ब्लॉग
Podcast Transcript कैसे बनाएं: Text में Transcribe करें
लेखक: Hushscript प्रकाशित: अंतिम समीक्षा:
Podcast का transcript बनाने के लिए episode की audio file upload करें, 5 मिनट का free preview देखें, फिर sign in करके पूरा transcription चलाएं। Hushscript हर host और guest को label करता है, आप labels के नाम एक बार बदलते हैं, और text को TXT, DOCX या SRT में export करते हैं। पूरे episode के लिए account और उपलब्ध मिनट चाहिए; account बनाने के लिए card ज़रूरी नहीं है।
Podcast transcript दो तरह से काम आता है। यह episode को searchable बनाता है और उन listeners के लिए accessible भी जो सुनने के बजाय पढ़ते हैं, और रिकॉर्डिंग दोबारा चलाए बिना quotes, chapters और captions का कच्चा माल देता है। Platform support ठोस है: Apple Podcasts creators के लिए transcripts और chapter navigation के बारे में documentation देता है। यह guide बताती है कि podcast को कैसे transcribe करें, आवाज़ों को कैसे label करें, आम दिक्कतें कैसे ठीक करें और नतीजे का इस्तेमाल कैसे करें। Product page के लिए podcast transcription देखें।
सबसे ज़्यादा समय speaker separation बचाता है। जो transcript text के एक ही बड़े block जैसा पढ़ा जाए, उसे इस्तेमाल करना लगभग audio जितना ही काम है। Hushscript हर आवाज़ को अपने आप label करता है, हर transcript पर free, इसलिए बातचीत बातचीत की शक्ल में ही वापस आती है।
शुरू करने से पहले आपको क्या चाहिए
Episode की recording, किसी भी आम audio या video format में, या audio file का direct link। अगर आपने अपने editor से plain audio file export की है (MP3, WAV, M4A), तो वह सीधे चलती है। अगर आपके पास सिर्फ़ Zoom, Riverside या Ecamm की video recording है, तो वह भी चलती है, और audio आपके browser में उससे निकाला जाता है, इसलिए video कभी upload नहीं होता।
साफ़ source audio किसी भी और चीज़ से ज़्यादा मदद करता है। Speaker labels तब सबसे अच्छे काम करते हैं जब हर आवाज़ अलग हो और लोग लगातार एक-दूसरे के ऊपर न बोल रहे हों। अगर आपने हर participant को अलग track पर record किया है, तो आपके पास सबसे साफ़ input पहले से है। एक mixed track भी चलता है; बस आवाज़ें अलग करने के लिए diarization पर ज़्यादा निर्भर रहना पड़ता है। हो सके तो आवाज़ें dry record करें और music bed बाद में editor में जोड़ें, क्योंकि लगातार बोलते हुए नीचे चलता jingle ही वह एक चीज़ है जो accuracy को लगातार थोड़ा नीचे खींचती है।
पूरा episode transcribe करने के लिए account चाहिए। 5 मिनट का preview बिना account वाला step है, ताकि कुछ भी sign up करने से पहले आप अपनी असली file पर speaker labels और text quality जांच सकें।
Podcast को text में transcribe कैसे करें, step by step
Flow यह है: पहले preview, फिर sign up, फिर बाकी हिस्सा transcribe। Podcast audio को text में इसी तरह transcribe किया जाता है।
- File को podcast transcription page पर drop करें। Hushscript आपके browser में पहले 5 मिनट काटता है और speaker-labeled preview लौटाता है। इस step के लिए account नहीं चाहिए। आप अपने ही audio पर देख लेते हैं कि host और guest कैसे बंटे हैं और text कितना साफ़ पढ़ा जाता है।
- बाकी हिस्सा transcribe करने के लिए sign up करें। Email डालकर sign in करने के बाद आप पूरा episode upload करते हैं। पात्र personal accounts को आज़माने के लिए 30 मुफ़्त मिनट मिल सकते हैं, एक बार, card verification के बाद या पहली खरीदारी के साथ; शर्तें pricing पर हैं। पूरे transcription के लिए account और उपलब्ध मिनट चाहिए।
