Najważniejsze wnioski
Przewijanie na słuch jest wolne, bo żeby wiedzieć, gdzie jesteś, musisz słuchać. Transkrypcja ze znacznikami czasu zamienia dwie godziny nagrania w około siedemdziesiąt stron tekstu, który przeszukasz w kilka sekund, a potem przejdziesz prosto do właściwego momentu. Etykiety mówców pomagają, gdy pamiętasz, kto coś powiedział, ale nie pamiętasz kiedy. Podsumowanie z decyzjami i zadaniami do wykonania często odpowiada na pytanie, zanim jeszcze ponownie otworzysz nagranie. Prawdziwym rozwiązaniem jest głośne podanie godziny w momencie, gdy pada coś ważne — jeszcze w trakcie spotkania.
Ktoś na tym spotkaniu coś powiedział. Mniej więcej wiesz co, może nawet kto to powiedział, i masz silne przeczucie, że to teraz ma znaczenie. Czego nie masz, to minuty, w której to padło. Nagranie trwa dwie godziny, spotkanie odbyło się wczoraj albo tydzień temu, a jedynym narzędziem, jakie masz przed sobą, jest slider do przewijania.
Naturalnym odruchem jest przeciągnięcie slidera i słuchanie. Ten odruch zawodzi wystarczająco często, by wyjaśnić, dlaczego tak jest i co zrobić zamiast tego.
Slider to wyszukiwanie binarne wykonywane na słuch
Przewijanie długiego nagrania to w praktyce wyszukiwanie binarne, tylko wykonywane uchem. Skaczesz w okolice środka, słuchasz kilka sekund, oceniasz, czy jesteś przed czy za szukanym momentem, i skaczesz znowu. Każda taka próba kosztuje kilka sekund samego słuchania, zanim jeszcze zdążysz ocenić, czy treść się zgadza. Przy dwugodzinnym pliku to kilkanaście prób, każda kolejna wolniejsza od poprzedniej — bliżej celu fragmenty są coraz krótsze, ale słuchanie wcale nie jest szybsze.
Nie jest tak, że przewijanie nigdy nie działa. Przy dwudziestominutowym nagraniu jest w porządku. Przy dwóch godzinach, z sześcioma czy ośmioma odrębnymi tematami i garścią dygresji, zamienia się w dziesięć czy piętnaście minut zgadywania dla cytatu, który mógłbyś znaleźć w kilka sekund, gdyby istniał w formie tekstu.
Jak zamienić nagranie w tekst do przeszukania
Dwie godziny mówienia to około osiemnastu tysięcy słów, coś w rodzaju siedemdziesięciu stron. Przeszukanie siedemdziesięciu stron tekstu w poszukiwaniu frazy zajmuje kilka sekund, tak jak przy każdym innym dokumencie. To jest cały trik: przestań traktować nagranie jako audio, które trzeba przesłuchać, a zacznij traktować je jako tekst, który można przeszukać.
To transkrypcja ze znacznikami czasu sprawia, że to jest możliwe. Każda linia tekstu ma przypisany znacznik czasu, więc kiedy znajdziesz szukaną frazę, wystarczy odczytać liczbę stojącą przy niej i przejść bezpośrednio do tego miejsca w nagraniu. Koniec z macaniem po ciemku w poszukiwaniu momentu. Idziesz prosto do celu. Narzędzie, które zamienia nagranie audio na tekst, to element całej tej układanki, bez którego resztę tego artykułu i tak sprowadziłbyś do przewijania.
Etykiety mówców i decyzje zwężają pole poszukiwań
Czasem pamiętasz, kto to powiedział, ale nie pamiętasz kiedy. Tu z pomocą przychodzą etykiety mówców. Zamiast przeszukiwać całą transkrypcję pod kątem frazy, którą może źle pamiętasz, możesz przejrzeć tylko linie przypisane jednej osobie i przeczytać je po kolei. To mniejszy obszar poszukiwań, a mniejszy obszar poszukiwań to szybszy wynik.
