Najważniejsze wnioski
Nie da się przeszukiwać dźwięku – tylko nazwy plików i daty, dlatego folder nagrań z całego roku w praktyce da się jedynie zapisywać, nie przeszukiwać. Rozwiązaniem nie jest transkrybowanie wszystkiego – rok cotygodniowych rozmów to około pięćdziesiąt godzin i mniej więcej czterysta pięćdziesiąt tysięcy słów, czyli więcej tekstu, niż większość ludzi realnie potrzebuje. Transkrybuj te nagrania, które wiążą się z czymś wciąż aktualnym: umową, sporem, odchodzącym współpracownikiem. Nazywaj pliki zaczynając od daty, żeby sortowały się poprawnie, i korzystaj z etykiet mówców, żeby transkrypt dało się przeszukiwać także po tym, kto co powiedział.
Masz dysk albo folder w chmurze pełen nagrań, większość nazwana czymś w stylu nagranie_047, a gdzieś w środku jest ta jedna rozmowa, w której klient zgodził się na cenę, albo spotkanie, na którym podjęto decyzję, którą teraz ktoś podważa. Wiesz, że to się wydarzyło. Nie wiesz, w którym pliku.
To nie jest problem z nagrywaniem. Nagranie już masz. To problem z odnalezieniem, a rozwiązuje się go inaczej, niż można by się spodziewać – nie lepszym programem do nagrywania, ale sposobem, by to, co już masz, dało się znaleźć.
Czemu nie da się tego po prostu wyszukać
Każde okno wyszukiwania w komputerze – wyszukiwarka systemowa, wyszukiwarka w Eksploratorze, pole wyszukiwania w chmurze – działa na tekście. Nazwa pliku to tekst. Data to tekst. Sama rozmowa zapisana w pliku audio tekstem nie jest, i żadne okno wyszukiwania nie zajrzy do jej wnętrza. To cały problem w jednym zdaniu: plik jest nieprzejrzysty, a nazwa i data są jedynymi punktami zaczepienia, jakie masz.
Więc rok nagrań zamienia się w archiwum, które można przeglądać, ale nie przeszukać. Można sortować po dacie, jeśli akurat pamiętasz, kiedy nagrywałeś. Można zgadywać nazwę pliku, jeśli ktoś, kto nagrywał, nazwał go czymś innym niż numer. Poza tym zostaje otwieranie plików i słuchanie, czyli właśnie to, na co nie masz wolnego popołudnia.
Transkrypcja zmienia to całkowicie, bo zamienia nagranie w ten sam rodzaj tekstu, jakim jest już nazwa pliku – tylko że teraz wyszukiwarka znajdzie nazwisko klienta, cenę, decyzję, każde słowo, które faktycznie padło. Nagranie się nie zmieniło. Zmieniło się to, co można z nim zrobić.
Nie musisz transkrybować wszystkiego
Zanim zaczniesz transkrybować cokolwiek, warto szczerze ocenić skalę. Rok cotygodniowych, godzinnych rozmów to około pięćdziesiąt godzin nagrań, co przy normalnym tempie mówienia daje mniej więcej czterysta pięćdziesiąt tysięcy słów. To sporo tekstu do wygenerowania, przeczytania i przechowywania, a większości nikt nigdy nie będzie szukał, bo większość tych rozmów była rutynowa i rutynowa pozostała.
Warto transkrybować te nagrania, które są związane z czymś wciąż w toku: umową, która jest wciąż aktywna, sporem, który nie został rozstrzygnięty, współpracownikiem, który za chwilę odejdzie i zabierze ze sobą wiedzę, którą ma tylko w głowie. To rozmowy, o które ktoś może zasadnie zapytać za pół roku: „na co my się właściwie zgodziliśmy?”. Nagranie, do którego nikt nie wracał przez ostatnie dwanaście miesięcy, prawdopodobnie nie będzie tym, którego potrzebujesz w kolejnym miesiącu.
Prawdziwym pierwszym krokiem nie jest więc transkrybowanie całego archiwum. Jest przejrzenie go i oznaczenie tej niewielkiej garstki rozmów, które są naprawdę istotne. Wszystko inne może zostać w formie audio, nietknięte, aż do momentu, gdy przestanie nim być.
Jak oszacować realny koszt
Kiedy już z grubsza wiesz, ile godzin materiału masz do przetworzenia, warto zobaczyć czas i koszt zanim się na to zdecydujesz, a nie po fakcie. Kalkulator transkrypcji podaje taką liczbę dla wybranego przez Ciebie podzbioru, co zwykle daje dużo mniejszą i bardziej rozsądną kwotę niż transkrybowanie całego roku naraz.
