पॉडकास्ट को ट्रांसक्राइब कैसे करें और शो नोट्स कैसे बनाएं

लेखक: Hushscript | प्रकाशित: 6 जून 2026 | अंतिम समीक्षा: 21 जुलाई 2026

एक पॉडकास्ट ट्रांसक्रिप्ट दो बार अपना रखरखाव अर्जित करता है। यह एपिसोड को उन श्रोताओं के लिए खोजने योग्य और सुलभ बनाता है जो सुनने के बजाय पढ़ते हैं, और यह आपको पूरी रिकॉर्डिंग को दोबारा चलाए बिना शो नोट्स, पुल कोट्स और कैप्शन के लिए कच्चा माल देता है। प्लेटफ़ॉर्म समर्थन ठोस है, सैद्धांतिक नहीं: Apple पॉडकास्ट दस्तावेज़ ट्रांसक्रिप्ट और रचनाकारों के लिए अध्याय नेविगेशन। यह मार्गदर्शिका एक एपिसोड को ट्रांसक्रिप्ट करने, प्रत्येक होस्ट और अतिथि को लेबल करने और आउटपुट को एक उपयोगी शो-नोट्स दस्तावेज़ में बदलने के बारे में बताती है।

जो भाग सबसे अधिक समय बचाता है वह वक्ता पृथक्करण है। एक प्रतिलेख जो पाठ के एक अविभाजित ब्लॉक के रूप में पढ़ा जाता है, ऑडियो के रूप में उपयोग करने के लिए लगभग उतना ही काम का है। Hushscript प्रत्येक आवाज़ को स्वचालित रूप से लेबल करता है और प्रत्येक प्रतिलेख पर उसे मुफ़्त में शामिल करता है, इसलिए बातचीत एक वार्तालाप के रूप में वापस आती है।

शुरू करने से पहले आपको क्या चाहिए

किसी भी सामान्य ऑडियो या वीडियो प्रारूप में एपिसोड की रिकॉर्डिंग। यदि आपने अपने संपादक (MP3, WAV, M4A) से एक सादा ऑडियो फ़ाइल निर्यात की है, तो वह सीधे काम करती है। यदि आपकी एकमात्र प्रतिलिपि ज़ूम, रिवरसाइड, या ईकैम से वीडियो रिकॉर्डिंग है, तो वह भी काम करती है, और ऑडियो आपके ब्राउज़र में इससे खींच लिया जाता है, इसलिए वीडियो कभी अपलोड नहीं होता है।

स्वच्छ स्रोत ऑडियो किसी भी अन्य चीज़ से अधिक मदद करता है। वक्ता लेबल तब सबसे अच्छा काम करते हैं जब प्रत्येक आवाज़ अलग होती है और लोग लगातार एक-दूसरे से बात नहीं कर रहे होते हैं। यदि आपने प्रत्येक प्रतिभागी को एक अलग ट्रैक पर रिकॉर्ड किया है, तो आपके पास पहले से ही सबसे साफ संभव इनपुट है। एक एकल मिश्रित ट्रैक अभी भी काम करता है; यह आवाजों को अलग बताने के लिए डायराइजेशन पर अधिक जोर देता है। यदि आप कर सकते हैं, तो आवाज़ों को सूखा रिकॉर्ड करें और बाद में अपने संपादक में संगीत बिस्तर जोड़ें, क्योंकि निरंतर भाषण के तहत चलने वाला जिंगल एक ऐसी चीज़ है जो सटीकता को विश्वसनीय रूप से कम कर देता है।

पूर्ण एपिसोड को ट्रांसक्राइब करने के लिए आपको एक खाते की आवश्यकता होगी। 30-सेकंड का पूर्वावलोकन नो-अकाउंट चरण है, इसलिए आप किसी भी चीज़ के लिए साइन अप करने से पहले अपनी वास्तविक फ़ाइल पर वक्ता लेबल और टेक्स्ट गुणवत्ता की जांच कर सकते हैं।