- Transcription चलने दें, फिर export करें। Transcript हर utterance पर label और timestamp के साथ आता है। Show notes में बदलने लायक document के लिए DOCX export करें, अपने CMS में paste करने के लिए साफ़ block के लिए TXT, video version के captions के लिए SRT, या अगर आपका podcast host utterance-level transcript uploads लेता है तो JSON।
30 मुफ़्त मिनट एक छोटे episode या लंबे episode के किसी प्रतिनिधि हिस्से को कवर कर सकते हैं। 60 मिनट का episode आपके balance से 60 मिनट लेता है, इसलिए trial allowance के बाद top-up चाहिए।
Trial allowance के बाद, pay-as-you-go transcription का मतलब है बिना subscription के prepaid minute packs, इसलिए episodes के बीच का शांत महीना कुछ खर्च नहीं कराता।
हर host और guest को label करें
Speaker diarization अपने आप चलता है, इसलिए कुछ चालू नहीं करना पड़ता। दो लोगों वाले episode (एक host, एक guest) में transcript साफ़ बंटकर आता है, हर line दो labels में से किसी एक की होती है। Panel के लिए Hushscript जितनी अलग आवाज़ें सुनता है उन्हें अलग करता है, speakers की कोई सीमा नहीं।
Generic labels की जगह असली नाम लगाने के लिए:
- Editor में
वक्ता Aके किसी भी instance पर click करें। - नाम लिखें, जैसे “Alex” या “Host”।
- उस label का हर instance पूरे transcript में एक साथ बदल जाता है।
आप हर आवाज़ को एक बार relabel करते हैं, line by line नहीं। दो लोगों के episode में करीब एक मिनट लगता है; चार लोगों के panel में कुछ मिनट। Relabel के बाद transcript का एक हिस्सा कुछ ऐसा दिखता है:
Alex [00:03:12]: तो उस वक़्त आप कंपनी चला रहे थे। पहले संकेत क्या थे?
Jamie [00:03:19]: सच कहूं तो, आंकड़े। एक ही तिमाही में हमारा 40% गिर गया।
Alex [00:03:27]: और आप उस वक़्त इसे समझा नहीं पाए?
Jamie [00:03:35]: हफ़्तों तक नहीं। यही बात मुझे सोने नहीं देती थी।
Quotes निकालने और timestamped chapters लिखने के लिए आपको यही structure चाहिए। Labels पूरी file में साथ चलते हैं, इसलिए लंबे episode को भी बस एक बार label करना पड़ता है। आवाज़ें अलग करने के पीछे की mechanics के लिए speaker diarization कैसे काम करता है देखें।
जब labels ठीक करने पड़ें
साफ़ recordings पर diarization accurate रहता है लेकिन अचूक नहीं, और कुछ patterns जान लेना काम आता है ताकि आप उन्हें जल्दी ठीक कर सकें।
अगर दो guests की आवाज़ें बहुत मिलती-जुलती हैं, तो कभी-कभार कोई line गलत speaker पर चली जा सकती है। Audio खोलकर transcript स्कैन करें और गलत जुड़ी कुछ lines हाथ से दोबारा assign करें। यह speaker names शुरू से टाइप करने से कहीं तेज़ है, क्योंकि आप सिर्फ़ अपवाद ठीक कर रहे हैं।
अगर कम बोलने वाला co-host किसी दूसरे label में मिल जाए, तो पहले मुख्य speakers को उनके असली नाम दें, फिर उन कुछ lines को खोजें जो शांत आवाज़ की होनी चाहिए। अच्छी तरह अलग हुई recording पर ये दोनों स्थितियां कम ही आती हैं, और इसीलिए record करते समय हर व्यक्ति का अलग track थोड़ी सी अतिरिक्त तैयारी के लायक है।
आम दिक्कतें, और असल में उनकी वजह क्या है
ज़्यादातर transcription समस्याएं recording से आती हैं, tool से नहीं। Show publish करने से पहले कुछ की योजना बना लेना ठीक है।
Crosstalk और लोगों का एक-दूसरे के ऊपर बोलना। किसी भी speaker-separation system के लिए यह सबसे मुश्किल है, क्योंकि एक ही पल की दो आवाज़ें साफ़ अलग नहीं हो सकतीं। Text आमतौर पर पढ़ने लायक रहता है, लेकिन भारी overlap का पल किसी एक speaker पर जा सकता है या जोड़ पर धुंधला हो सकता है। अच्छी podcast आदतें यहां पहले से मदद करती हैं: जो host guests को बात पूरी करने देता है, उसका transcript अपने आप साफ़ आता है। जहां ऐसा हो जाए, वहां उन कुछ lines को audio से मिलाकर हाथ से ठीक करें।