Często nie potrzebujesz dokładnego cytatu w ogóle. W połowie przypadków powodem, dla którego przeszukujesz nagranie, jest decyzja, która została podjęta, albo zadanie, które zostało komuś przypisane — nie dokładne słowa, którymi to ustalono. Podsumowanie, które wypisuje decyzje i zadania do wykonania osobno, może samo odpowiedzieć na to pytanie, bez konieczności dotykania audio czy transkrypcji. To jest moment, w którym aplikacja tworząca transkrypcje z etykietami mówców i podsumowania z przypisanymi decyzjami, taka jak aplikacja do transkrypcji, jest naprawdę najszybszą drogą od pytania do odpowiedzi — jedna z opcji opisanych w tym artykule, i ta jedna, która całkowicie usuwa potrzebę szukania, a nie tylko je przyspiesza.
Podwójna prędkość zbliża cię do celu, ale nie prowadzi tam wprost
Odtwarzanie nagrania z prędkością półtora- lub dwukrotną to realna technika, którą wspiera większość odtwarzaczy bez żadnych dodatkowych ustawień. To sensowne pierwsze podejście, gdy nie masz transkrypcji i musisz szybko zlokalizować jakiś fragment. Przejedź przez nagranie na zwiększonej prędkości, wyłapując temat albo głos, i zwolnij, gdy poczujesz, że jesteś blisko.
Ograniczenie polega na tym, że ta metoda pomaga znaleźć fragment, nie konkretne zdanie. Przyspieszone audio dobrze sprawdza się do rozpoznania, że dotarłeś do właściwego odcinka rozmowy. Gorzej wypada przy wychwytywaniu konkretnej, potrzebnej linii — zwłaszcza jeśli dwie osoby mówiły jednocześnie albo nagranie nigdy nie było szczególnie czyste. Jeśli podczas spotkania zanotowałeś sobie orientacyjną godzinę, a teraz musisz ustalić, gdzie ona wypada po przewinięciu połowy pliku na zwiększonej prędkości, konwerter znaczników czasu wykona te przeliczenia za ciebie.
Czego nie uratuje słabe nagranie
Wszystkie trzy powyższe metody zależą od tego, czy nagranie w ogóle jest użyteczne, a jakość nagrania decyduje o tym, jak dobrze każda z nich zadziała. Telefon zostawiony na środku stołu z szóstką rozmawiających wokół osób daje w efekcie audio, którego żadna transkrypcja, nawet najlepsza, nie uratuje w pełni. Nakładające się głosy to prawdziwy problem: kiedy dwie osoby mówią naraz, transkrypcja musi zgadywać, kto powiedział jakie słowa, i czasem zgadnie źle. Etykiety mówców w takich warunkach też stają się mniej wiarygodne, z tego samego powodu.
To nie jest powód, by odpuścić transkrypcję słabego nagrania. Transkrypcja z kilkoma niepewnymi liniami wciąż da się przeszukać znacznie szybciej niż dwie godziny audio bez żadnego tekstu. To jest raczej powód, by liczyć się z dziurami akurat w tych fragmentach spotkania, które były najgłośniejsze i najbardziej chaotyczne — czyli często w tych, które najbardziej chciałbyś odtworzyć.
Zwyczaj, który zapobiegnie temu problemowi następnym razem
Nic z powyższego nie jest potrzebne, jeśli rozwiążesz problem na bieżąco, w trakcie jego powstawania. Kiedy pada coś ważne, powiedz na głos, która jest godzina, albo zapisz to. To wszystko. Dziesięć sekund podczas spotkania, poświęconych na zanotowanie czasu albo poproszenie kogoś, by to zrobił, oszczędza potem dwadzieścia minut przewijania, szukania czy zgadywania.
Ta metoda działa niezależnie od tego, czy w ogóle zrobisz transkrypcję nagrania. Znacznik czasu zapisany na notatniku wystarczy, by przejść bezpośrednio do właściwego momentu w każdym odtwarzaczu, bez żadnego przeszukiwania. Kosztuje to prawie nic w danej chwili i jest to jedyna metoda z tej listy, która usuwa problem, zamiast rozwiązywać go po fakcie.
