Det viktigaste
Du kan inte söka i ljud, bara i filnamn och datum, vilket är precis varför en mapp med inspelningar från det senaste året i praktiken bara går att skriva till, inte läsa från. Lösningen är inte att transkribera allt – ett år med veckovisa samtal blir runt femtio timmar och ungefär fyra hundra femtio tusen ord, mer text än de flesta behöver. Transkribera de inspelningar som hänger ihop med något som fortfarande pågår: ett avtal, en tvist, en kollega som är på väg att sluta. Namnge filerna med datumet först så att de sorteras rätt, och se till att få talarmärkning så att en transkription verkligen går att söka i utifrån vem som sa vad.
Du har en hårddisk eller en molnmapp full av inspelningar, de flesta döpta till något i stil med inspelning_047, och någonstans i högen finns samtalet där en kund gick med på ett pris, eller mötet där ett beslut fattades som någon nu ifrågasätter. Du vet att det hände. Du vet bara inte i vilken fil.
Det här är inte ett inspelningsproblem. Du har redan ljudet. Det är ett återfinningsproblem, och lösningen är en annan än man skulle tro – inte bättre inspelningsprogram, utan ett sätt att göra det du redan har sökbart.
Varför du inte bara kan söka efter det
Varje sökruta på din dator – Spotlight, Windows Search, sökfältet i din molntjänst – fungerar genom att matcha text. Ett filnamn är text. Ett datum är text. Själva samtalet i en ljudfil är inte text, och ingen sökruta kan se in i den. Det är hela problemet i en mening: filen är ogenomskinlig, och filnamnet och datumet är de enda handtag du har på den.
Så ett år av inspelningar blir ett arkiv du kan bläddra i men inte söka i. Du kan sortera efter datum, om du råkar minnas exakt vilken dag du spelade in. Du kan gissa på ett filnamn, om den som spelade in gav det något annat än ett nummer. Utöver det handlar det om att öppna filer och lyssna, vilket är precis det du inte har en eftermiddag att göra.
En transkription förändrar allt det här, för den gör inspelningen till samma slags text som filnamnet redan är – bara att nu matchar sökrutan mot ett kundnamn, ett pris, ett beslut, vilket ord som faktiskt sades. Inspelningen är oförändrad. Det är vad du kan göra med den som har förändrats.
Du behöver inte transkribera allt
Innan du transkriberar något är det värt att vara ärlig om omfattningen. Ett år med veckovisa timslånga samtal är omkring femtio timmar ljud, vilket motsvarar ungefär fyra hundra femtio tusen ord i normalt taltempo. Det är mycket text att skapa, läsa och lagra, och det mesta av den kommer aldrig att sökas efter, för det mesta av dessa samtal var rutin och förblev rutin.
De inspelningar som är värda att transkribera är de som hänger ihop med något som fortfarande är i rörelse: ett avtal som fortfarande gäller, en oenighet som inte är löst, en kollega som är på väg att sluta och ta med sig kontexten i huvudet. Det är de samtal där någon rimligen kan fråga ”vad kom vi egentligen överens om” ett halvår senare. En inspelning som ingen har behövt gå tillbaka till de senaste tolv månaderna kommer sannolikt inte att bli den du behöver nästa månad heller.
Det verkliga första steget är alltså inte att transkribera hela arkivet. Det är att gå igenom det och markera den handfull samtal som faktiskt bär vikt. Allt annat kan förbli ljud, orört, tills det inte längre kan det.
Uppskatta den verkliga kostnaden
När du vet ungefär hur många timmar det rör sig om är det klokt att se tiden och kostnaden innan du bestämmer dig, inte efteråt. En transkriptionskalkylator ger dig den siffran för den urvalsmängd du valt ut, vilket vanligtvis blir ett betydligt mindre och rimligare tal än att transkribera hela året på en gång.
Talarmärkning är det som gör det användbart
En transkription utan talarmärkning är en vägg av text – korrekt, sökbar med nyckelord, men oanvändbar för den fråga du egentligen har, som sällan är ”sades ordet ’deposition'” utan snarare ”vem sa att vi skulle efterge depositionen”. Det är oftare vem som sagt något du söker efter, snarare än orden i sig.
Det spelar större roll i samtal med tre personer eller fler, där en vanlig transkription läses som ett manus utan rollnamn. Det spelar mindre roll i ett samtal mellan två personer, där man oftast kan gissa vem som talar utifrån sammanhanget. Men i ett gruppsamtal om en avtalstvist är skillnaden mellan en märkt och en omärkt transkription samma som skillnaden mellan att hitta svaret på tio sekunder och att läsa igenom allt två gånger.
Att omvandla en inspelning till en transkription med talare och en sammanfattning är precis vad funktionen ljud till text i en transkriptionsapp är gjord för – du matar in filen, du får tillbaka text du kan söka i, organiserad efter vem som sa vad.
Namngivning och organisering så att sökningen faktiskt fungerar
En transkription är bara så sökbar som sitt filnamn, vilket kan låta bakvänt men inte är det – när du har fått text är du tillbaka vid samma sökruta som du började med, och den matchar fortfarande filnamn och datum först. Lösningen är en namnkonvention du använder konsekvent: datum först, i formatet år-månad-dag, sedan ämnet. Den sorteringsordningen håller alltid, för varje annan konvention – månad-dag-år, ämne först, eller vad inspelningsappen råkade sätta som standard – ger förr eller senare en mapp där filer som hör ihop inte ligger bredvid varandra.
Bredvid transkriptionen är en kort sammanfattning det som gör arkivet överblickbart, inte bara sökbart. Ett stycke per möte gör femtio timmar samtal till något du faktiskt kan läsa igenom från början till slut på en eftermiddag, vilket är en annan och ofta mer användbar sak än att söka efter ett specifikt ord. Du skummar sammanfattningarna för att hitta rätt möte, och öppnar sedan hela transkriptionen för detaljerna. Sozais app skapar båda delarna – en transkription med talare och en sammanfattning – och dessutom översättning, om något av samtalen i ditt arkiv hölls på ett språk du inte huvudsakligen arbetar på.
- Namnge nya inspelningar med datumet först, innan du glömmer det.
- Transkribera de samtal som hänger ihop med något som fortfarande är öppet, inte hela backloggen.
- Behåll talarmärkning för allt med fler än två personer.
- Skriv eller generera en sammanfattning på ett stycke per möte så att arkivet går att skumma.
Vad det här inte löser
Transkribering kan inte återskapa en inspelning som är ohörbar, och en billig mikrofon eller ett samtal taget på högtalartelefon i ett stökigt rum ger en transkription med riktiga luckor, oavsett vilket verktyg som skapar den. Den organiserar sig heller inte själv – en transkription med ett dåligt filnamn är precis lika osökbar som ljudet var, så namngivningssteget är inte valfritt, det är den del som faktiskt betalar sig.
Lagringsutrymme har aldrig varit flaskhalsen här, och det är värt att säga rakt ut: en timmes tal som komprimerat ljud tar upp väldigt lite plats. Vad arkivet faktiskt kostar är din uppmärksamhet, och att transkribera allt löser inte det – det flyttar bara den olästa högen från ljud till text. Poängen med att göra detta selektivt är att du hamnar med en mindre, märkt och sammanfattad samling av de samtal som spelar roll, i stället för en större hög av allt.
Om du börjar från noll och vill se hur en transkription med talare och sammanfattning faktiskt ser ut innan du ger dig på hela arkivet, är nedladdningssidan för appen stället att testa på en fil först.
