Limpiador de transcripciones

Qué elimina el limpiador

Una transcripción copiada de un reproductor de vídeo está hecha para seguirla mientras se ve, no para leerla: una marca de tiempo cada pocos segundos, un salto de línea donde terminaba el subtítulo, [Música] en mitad de una frase. El limpiador quita ese andamiaje y te da párrafos. Todas las opciones se pueden desactivar y el resultado se actualiza mientras escribes.

Qué formatos entiende

• Nuestra transcripción de YouTube: la copia con [mm:ss] Speaker A: antes de cada segmento. Los segmentos del mismo hablante se unen y la etiqueta del hablante se escribe una vez por párrafo.
• El panel de transcripción de YouTube: la hora en una línea y las palabras en la siguiente. Las líneas de hora se eliminan, incluida la forma hablada que llevan algunas copias («1 minuto, 5 segundos»).
• Archivos de subtítulos SRT, WebVTT y SBV: desaparecen los números de subtítulo, las líneas de tiempo, las cabeceras VTT, las notas y las etiquetas internas; una etiqueta de voz de VTT se convierte en etiqueta de hablante; se elimina la línea repetida al principio de cada subtítulo automático.
• Notas de reuniones con un nombre y una hora en su propia línea («Speaker 1 0:03») pasan a «Speaker 1:».

Solo se eliminan las marcas de tiempo que parecen marcas de tiempo: al principio de una línea, en una línea propia o entre corchetes. «Quedamos a las 10:30» en mitad de una frase se queda como está.

Cómo se reconstruyen los párrafos

Cuando el texto viene de un reproductor, cada salto de línea se trata como el final de un subtítulo y no de un párrafo, así que primero se unen las líneas. Una palabra partida entre dos líneas con un guion se recompone. Después empieza un párrafo nuevo cada 3, 4, 5, 6 u 8 frases (4 por defecto), y siempre que cambia el hablante. El texto que escribes tú mismo conserva sus párrafos separados por líneas en blanco.

Los subtítulos generados automáticamente suelen no tener ningún punto, así que no hay frases que contar. Cuando un texto tiene una media de más de 60 palabras por frase, el limpiador corta los párrafos por longitud, unas 20 palabras por cada frase que pediste, y te lo indica.

«Corregir espacios y mayúsculas» elimina los espacios dobles y los espacios antes de comas y puntos, añade el espacio que falta tras una coma y pone en mayúscula la primera letra de cada frase. Abreviaturas como «Dr.» e iniciales como «U.S.A.» no terminan una frase, y palabras como «iPhone» conservan su primera letra.

Muletillas, con cuidado

Las listas por defecto contienen solo sonidos de duda («um», «uh», «erm» en inglés, «э», «эм» en ruso, «äh», «ähm» en alemán) para diez idiomas: inglés, ruso, ucraniano, español, portugués, francés, alemán, italiano, polaco y neerlandés. El idioma de la página elige la lista. Palabras como «like», «you know» u «o sea» se dejan fuera a propósito: también son palabras normales y quitarlas a ciegas cambia el significado. Añádelas tú a la lista si quieres que desaparezcan; también sirven frases de varias palabras, y tu lista se recuerda en este navegador.

Límites, sin rodeos

El limpiador ordena el texto, no lo entiende. No puede añadir puntuación que el original nunca tuvo, no puede corregir palabras mal oídas, y una línea que empieza por una palabra con mayúscula y dos puntos («Nota: …») puede confundirse con una etiqueta de hablante; esa opción está desactivada por defecto. Lee el resultado antes de publicarlo. Todo se ejecuta en tu navegador; el texto no se sube ni se guarda.