एपिसोड को ट्रांसक्राइब करें

फ्लो वास्तविक फ़नल क्रम का अनुसरण करता है: पहले पूर्वावलोकन करें, फिर साइन अप करें, फिर बाकी को ट्रांसक्राइब करें।

1. ड्रॉप फ़ाइल /podcast-transscription पर। Hushscript आपके ब्राउज़र में पहले 30 सेकंड को क्लिप करता है और एक वक्ता-लेबल पूर्वावलोकन लौटाता है। इस चरण के लिए किसी खाते की आवश्यकता नहीं है. आप वास्तव में देखते हैं कि मेजबान और अतिथि कैसे विभाजित हो जाते हैं और आपके ऑडियो पर पाठ कितना साफ-सुथरा पढ़ता है।
2. बाकी को ट्रांसक्राइब करने के लिए साइन अप करें। एक बार जब आप अपना ईमेल दर्ज करते हैं और साइन इन करते हैं, तो आप पूरा एपिसोड अपलोड करते हैं। नए खातों को आज़माने के लिए 30 निःशुल्क मिनट मिलते हैं, जो एक बार दिए जाते हैं। उन पर दावा करने का सबसे तेज़ तरीका $1 का कार्ड चेक है जिसे अधिकृत किया जाता है और फिर तुरंत जारी कर दिया जाता है, कभी शुल्क नहीं लिया जाता है। यदि आप अपने देश में उपलब्ध वैकल्पिक भुगतान पद्धति को प्राथमिकता देते हैं, तो इसके बजाय आपकी पहली खरीदारी के साथ 30 मिनट मिलते हैं; कार्ड की आवश्यकता नहीं है।
3. प्रतिलेखन को चलने दें, फिर निर्यात करें। प्रतिलेख प्रत्येक उच्चारण पर एक लेबल और टाइमस्टैम्प के साथ वापस आता है। एक दस्तावेज़ के लिए DOCX निर्यात करें जिसे आप शो नोट्स में संपादित करेंगे, अपने सीएमएस में पेस्ट करने के लिए एक साफ ब्लॉक के लिए TXT, एक वीडियो संस्करण पर कैप्शन के लिए SRT, या यदि आपका पॉडकास्ट होस्ट उच्चारण-स्तरीय ट्रांसक्रिप्ट अपलोड स्वीकार करता है तो JSON निर्यात करें।

30 मुफ्त मिनट एक छोटे एपिसोड या एक लंबे समय के प्रतिनिधि अनुभाग को कवर कर सकते हैं। 60 मिनट का एपिसोड आपके बैलेंस से 60 मिनट का उपयोग करता है, इसलिए परीक्षण भत्ते के बाद इसे टॉप-अप की आवश्यकता होती है।

प्रत्येक होस्ट और अतिथि को लेबल करें

वक्ता डायराइजेशन स्वचालित रूप से चलता है, इसलिए आप कुछ भी चालू नहीं करते हैं। दो-व्यक्ति एपिसोड (एक मेजबान, एक अतिथि) के लिए, प्रतिलेख स्पष्ट रूप से विभाजित होकर वापस आता है, जिसमें प्रत्येक पंक्ति दो लेबलों में से एक को जिम्मेदार ठहराया जाता है। एक पैनल के लिए, Hushscript बिना किसी वक्ता कैप के, जितनी अलग-अलग आवाजें सुनता है, उन्हें अलग कर देता है।

जेनेरिक लेबल को वास्तविक नामों से बदलने के लिए:

1. संपादक मेंवक्ता A के किसी भी उदाहरण पर क्लिक करें।
2. नाम टाइप करें, जैसे “एलेक्स” या “होस्ट”।
3. उस लेबल का प्रत्येक उदाहरण एक ही बार में पूरे प्रतिलेख में अपडेट हो जाता है।

आप प्रत्येक ध्वनि को एक बार पुनः लेबल करते हैं, पंक्ति दर पंक्ति नहीं। दो व्यक्तियों के एपिसोड में लगभग एक मिनट का समय लगता है; चार व्यक्तियों का पैनल कुछ लेता है। पुनः लेबल करने के बाद, प्रतिलेख का एक भाग इस प्रकार पढ़ता है:

