Det viktigaste
Högen av olyssnade meddelanden finns eftersom ljud inte går att skumma igenom. Hundra meddelanden på två minuter var blir över tre timmars lyssnande och motsvarar omkring trettio tusen ord text. Sortera efter avsändare och datum i tre grupper: personer som betyder något, meddelanden kopplade till en särskild händelse, och allt annat. Radera den tredje gruppen utan att lyssna på den. Transkribera de två första, eftersom text går att läsa i ungefär 250 ord per minut jämfört med 150 talade ord per minut, och eftersom en transkription faktiskt går att söka i.
Du har en tråd som sträcker sig flera år tillbaka. Någonstans i den ligger några hundra röstmeddelanden, och du har spelat upp kanske en femtedel av dem. Varje gång du scrollar förbi en rad grå bubblor med olästa prickar känner du ett litet styng av skuld och scrollar vidare.
Den skulden är omotiverad, men instinkten bakom den är det inte. Vissa av meddelandena betyder något. Problemet är att du inte kan veta vilka, om du inte spelar upp alla i ordning – vilket är exakt det du har undvikit i tre år.
Räkna på det, och skulden försvinner
Ljud är det enda vanliga formatet som inte går att skumma igenom. En sida text kan man ögna igenom på några sekunder för att hitta den enda meningen som spelar roll. En inspelning på fyra minuter tar fyra minuter att lyssna igenom innan du vet att den inte var viktig. Det finns ingen motsvarighet till att låta ögat glida ner för sidan. Du sitter igenom det, eller du vet inte vad det innehåller.
Räkna alltså på vad du faktiskt har framför dig. Hundra röstmeddelanden på två minuter styck blir över tre timmars lyssnande. Inte tre timmars användbar information – tre timmars uppspelning, inklusive pauserna, harklandet, stället där någon ändrar sig mitt i en mening. Har din tråd flera hundra meddelanden pratar vi om en hel arbetsdag av ljud, utan möjlighet att snabbspola till de bra delarna, eftersom du inte vet var de bra delarna finns.
Nedskrivet blir samma hundra meddelanden ungefär trettio tusen ord. Man talar i genomsnitt cirka 150 ord i minuten; de flesta läser i runt 250. Att läsa igenom hela texten från början till slut tar redan knappt hälften av tiden – och det är innan du hoppar över en enda rad. När det väl är text läser du inte från början till slut. Du skummar, du söker, du hoppar. De tre timmarna krymper till något du hinner med under en fikarast.
Du har inte varit lat. Du har avstått från att lägga tre timmar på en uppgift med okänt utfall, vilket är ett fullt rimligt val.
Sortera innan du lyssnar på något
Att sortera efter avsändare och datum räcker vanligtvis för att dela upp en hög olyssnade meddelanden i tre delar, och båda de här går att se utan att spela upp ett enda meddelande.
- Meddelanden från personer som betyder något. En förälder, en partner, en nära vän, någon som sedan gått bort eller kommit ifrån dig. Värdet ligger här ofta i själva rösten snarare än i innehållet.
- Meddelanden kopplade till en särskild händelse. Veckan du flyttade, resan, jobbet, gräldagen, förlossningen. Datumen gör jobbet åt dig – du vet ungefär när det hände, så du vet vilken del av tråden du ska titta på.
- Allt annat. Logistik. Är sen. Vad vill du äta ikväll. Bekräftelser på planer som blev av eller inte blev av för flera år sedan.
Den tredje högen är nästan alltid störst, och det är den som skapar skuldkänslan. Det borde den inte göra. Sorteringen tar minuter, inte timmar, och det är det enda steget som måste komma först.
Radera det mesta, medvetet
Att radera merparten av en samling olyssnade röstmeddelanden är ett fullt giltigt sätt att hantera dem, inte ett misslyckande. De meddelanden som är värda att spara är vanligtvis en liten, tydlig minoritet – och tydlig är nyckelordet. Du vet oftast vilka de är utan att spela upp dem, eftersom du vet vem som skickade dem och när.