Etykiety mówców to element, który czyni to użytecznym
Transkrypt bez etykiet mówców to ściana tekstu – dokładna, przeszukiwalna po słowach kluczowych, ale bezużyteczna wobec pytania, które naprawdę Cię interesuje, a które zwykle nie brzmi „czy padło słowo »kaucja«”, lecz „kto powiedział, że zwolnimy z kaucji”. To przypisanie wypowiedzi do osoby jest tym, czego szukasz dużo częściej niż samych słów.
To ma większe znaczenie przy rozmowach z udziałem trzech i więcej osób, gdzie zwykły transkrypt czyta się jak scenariusz, z którego wycięto imiona postaci. Ma mniejsze znaczenie przy rozmowie dwuosobowej, bo z kontekstu zwykle wynika, kto mówi. Ale w rozmowie grupowej dotyczącej spornej umowy różnica między transkryptem z etykietami a bez nich to różnica między znalezieniem odpowiedzi w dziesięć sekund a przeczytaniem całości dwa razy.
Zamiana nagrania w transkrypt z przypisanymi mówcami i podsumowaniem to właśnie to, do czego służy funkcja audio na tekst w aplikacji do transkrypcji – podajesz plik, a w zamian dostajesz tekst, który można przeszukać, uporządkowany według tego, kto co powiedział.
Nazewnictwo i organizacja, żeby wyszukiwanie faktycznie działało
Transkrypt jest tak łatwy do znalezienia, jak jego nazwa pliku, co brzmi jak sprzeczność, ale nie jest – kiedy masz już tekst, wracasz do tego samego okna wyszukiwania, od którego zacząłeś, a ono wciąż w pierwszej kolejności dopasowuje nazwy plików i daty. Rozwiązaniem jest konwencja nazewnicza, którą stosujesz konsekwentnie: najpierw data, w porządku rok-miesiąc-dzień, potem temat. Taki porządek sortowania nigdy się nie psuje, bo każda inna konwencja – miesiąc-dzień-rok, temat na początku, cokolwiek akurat ustawiło domyślnie urządzenie nagrywające – w końcu prowadzi do folderu, w którym pliki, które powinny być razem, wcale nie są.
Oprócz transkryptu, to krótkie podsumowanie sprawia, że archiwum da się przeglądać, a nie tylko przeszukiwać. Jeden akapit na spotkanie zamienia pięćdziesiąt godzin rozmów w coś, co da się realnie przeczytać od początku do końca w jedno popołudnie, co jest czymś innym i często bardziej użytecznym niż szukanie konkretnego słowa. Przeglądasz podsumowania, żeby znaleźć właściwe spotkanie, a potem otwierasz pełny transkrypt po szczegóły. Aplikacja SozAI generuje obie te rzeczy – transkrypt z mówcami i podsumowanie – a do tego tłumaczenie, jeśli któraś z rozmów w Twoim archiwum odbyła się w języku, w którym normalnie nie pracujesz.
- Nowe nagrania nazywaj od razu od daty, zanim zapomnisz.
- Transkrybuj rozmowy powiązane z czymś wciąż otwartym, nie cały zaległy zbiór.
- Zostaw etykiety mówców włączone dla wszystkiego z udziałem więcej niż dwóch osób.
- Napisz albo wygeneruj jednoakapitowe podsumowanie dla każdego spotkania, żeby archiwum dało się przeglądać.
Czego to wszystko nie rozwiąże
Transkrypcja nie odtworzy nagrania, którego po prostu nie da się usłyszeć, a słaby mikrofon albo rozmowa odebrana na głośnomówiącym w hałaśliwym pomieszczeniu i tak wygeneruje transkrypt z realnymi dziurami, niezależnie od tego, czym go stworzysz. Nie zorganizuje się też sama – transkrypt ze złą nazwą pliku jest równie trudny do znalezienia jak wcześniej nagranie audio, więc etap nazewnictwa nie jest opcjonalny, to jest ta część, która faktycznie się opłaca.
Miejsce na dysku nigdy nie było tu problemem, i warto to powiedzieć wprost: godzina nagranej mowy w skompresowanym formacie audio zajmuje bardzo mało miejsca. To, co archiwum naprawdę zużywa, to Twoja uwaga, a transkrybowanie wszystkiego tego nie naprawia – po prostu przenosi nieprzeczytany stos z audio na tekst. Sens robienia tego wybiórczo polega na tym, że zostajesz z mniejszym, opisanym i podsumowanym zbiorem rozmów, które mają znaczenie, a nie z większym stosem wszystkiego.
Jeśli zaczynasz od zera i chcesz zobaczyć, jak w praktyce wygląda transkrypt z mówcami i podsumowaniem, zanim zdecydujesz się na całe archiwum, strona pobierania aplikacji to miejsce, w którym możesz spróbować najpierw na jednym pliku.