एलेक्स [00:03:12]: तो उस समय आप कंपनी चला रहे थे। पहले संकेत क्या थे?
जेमी [00:03:19]: ईमानदारी से कहूं तो, ये संख्याएं थीं। एक तिमाही में हमारी 40% की गिरावट आई।
एलेक्स [00:03:27]: और आप इसे उस समय समझा नहीं सके?
जेमी [00:03:35]: हफ्तों के लिए नहीं। यही वह हिस्सा था जिसने मुझे बांधे रखा।

यह वह संरचना है जिसकी आपको उद्धरण खींचने और टाइमस्टैम्प्ड अध्याय लिखने के लिए आवश्यकता होती है। क्योंकि लेबल पूरी फ़ाइल को दर्शाते हैं, एक लंबे एपिसोड को बिल्कुल एक बार लेबल किया जाता है। ध्वनि पृथक्करण के पीछे के यांत्रिकी के लिए, देखें वक्ता डायराइजेशन कैसे काम करता है।

जब लेबल को ठीक करने की आवश्यकता होती है

स्वच्छ रिकॉर्डिंग पर डायराइजेशन सटीक होता है लेकिन अचूक नहीं होता है, और कुछ पैटर्न जानने योग्य होते हैं ताकि आप उन्हें जल्दी से ठीक कर सकें।

यदि दो मेहमानों की आवाजें बिल्कुल एक जैसी हैं, कभी-कभार कोई पंक्ति गलत वक्ता पर आ सकती है। ऑडियो खोलकर प्रतिलेख को स्कैन करें और कुछ गलत बताई गई पंक्तियों को हाथ से पुन: असाइन करें। यह शुरुआत से वक्ता के नाम टाइप करने की तुलना में कहीं अधिक तेज़ है, क्योंकि आप केवल अपवादों को ठीक कर रहे हैं।

यदि एक शांत सह-मेज़बान जो मुश्किल से बोलता है, दूसरे लेबल में विलय हो जाता है, तो पहले मुख्य वक्ताओं को उनके वास्तविक नाम दें, फिर उन मुट्ठी भर पंक्तियों को हटा दें जो शांत आवाज़ से संबंधित होनी चाहिए। एक अच्छी तरह से अलग की गई रिकॉर्डिंग पर आप शायद ही कभी किसी मामले में हिट करते हैं, यही कारण है कि प्रति व्यक्ति एक अलग ट्रैक रिकॉर्ड समय पर छोटे अतिरिक्त सेटअप के लायक है।

सामान्य समस्याएं, और वास्तव में उनका कारण क्या है

अधिकांश ट्रांस्क्रिप्शन समस्याएं उपकरण से नहीं, बल्कि रिकॉर्डिंग से जुड़ी होती हैं। किसी शो को प्रकाशित करने से पहले कुछ योजनाएँ बनाने लायक होती हैं।

क्रॉसस्टॉक और लोग एक-दूसरे के बारे में बात कर रहे होते हैं। किसी भी वक्ता-पृथक्करण प्रणाली के लिए यह सबसे कठिन काम है, क्योंकि एक ही पल में दो आवाज़ों को स्पष्ट रूप से विभाजित नहीं किया जा सकता है। पाठ आम तौर पर पढ़ने योग्य रहता है, लेकिन भारी ओवरलैप का एक क्षण एक वक्ता पर आ सकता है या सीम पर धुंधला हो सकता है। अच्छी पॉडकास्ट स्वच्छता पहले से ही यहां मदद करती है: एक मेजबान जो मेहमानों को समाप्त करने देता है वह साइड इफेक्ट के रूप में एक क्लीनर ट्रांसक्रिप्ट तैयार करता है। जहां ऐसा होता है, ऑडियो के सामने उन कुछ पंक्तियों को हाथ से ठीक करें।