Motviljan mot att radera handlar sällan om innehållet. Det är oron att ett av de olyssnade meddelandena innehöll något du behövde. Två saker om det. För det första: om det var akut hade det kommit tillbaka – människor följer upp saker. För det andra: allt som faktiskt spelade roll för fyra år sedan har redan fått sina konsekvenser, uppspelat eller inte.
Känns det för drastiskt att radera rakt av, transkribera hela högen först och radera ljudet därefter. Du behåller orden, vilket är det du ändå skulle gå tillbaka för, och du förlorar rösten, vilket är den del du aldrig skulle spela upp igen för ett meddelande om parkering.
Transkribera det du sparar, så att du kan söka i det
Det verkliga argumentet för att transkribera är inte hastighet. Det är att en transkription går att söka i, medan en hög med ljudfiler inte gör det. Skriv ett namn, en gata, en restaurang i sökrutan och du hamnar direkt på rätt meddelande. Ingen mängd lyssnande i högen ger dig det, eftersom du för att hitta något genom att lyssna redan måste veta ungefär var det finns.
Det här är vad som gör en olyssnad hög till ett arkiv. När meddelandena från personerna som betyder något och de som är kopplade till särskilda händelser finns som text, slutar du underhålla en kö och börjar föra ett register istället. Du ligger inte längre efter med något.
Är tråden en gruppchatt bör du kräva talaretiketter. En sammanslagen transkription av fyra personer som skickar meddelanden fram och tillbaka läses som en lång monolog, och en monolog är nästan värdelös när du ska ta reda på vem som sa att de skulle sköta handpenningen. Det här är en av de saker ett dedikerat verktyg klarar som en grov automatisk textning inte gör. SozAI är ett alternativ här: det är ett verktyg för att omvandla ljud och video till text med talaretiketter, sammanfattningar och översättning, och det finns för iOS, Android och macOS – du kan hämta det från sidan för att ladda ner appen. Oavsett vilket verktyg du använder, kontrollera att det separerar talare innan du kör en stor mängd meddelanden genom det.
Uppskatta jobbet innan du börjar
Vill du veta vad du ger dig in på, transkribera ett par typiska meddelanden och räkna resultatet. Klistra in det i en webbaserad ordräknare och du får en siffra att multiplicera vidare på. Vid ungefär 150 talade ord i minuten talar ordantalet också om hur mycket lyssnande du just har undvikit.
Lyssna på en kort lista, och bara den
Vissa meddelanden bör du faktiskt spela upp. Rösten hos någon du har förlorat. Det ditt barn spelade in vid fyra års ålder. Meddelandet där tonen förmedlar något orden inte gör. Det här är inte information, det är inspelningar, och att transkribera dem missar hela poängen.
Den listan är vanligtvis kort – ett dussin, inte hundra. Spela upp dem ordentligt, en gång, med full uppmärksamhet. Flytta dem sedan någonstans som inte är en chattråd, eftersom en chattråd är en kö, och en kö gör att allt i den känns som en uppgift.
Vad det här inte löser
Transkribering gör inte dåligt ljud bra. Ett meddelande inspelat på en bar, med vind mot mikrofonen, eller från någon som mumlar ner i fickan, ger en transkription full av luckor och felgissningar. Du märker vanligtvis av sammanhanget att något inte stämmer, men du kan inte alltid räkna ut vad som faktiskt sades utan att spela upp ljudet ändå.
Det plattar också till tonen. Sarkasm, tvekan, pausen innan en svår mening – ingenting av det överlever övergången till text. För logistik är det ingen förlust. För meddelandena du sparade på grund av hur någon lät, är det hela förlusten, och det är just därför de hör hemma i lyssna-högen och inte i transkribera-högen.
Och lagringsutrymme var aldrig problemet. Röstmeddelanden är små; några hundra av dem är knappast det som fyller din telefon. Att rensa högen ger dig ett sökbart register och slutet på en konstant, lågintensiv skuldkänsla. Det ger dig inte diskutrymme, och om det var det du var efter kommer du längre med att radera ett par videor.
Sätt en gräns innan du börjar. En timmes sortering och en batchtranskribering räcker för de flesta som ska ta sig igenom flera års eftersläpning. Sitter du fortfarande och spelar upp meddelanden i ordning från början efter tre timmar, har du återskapat exakt det problem du försökte lösa.