एक ही track पर record हुए remote guests। एक mixed file के रूप में record हुई call को अलग करना उसी call के हर participant के अलग track से ज़्यादा मुश्किल होता है। अगर आपका tool local per-participant recording देता है, तो उसे इस्तेमाल करें; अगर सिर्फ़ mixed file है, तो transcript फिर भी आता है, बस diarization पर ज़्यादा निर्भर होता है। दोनों हालात में upload वही audio है, इसलिए transcription के समय कुछ अलग नहीं करना पड़ता। अगर आपने हर guest का अलग track record किया है और upload से पहले उन्हें एक file में जोड़ना है, तो free audio-joiner tool यह आपके browser में कर देता है, कुछ upload नहीं होता। जो guest Chrome tab से जुड़ता है, उसे free Hushscript Chrome extension से record किया जा सकता है, जो tab और आपके microphone को एक recording में मिला देता है। शुरू करने से पहले अपने guest को बता दें।
Strong accents और code-switching। Hushscript भाषा अपने आप पहचानता है और करीब 99 भाषाएं transcribe करता है, जिनमें से अठारह में top-tier accuracy है, इसलिए supported भाषा में तेज़ accent वाला guest ठीक संभल जाता है। जो guest एक ही वाक्य में दो भाषाओं के बीच बदलता है, वह असल में मुश्किल मामला है; बदली हुई phrases हाथ से साफ़ करने की उम्मीद रखें। Supported भाषाओं की पूरी list के लिए languages page देखें।
Intro music और stingers। Segments के बीच का music bed आमतौर पर बेतुके text की तरह transcribe होने के बजाय छोड़ दिया जाता है। दिक्कत तभी शुरू होती है जब music लंबे समय तक लगातार बोलने के नीचे चले। साफ़ हल editorial है: आवाज़ें dry record करें और music बाद में लगाएं, ताकि transcription सिर्फ़ speech देखे।
नाम, jargon और brand spellings। कोई specialist guest ऐसे terms और product names बोलेगा जिन्हें model ध्वनि के आधार पर लिख सकता है। ये जल्दी ठीक होते हैं क्योंकि दोहराए जाते हैं, और export किए document में search-and-replace बार-बार आने वाली गलत spelling को एक ही pass में ठीक कर देता है।
Accuracy के कुछ tips
सबसे बड़ा lever recording quality है, इसलिए microphones और शांत कमरे पर लगाई मेहनत transcription के समय लौटकर आती है। इसके अलावा, हर speaker का अलग track सबसे साफ़ text और सबसे साफ़ speaker labels देता है, क्योंकि system को एक waveform से दो आवाज़ें सुलझानी ही नहीं पड़तीं। Guest का mic पास और एक जैसा रखें, इधर-उधर न हटने दें, तो आपका editing समय मरम्मत के बजाय असली बात पर जाएगा।
Proofread करते समय audio खोलकर पढ़ें और passes में ठीक करें: पहले speaker labels, फिर गलत सुने नाम और jargon, फिर कभी-कभार का overlap। Category के हिसाब से काम करना ऊपर से नीचे पढ़ने से तेज़ है, और नतीजे में publish करने लायक साफ़ document मिलता है।
Transcript का इस्तेमाल करें
Text साफ़ हो जाए तो वह quotes, chapters और captions का आधार बन जाता है। हर utterance के साथ timestamps आते हैं, इसलिए episode दोबारा चलाए बिना आप topic बदलने की जगह ढूंढ सकते हैं। बोले गए URLs खोजने के लिए text में “dot com” या “slash” जैसे हिस्से देखें। Pull quote के लिए जानबूझकर तय करें कि filler words रखने हैं या नहीं; clean verbatim बनाम verbatim दोनों को समझाता है।
Show notes, chapters और publishing की बाकी routine podcast transcription workflow में है।
Spotify podcast transcripts