दूरस्थ मेहमानों को एक ट्रैक पर रिकॉर्ड किया गया। एकल मिश्रित फ़ाइल के रूप में रिकॉर्ड की गई कॉल को प्रति प्रतिभागी ट्रैक के रूप में कैप्चर की गई समान कॉल की तुलना में अलग करना कठिन है। यदि आपका टूल स्थानीय प्रति-प्रतिभागी रिकॉर्डिंग का समर्थन करता है, तो इसका उपयोग करें; यदि आपके पास केवल मिश्रित फ़ाइल है, तो प्रतिलेख अभी भी आता है, यह केवल डायराइजेशन पर अधिक निर्भर करता है। किसी भी तरह से ऑडियो एक ही अपलोड है, इसलिए ट्रांसक्रिप्शन समय पर करने के लिए कुछ भी अलग नहीं है।

मजबूत उच्चारण और कोड-स्विचिंग। Hushscript स्वचालित रूप से भाषा का पता लगाता है और लगभग 99 भाषाओं को ट्रांसक्राइब करता है, उनमें से अठारह में शीर्ष स्तरीय सटीकता होती है, इसलिए समर्थित भाषा में स्पष्ट उच्चारण वाले अतिथि को अच्छी तरह से संभाला जाता है। एक अतिथि जो वाक्य के मध्य में दो भाषाओं के बीच स्विच करता है वह वास्तव में कठिन मामला है; बदले गए वाक्यांशों को हाथ से साफ़ करने की अपेक्षा करें। समर्थित भाषाओं की पूरी सूची के लिए, भाषाएं पृष्ठ देखें।

संगीत और स्टिंगर्स का परिचय दें। खंडों के बीच एक संगीत बिस्तर को आम तौर पर बकवास के रूप में लिखित करने के बजाय छोड़ दिया जाता है। परेशानी तभी शुरू होती है जब लंबे समय तक लगातार बोलने के दौरान संगीत चलता रहता है। साफ़ समाधान संपादकीय है: आवाज़ों को सूखा रिकॉर्ड करें और बाद में संगीत डालें, ताकि प्रतिलेखन केवल भाषण को देख सके।

नाम, शब्दजाल और ब्रांड वर्तनी। एक विशेषज्ञ अतिथि शब्दों और उत्पाद नामों का उपयोग करेगा जो मॉडल ध्वन्यात्मक रूप से प्रस्तुत कर सकता है। इन्हें तुरंत ठीक किया जा सकता है क्योंकि वे दोहराए जाते हैं, और निर्यात किए गए दस्तावेज़ पर खोज-और-प्रतिस्थापन एक बार में बार-बार होने वाली गलत वर्तनी को संभालता है।

कुछ सटीकता युक्तियाँ

सबसे बड़ा लीवर रिकॉर्डिंग की गुणवत्ता है, इसलिए माइक्रोफ़ोन और एक शांत कमरे पर खर्च किया गया प्रयास ट्रांसक्रिप्शन समय पर वापस आ जाता है। इसके अलावा, प्रति वक्ता एक ट्रैक सबसे साफ पाठ और सबसे साफ वक्ता लेबल दोनों देता है, क्योंकि सिस्टम को कभी भी एक तरंग से दो आवाजों को सुलझाना नहीं पड़ता है। अतिथि के माइक को इधर-उधर करने के बजाय पास और सुसंगत रखें, और आप अपना संपादन समय मरम्मत के बजाय सामग्री पर खर्च करेंगे।

जब आप प्रूफरीड करते हैं, तो ऑडियो को खोलकर पढ़ें और पास में ठीक करें: पहले वक्ता लेबल, फिर गलत सुने हुए नाम और शब्दजाल, फिर कभी-कभार ओवरलैप। श्रेणी के आधार पर काम करना ऊपर से नीचे तक पढ़ने की तुलना में तेज़ है, और यह आपके पास प्रकाशित करने के लिए पर्याप्त साफ़ दस्तावेज़ छोड़ता है।

प्रतिलेख से लेकर शो नोट्स तक

शो नोट्स कही गई हर बात का सारांश नहीं हैं। वे श्रोताओं के लिए एक नेविगेशन सहायता और उन लोगों के लिए एक खोज सतह हैं जिन्होंने अभी तक प्ले बटन नहीं दबाया है। एक संरचना जो अधिकांश साक्षात्कार और बातचीत के लिए काम करती है, वह दिखाती है:

एपिसोड सारांश, दो से चार वाक्य। प्रतिलेख से मुख्य विषय निकालें। केंद्रीय तर्क, कहानी या टेकअवे क्या है? इसे किसी ऐसे व्यक्ति के लिए लिखें जो यह तय कर रहा हो कि सुनना है या नहीं।

टाइमस्टैम्प्ड अध्याय। विषय परिवर्तन के लिए प्रतिलेख को स्कैन करें। हर बार जब बातचीत किसी नए विषय पर मुड़ती है, तो टाइमस्टैम्प नोट करें और एक पंक्ति का विवरण लिखें। टाइमस्टैम्प सीधे प्रतिलेख से आते हैं, इसलिए आप उन्हें ढूंढने के लिए दोबारा कभी नहीं सुनेंगे।

[00:02:15] बिना मार्केटिंग बजट के कंपनी लॉन्च करना
[00:14:30] राजस्व में 40% की गिरावट, और इसका कारण क्या है
[00:28:44] पुनर्निर्माण: आंतरिक रूप से क्या बदलाव आया
[00:51:00] उसी स्थिति में संस्थापकों के लिए सलाह

मुख्य उद्धरण। दो या तीन पंक्तियां खींचें जो एपिसोड के मुख्य दावों या इसके सबसे उद्धृत क्षणों को दर्शाती हैं। प्रतिलेख से शब्दशः उद्धरण दें और प्रत्येक को वक्ता के नाम से बताएं। क्या किसी उद्धरण को ठीक वैसे ही चलाना है जैसा बोला गया है या क्लीनर शो नोट्स के लिए फिलर और गलत शुरुआत को ट्रिम करना है, यह उद्देश्य पर कॉल करने लायक है, और संपादित और पूर्ण शब्दशः प्रतिलेख दोनों के माध्यम से चलता है। चूँकि पाठ खोजने योग्य है, इसलिए जिस पंक्ति को आप आधी-अधूरी याद करते हैं उसका सटीक शब्द ढूँढ़ने में कुछ सेकंड लगते हैं।

अतिथि लिंक और संसाधन। अतिथि द्वारा उल्लिखित कुछ भी जोड़ें। बोले गए यूआरएल को तेजी से ढूंढने के लिए, “डॉट कॉम” या “स्लैश” जैसे अंशों के लिए प्रतिलेख खोजें; लोग आपकी अपेक्षा से अधिक बार वेब पते को ज़ोर से कहते हैं, और एक शब्दशः प्रतिलेख उन्हें पकड़ लेता है।

पूर्ण प्रतिलेख, वैकल्पिक लेकिन मूल्यवान। पूर्ण पाठ को नोट्स के नीचे चिपकाएँ या एक अलग प्रतिलेख पृष्ठ से लिंक करें। यहीं पर खोज मूल्य रहता है, क्योंकि बोली जाने वाली सामग्री अनुक्रमित हो जाती है। यदि आपका होस्ट प्लेटफ़ॉर्म ट्रांसक्रिप्ट अपलोड स्वीकार करता है, तो JSON निर्यात में उच्चारण-स्तर का डेटा होता है; अन्यथा सादा पाठ पर्याप्त है।

