcrición factúrase por polo menos 5 minutos, así que un clip de dous minutos custa o mesmo que un de cinco. Premium non ten mínimo e inclúe $25 de crédito cada mes. As etiquetas de falante, o resumo e as traducións son parte da tarifa, non extras. As cifras e os límites actuais están na páxina de prezos.
Para unha morea de episodios atrasados, ou un feed que queres transcribir cada semana, a API fai o mesmo desde código. Crea unha clave en Developers → API keys, e envía POST /v1/transcriptions cun corpo JSON que leve o url do episodio. Responde ao instante coa transcrición; o servidor descarga o audio despois.
API={{api}}
AUTH="Authorization: Bearer $VOCALSTACK_API_KEY"
TX=$(curl -sSf "$API/v1/transcriptions" -H "$AUTH" -H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{"url":"https://example.com/episodes/42.mp3","name":"Episode 42","settings":{"speakerLabels":"auto"}}' \
| jq -r .id)
Le GET /v1/transcriptions/$TX/job cada poucos segundos. Pasa de fetching a transcribing e a done, ou remata en failed cun error que di por que. Cando remata, exporta a transcrición:
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= comproba antes unha ligazón e dinche se se abre como gravación, sen almacenar nada. Os SDK envolven todo isto como vs.transcriptions.createFromUrl e vs.transcriptions.waitForJob; o titorial da API de ficheiros percorre ambos, xunto cos erros que atoparás.
Non desde a ligazón de Spotify. VocalStack non descarga de Spotify. A maioría dos programas de Spotify tamén publican un feed RSS, e o enderezo do audio do episodio nese feed funciona. Os programas que se publican só en Spotify non teñen un enderezo de audio público, así que non se poden transcribir desde unha ligazón.
Si, mediante o seu ficheiro de audio. Unha páxina de Apple Podcasts rexéitase, pero Apple Podcasts lista os programas a partir dos seus feeds RSS, así que o enderezo <enclosure> do episodio no feed do programa transcríbese coma calquera MP3.
Menos do que dura o episodio. O audio descárgase primeiro, o que leva segundos desde un aloxamento de podcast, e a transcrición vai varias veces máis rápida ca o audio. A barra de progreso mostra as dúas etapas.
Si. O idioma falado detéctase soo, entre 100 idiomas, e podes nomealo cando o coñeces, o que axuda con audio ruidoso. Calquera transcrición pódese traducir despois ata 10 idiomas ao mesmo prezo.
Si. As exportacións, as ligazóns compartidas e as traducións non custan nada máis que a propia transcrición, e podes exportar a mesma transcrición tantas veces como queiras.
Pega a ligazón do teu primeiro episodio e le el en poucos minutos.