Spotify किसी episode के बगल में transcript दिखा सकता है। उसकी creator help के अनुसार कुछ shows को auto-generated transcripts मिलते हैं, और listeners उन्हें Spotify mobile app में Now Playing view और episode pages पर देखते हैं। इसकी जगह अपना review किया हुआ text डालने के लिए आप 5 MB तक की VTT या SRT file upload करते हैं। Timestamps शामिल रखें, वरना playback के दौरान text sync नहीं होगा।
वह file बनाने के लिए अपने original episode audio को transcribe करें, Spotify से उतारी हुई copy को नहीं। Hushscript Spotify के pages से episodes import नहीं करता, और आपके editor का export वैसे भी सबसे साफ़ source है। Editor में names और speaker labels ठीक करें, फिर SRT या VTT export करें। दोनों formats में वे timestamps होते हैं जो Spotify मांगता है।
पहले दो बातें जांच लें। Spotify के अनुसार auto-generated transcripts चालू करने पर upload किया हुआ transcript बदल दिया जाता है, इसलिए तय कर लें कि आपको कौन-सा चाहिए। और आप Spotify for Creators के अंदर transcript edit नहीं कर सकते: file को offline बदलकर दोबारा upload करना पड़ता है। अपनी सुधारी हुई SRT को master रखें और हर सुधार के बाद दोबारा export करें। Spotify यह भी कहता है कि आपके podcast host के आधार पर हो सकता है कि आप अपने transcripts sync न कर पाएं, और transcripts हर creator के लिए या Spotify for Creators के mobile app में उपलब्ध नहीं हैं। उसकी help के अनुसार controls web पर Spotify for Creators में हैं: पूरे show के लिए Settings, फिर Transcripts, या किसी एक episode के लिए उसकी Details।
Captions या subtitles जोड़ें
अगर आप episode का video version किसी platform पर publish करते हैं, जैसे video host, Spotify video या LinkedIn, तो SRT export upload के लिए तैयार timed subtitle file है। कोई अतिरिक्त step नहीं, क्योंकि आपके बनाए transcript में timing data पहले से है। अगर आपके पास सिर्फ़ audio है और platform को video file चाहिए, तो free MP3 to MP4 tool episode को still image या solid color वाली MP4 में बदल देता है, आपके browser में, बिना कुछ upload किए। यह 200 MB तक की files और लगभग 3 घंटे तक लेता है। Clip पर captions लगाने के व्यापक workflow के लिए, burned-in बनाम sidecar files समेत, video में subtitles कैसे जोड़ें देखें।
अगर आपकी शुरुआत audio export की जगह video recording से है, तो process वही रहती है; audio पहले आपके browser में निकाला जाता है। Video to text page इस रास्ते को पूरा समझाता है।
लंबे और multi-part episodes
Feature-length episode या live recording के लिए Hushscript 10 घंटे तक की uploads लेता है, file-size की कोई सीमा नहीं। चार घंटे का panel या documentary-format episode chunks में बंटने के बजाय एक file के रूप में जाता है, जो दो कारणों से मायने रखता है। Speaker labels पूरी file में एक जैसे रहते हैं, इसलिए आप एक बार relabel करते हैं। और timestamps लगातार चलते हैं, इसलिए तीन घंटे वाले chapter का timestamp [03:12:40] पढ़ा जाता है, part दो में शून्य से दोबारा शुरू नहीं होता।
अगर आप एक ही session में multi-part series record करते हैं, तो पूरे session को एक file के रूप में transcribe करें और show notes को बाद में parts में बांटें। Audio को पहले काटने से relabel का काम सिर्फ़ बढ़ता है।
स्वतंत्र स्रोत और मानक
Hushscript ने इन स्वतंत्र, गैर-प्रतिस्पर्धी स्रोतों का संदर्भ लिया है। ये शोध, मानकों या प्लेटफ़ॉर्म के काम करने के तरीके को समझाते हैं और Hushscript का समर्थन नहीं करते।
स्रोतों की समीक्षा: