Kort sammanfattning
Att spola fram och lyssna är långsamt, eftersom du måste lyssna för att veta var du är. En transkription med tidskoder gör två timmars ljud till ungefär sjuttio sidor text som du kan söka igenom på några sekunder, och sedan hoppa direkt till rätt tidpunkt. Talaretiketter hjälper när du minns vem som sa något men inte när. En sammanfattning med beslut och att-göra-punkter besvarar ofta frågan innan du ens öppnar ljudfilen igen. Den verkliga lösningen är att säga tiden högt när något viktigt sägs, redan under mötet.
Någon sa något på det mötet. Du vet ungefär vad det var, kanske vem som sa det, och du har på känn att det är viktigt nu. Vad du inte har är en tidsangivelse. Inspelningen är två timmar lång, mötet var i går eller förra veckan, och det enda verktyget du har framför dig är en spolningsreglage.
Instinkten är att dra i reglaget och lyssna. Den instinkten är fel så ofta att det är värt att förklara varför, och vad du ska göra istället.
Spolningsreglaget är en binärsökning du gör med öronen
Att spola genom en lång inspelning är egentligen en binärsökning utförd med hörseln. Du hoppar till ungefär mitten, lyssnar några sekunder, avgör om du är före eller efter ögonblicket du letar efter, och hoppar igen. Varje sådant försök kostar flera sekunders lyssning bara för att fastställa var du befinner dig, innan du ens kan bedöma om innehållet stämmer. Över en tvåtimmarsfil innebär det ett dussin försök eller fler, och varje försök blir långsammare än det förra eftersom segmenten blir kortare men lyssnandet inte gör det.
Det är inte så att spolning aldrig fungerar. På en tjugominutersinspelning går det bra. På två timmar, med sex eller åtta olika ämnen och några sidospår, blir det tio till femton minuters gissningslek efter ett citat som du hade kunnat hitta på några sekunder om det funnits som text.
Att göra ljud till sökbar text
Två timmars tal blir ungefär arton tusen ord, motsvarande sjuttio sidor. Att söka igenom sjuttio sidor text efter en fras tar sekunder, precis som när du söker i vilket dokument som helst. Det är hela knepet: sluta betrakta inspelningen som ljud du måste lyssna igenom, och behandla den istället som text du kan söka i.
En transkription med tidskoder är det som gör detta möjligt. Varje textrad har en tidsangivelse, så när du hittar frasen läser du bara av tiden bredvid den och hoppar direkt till den punkten i ljudet. Inget mer trevande efter en plats med örat. Du går rakt på. Ett verktyg som omvandlar ljud till text är den byggsten som gör resten av den här artikeln möjlig; utan transkriptionen är allt annat här fortfarande bara spolning.
Talaretiketter och beslut smalnar av sökningen ytterligare
Ibland minns du vem som sa saken men inte när. Det är där talaretiketter gör sig förtjänta av sin plats. Istället för att söka igenom hela transkriptionen efter en fras du kanske minns fel, kan du bläddra igenom bara de rader som tillhör en person och läsa dem i ordning. Det är ett mindre sökområde, och mindre sökområden går snabbare.
Ofta behöver du inte det exakta citatet alls. Hälften av gångerna du letar igenom en inspelning handlar det om ett beslut som fattades, eller en åtgärd som delades ut, inte de exakta orden som användes. En sammanfattning som listar beslut och åtgärder separat kan besvara frågan helt själv, utan att du rör ljudet eller transkriptionen. Det är här en app som producerar talaretiketterade transkriptioner och sammanfattningar med tillhörande beslut, till exempel transkriberingsappen, verkligen är den snabbaste vägen från fråga till svar – ett alternativ bland de andra som beskrivs här, och det som tar bort sökandet helt istället för att bara snabba upp det.
Dubbel hastighet tar dig nästan hela vägen, men inte ända fram
Att spela upp inspelningen i en och en halv eller dubbel hastighet är en verklig teknik, och de flesta spelare stödjer det utan extra inställningar. Det är ett rimligt första steg när du inte har någon transkription och snabbt behöver hitta rätt avsnitt igen. Kör igenom inspelningen i hög hastighet, lyssna efter ämnet eller rösten, och sänk farten när du känner att du är nära.
Begränsningen är att detta hittar avsnittet, inte meningen. Uppspelning i hög hastighet fungerar bra för att känna igen att du har kommit till rätt del av samtalet. Det fungerar sämre för att fånga exakt den rad du behöver, särskilt om två personer pratade i munnen på varandra eller om ljudet aldrig var särskilt rent från början. Om du antecknade en ungefärlig tid under mötet och nu behöver räkna ut var det hamnar efter att du spolat igenom halva filen i hög hastighet, gör en tidskodsomvandlare uträkningen åt dig.
Det som inte räddar en dålig inspelning
Alla tre metoderna ovan förutsätter att inspelningen faktiskt är användbar från början, och inspelningskvaliteten avgör hur väl någon av dem fungerar. En mobil som ligger mitt på bordet med sex personer som pratar runt den ger ljud som ingen transkription, hur bra den än är, helt kan rädda. Överlappande tal är genuint svårt: när två personer pratar samtidigt måste transkriptionen gissa vem som sa vilka ord, och den gissar ibland fel. Talaretiketter blir mindre tillförlitliga under samma förhållanden, av samma anledning.
Detta är inget skäl att avstå från att transkribera en rörig inspelning. En transkription med några osäkra rader är fortfarande betydligt snabbare att söka i än två timmar ljud utan någon text alls. Det är däremot ett skäl att förvänta sig luckor precis i de delarna av mötet som var mest högljudda och kaotiska – ofta de delarna du helst vill ha tillbaka.
Vanan som förhindrar detta nästa gång
Inget av ovanstående behövs om du löser problemet medan det händer. När något viktigt sägs, säg tiden högt, eller skriv ner den. Det är allt. Tio sekunder under mötet, spenderade på att notera tiden eller be någon annan göra det, sparar dig tjugo minuters spolning, sökning eller gissning efteråt.
Det här fungerar oavsett om du sedan transkriberar inspelningen eller inte. En tidsangivelse klottrad på ett anteckningsblock räcker för att hoppa direkt till rätt punkt i vilken spelare som helst, utan att söka. Det kostar nästan ingenting i stunden, och det är den enda metoden på den här listan som tar bort problemet istället för att lösa det i efterhand.