एक कारगर उदाहरण

मान लीजिए कि आपने 58 मिनट के संस्थापक साक्षात्कार को दो ट्रैक के रूप में रिकॉर्ड किया और उन्हें एक MP3 में मिला दिया। आप MP3 को /पॉडकास्ट-ट्रांसक्रिप्शन पर छोड़ें, 30 सेकंड के पूर्वावलोकन में होस्ट और गेस्ट को सही ढंग से विभाजित होते हुए देखें, साइन अप करें और पूरी फ़ाइल अपलोड करें। प्रतिलेख वक्ता A और वक्ता B के साथ लौटता है; आप दो क्लिक में उनका नाम बदलकर “एलेक्स” और “जेमी” कर दें। वहां से, सारांश शुरुआती दो मिनटों से आता है, ऊपर के चार अध्याय विषय परिवर्तन के लिए स्कैनिंग से आते हैं, और दो उद्धरण उद्धरण आपके द्वारा याद किए गए क्षणों के लिए पाठ को खोजने से आते हैं। प्रारंभ से लेकर समाप्त तक शो नोट्स में लगभग पंद्रह मिनट लगते हैं, इसमें से अधिकांश प्रतीक्षा या प्रतिलिपि बनाने के बजाय आपका स्वयं का संपादन होता है।

शीर्षक या उपशीर्षक जोड़ें

यदि आप एपिसोड का वीडियो संस्करण किसी वीडियो होस्ट, Spotify वीडियो, या लिंक्डइन जैसे प्लेटफ़ॉर्म पर प्रकाशित करते हैं, तो SRT निर्यात एक समयबद्ध उपशीर्षक फ़ाइल है जो अपलोड करने के लिए तैयार है। कोई अतिरिक्त कदम नहीं है, क्योंकि आपके द्वारा पहले ही तैयार की गई प्रतिलेख में समय संबंधी डेटा होता है। किसी क्लिप पर कैप्शन प्राप्त करने के व्यापक वर्कफ़्लो के लिए, जिसमें बर्न-इन बनाम साइडकार फ़ाइलें शामिल हैं, देखें वीडियो में उपशीर्षक कैसे जोड़ें।

यदि आपका शुरुआती बिंदु ऑडियो निर्यात के बजाय वीडियो रिकॉर्डिंग है, तो प्रक्रिया समान है; ऑडियो पहले आपके ब्राउज़र में निकाला जाता है। वीडियो से टेक्स्ट पृष्ठ उस पथ को पूरी तरह से कवर करता है।

लंबे और बहु-भाग वाले एपिसोड

फीचर-लंबाई वाले एपिसोड या लाइव रिकॉर्डिंग के लिए, Hushscript बिना किसी फ़ाइल आकार सीमा के 10 घंटे तक अपलोड करता है। चार घंटे का पैनल या डॉक्यूमेंट्री-प्रारूप वाला एपिसोड टुकड़ों में विभाजित होने के बजाय एक फ़ाइल के रूप में चलता है, जो दो कारणों से मायने रखता है। वक्ता लेबल पूरी फ़ाइल में एक जैसे रहते हैं, इसलिए आप एक बार पुनः लेबल करें। और टाइमस्टैम्प निरंतर होते हैं, इसलिए भाग दो में शून्य से पुनः आरंभ करने के बजाय तीन घंटे के निशान पर एक अध्याय [03:12:40] पढ़ता है।

यदि आप एक सत्र में एक बहु-भाग श्रृंखला रिकॉर्ड करते हैं, तो पूरे सत्र को एक एकल फ़ाइल के रूप में ट्रांसक्राइब करें और बाद में शो नोट्स को भाग से विभाजित करें। ऑडियो को पहले काटने से रीलेबलिंग का काम कई गुना बढ़ जाता है।

यह तेजी से क्यों हो जाता है

एक नियमित प्रकाशन ताल के लिए, साप्ताहिक या दो बार साप्ताहिक, एक बार जब आप इसे कुछ बार कर लेते हैं तो ट्रांसक्राइब-टू-शो-नोट्स रूटीन प्रति एपिसोड मिनटों तक संपीड़ित हो जाता है: फ़ाइल को छोड़ें, वक्ता को फिर से लेबल करें, अध्यायों के लिए स्कैन करें, उद्धरण खींचें, निर्यात करें। वक्ता लेबल मुफ्त में एट्रिब्यूशन कर रहा है जो थकाऊ हिस्से को हटा देता है। आप अपना समय संपादकीय निर्णय पर खर्च करते हैं जो दिखाता है कि नोट्स की वास्तव में आवश्यकता है, न कि यह पता लगाने में कि किसने क्या कहा।