Прибрати переноси рядків і тайм-коди з транскрипту

Що прибирає очищувач

Транскрипт, скопійований із відеоплеєра, зроблений для того, щоб стежити за мовою, а не читати: тайм-код кожні кілька секунд, перенос рядка там, де закінчився субтитр, [Music] посеред речення. Очищувач знімає ці будівельні риштування й віддає абзаци. Будь-який параметр можна вимкнути, а результат оновлюється в міру набору.

Які формати він розуміє

• Наш транскрипт YouTube — копія з [хх:сс] Speaker A: перед кожним сегментом. Сегменти одного мовця склеюються, а позначка мовця пишеться один раз на абзац.
• Власна панель транскрипту YouTube — час в одному рядку, слова в наступному. Рядки з часом відкидаються, зокрема мовну форму, яку мають деякі копії («1 хвилина, 5 секунд»).
• Файли субтитрів SRT, WebVTT і SBV — номери реплік, рядки з таймінгом, заголовки VTT, нотатки та вбудовані теги прибираються; голосовий тег VTT стає позначкою мовця; повторюваний рядок на початку кожної репліки автосубтитрів видаляється.
• Нотатки зі зустрічей, де ім’я й час стоять в окремому рядку («Speaker 1 0:03»), перетворюються на «Speaker 1:».

Прибираються лише ті тайм-коди, що виглядають як тайм-коди: на початку рядка, в окремому рядку або в дужках. «Зустрічаємося о 10:30» посеред речення лишається як є.

Як перебудовуються абзаци

Якщо текст прийшов із плеєра, кожен перенос рядка вважається кінцем субтитру, а не абзацу, тому спершу рядки склеюються. Слово, розірване дефісом між двома рядками, збирається назад. Потім новий абзац починається кожні 3, 4, 5, 6 або 8 речень (за замовчуванням 4) і завжди — під час зміни мовця. Текст, який ви набрали самі, зберігає свої абзаци, розділені порожнім рядком.

В автосубтитрах зазвичай немає крапок узагалі, тож рахувати речення нічого. Коли в тексті в середньому понад 60 слів на речення, очищувач ріже абзаци за довжиною — приблизно по 20 слів на кожне запитане речення — і повідомляє про це.

«Виправити пробіли та великі літери» прибирає подвійні пробіли та пробіли перед комами й крапками, додає відсутній пробіл після коми й робить великою першу літеру кожного речення. Скорочення на кшталт «Dr.» та ініціали на кшталт «U.S.A.» речення не закінчують, а слова на кшталт «iPhone» зберігають першу літеру.

Слова-паразити — обережно

Списки за замовчуванням містять лише звуки-запинки — «um», «uh», «erm» в англійській, «э», «эм» у російській, «äh», «ähm» у німецькій — для десяти мов: англійської, російської, української, іспанської, португальської, французької, німецької, італійської, польської та нідерландської. Список вибирається за мовою сторінки. Слова на кшталт «like», «you know» чи «o sea» навмисно не включено: це ще й звичайні слова, і наосліп прибирати їх — означає змінювати зміст. Якщо хочете прибрати їх, додайте їх до списку самі; працюють і фрази з кількох слів, а ваш список запам’ятовується в цьому браузері.

Чесні обмеження

Очищувач упорядковує текст, але не розуміє його. Він не може додати розділові знаки, яких у джерелі ніколи не було, не виправить неправильно почуті слова, а рядок, що починається з великого слова й двокрапки («Note: …»), може прийняти за позначку мовця — тому цей параметр за замовчуванням вимкнено. Прочитайте результат, перш ніж публікувати. Усе виконується у вашому браузері; текст не завантажується й не зберігається.