บล็อก

รูปแบบไฟล์ถอดเสียง: ควรเลือกแบบใด

ผู้เขียน: Hushscript | เผยแพร่: 9 กรกฎาคม 2569 | ตรวจสอบล่าสุด: 26 สิงหาคม 2569

รูปแบบที่เหมาะสมขึ้นอยู่กับสิ่งที่จะเกิดขึ้นกับข้อความถอดเสียงในขั้นตอนถัดไป ไม่ใช่มีตัวเลือกที่ดีที่สุดสากลเพียงแบบเดียว หลักคร่าวๆ คือ: TXT หรือ DOCX สำหรับอ่านและแก้ไขเป็นเอกสาร SRT หรือ VTT สำหรับคำบรรยายและซับไตเติ้ล และ CSV หรือ JSON เมื่อข้อความถอดเสียงป้อนเข้าสเปรดชีตหรือไปป์ไลน์

มีรูปแบบไฟล์การถอดเสียงให้เลือก 21 รูปแบบเมื่อคุณส่งออกจาก Hushscript มีหลายสิ่งที่ต้องเลื่อนดูหากคุณไม่ทราบว่าคุณต้องการรูปแบบใด ข้ามรายการและเริ่มต้นด้วยสิ่งที่คุณจะทำกับการถอดเสียงเป็นลำดับถัดไปแทน แล้วรูปแบบที่ถูกต้องก็จะหมดไปเกือบจะโดยอัตโนมัติ

การสร้างคำบรรยายหรือคำบรรยาย

หกรูปแบบถูกสร้างขึ้นสำหรับคำบรรยายแบบกำหนดเวลา: SRT, VTT, ASS, TTML, SBV และ LRC SRT เป็นค่าเริ่มต้นที่ได้รับการสนับสนุนอย่างกว้างขวาง คำอธิบาย WebVTT ของ Library of Congress อธิบายรูปแบบ .vtt ที่ใช้สำหรับวิดีโอบนเว็บ ในขณะที่ คำแนะนำในการเผยแพร่ GOV.UK ตั้งข้อสังเกตว่าแพลตฟอร์มการเผยแพร่อาจยอมรับ SRT, VTT หรือ SBV ASS เพิ่มสไตล์นอกเหนือจากการกำหนดเวลา ในขณะที่ TTML ทำหน้าที่เวิร์กโฟลว์ที่ต้องใช้ข้อความที่มีการกำหนดเวลาที่สมบูรณ์ยิ่งขึ้น LRC ได้รับการออกแบบมาเพื่อการซิงโครไนซ์สไตล์เนื้อเพลง ตรวจสอบรายการนำเข้าปัจจุบันของปลายทางก่อนเลือกเสมอ

ทุกรายการมาพร้อมกับการถอดเสียงฟรีผ่านเครื่องมือสร้างคำบรรยาย เลือกรูปแบบของคุณเมื่อส่งออก ไม่ใช่ก่อนที่จะเริ่ม หากคุณมีไฟล์คำบรรยายอยู่แล้วและต้องการในรูปแบบอื่น นั่นเป็นงานเล็กกว่าการถอดเสียง: ตัวแปลงคำบรรยาย ฟรีจะสลับ SRT, VTT, ASS, TTML และ SBV ระหว่างกันโดยตรงในเบราว์เซอร์ของคุณ โดยไม่ต้องถอดเสียงใดๆ

ใส่ลงในเอกสาร

DOCX, PDF, XLSX, ODS และ ODT ครอบคลุมกรณีสำนักงาน DOCX หรือ ODT ให้เอกสารที่คุณสามารถมาร์กอัปในตัวแก้ไขที่เข้ากันได้ ยืนยันแอปและเวอร์ชันของผู้รับเมื่อความเข้ากันได้มีความสำคัญ PDF ใช้สำหรับแฮนด์ออฟแบบคงที่ XLSX และ ODS ใส่ข้อความถอดเสียงในสเปรดชีต หนึ่งแถวต่อบรรทัด ซึ่งมีประโยชน์เมื่อคุณต้องการกรองหรือจัดเรียงตามผู้พูดหรือการประทับเวลา แทนที่จะอ่านตั้งแต่ต้นจนจบ

การป้อนลงในไปป์ไลน์

JSON, CSV, TSV และ XML ได้รับการสร้างขึ้นสำหรับซอฟต์แวร์ ไม่ใช่บุคคล JSON มอบออบเจ็กต์ที่มีโครงสร้างพร้อมช่องผู้พูดและการประทับเวลาแนบมากับแต่ละบรรทัด พร้อมสำหรับสคริปต์ที่จะแยกวิเคราะห์ CSV และ TSV เป็นข้อมูลเดียวกันกับตารางธรรมดาสำหรับการนำเข้าสเปรดชีตหรือการนำเข้าฐานข้อมูล XML ครอบคลุมระบบที่คาดหวังเป็นพิเศษ สิ่งเหล่านี้ไม่มีไว้เพื่ออ่านโดยตรง สิ่งเหล่านี้เป็นอินพุตของสิ่งอื่น

นำมันมาไว้ในชุดตัดต่อ

FCPXML และ EDL มีอยู่ในงานเดียว นั่นคือการนำเข้าข้อความถอดเสียงเป็นตัวทำเครื่องหมายไทม์ไลน์ในโปรแกรมตัดต่อวิดีโอ FCPXML สร้างขึ้นสำหรับ Final Cut; EDL ครอบคลุม Premiere, Resolve และ NLE อื่นๆ ส่วนใหญ่ ทั้งสองอย่างจะเปลี่ยนข้อความถอดเสียงเป็นตัวทำเครื่องหมายคลิปบนไทม์ไลน์ของคุณแทนที่จะเป็นเอกสารที่คุณต้องอ้างอิงแยกกันในขณะที่คุณตัด

การเก็บถาวรหรือแจกจ่ายสิ่งทั้งหมด

เมื่องานต้องการหลายรูปแบบในคราวเดียวแทนที่จะเป็นรูปแบบเดียว ชุดเก็บถาวรที่สร้างไว้ล่วงหน้าจะรวมไว้ด้วยกัน: ชุดคำบรรยายสำหรับไฟล์คำบรรยาย ชุดการวิจัยสำหรับรูปแบบข้อความและข้อมูล ชุด Office สำหรับเอกสาร ชุดตัวแก้ไขสำหรับรูปแบบไทม์ไลน์ หรือ ทุกรูปแบบสำหรับทุกสิ่งในคราวเดียว ไฟล์เก็บถาวรทุกรายการจัดส่งเป็น .husharchive ที่มีการป้องกันด้วยรหัสผ่าน พร้อมด้วยรายการและเช็คซัม หรือเป็นไฟล์ ZIP ที่เข้ารหัส AES มาตรฐาน หากเครื่องมือในส่วนรับไม่เปิดไฟล์ .husharchive หากคุณได้รับ .husharchive จากบุคคลอื่น คุณสามารถเปิด ยืนยัน และแตกไฟล์ในเบราว์เซอร์ของคุณได้เช่นกัน

การอ่านอย่างรวดเร็วและข้อความในชีวิตประจำวัน

TXT, Markdown, HTML และ RTF ปัดเศษรายการสำหรับกรณีที่ง่ายที่สุด: คุณเพียงต้องการอ่านหรือวางคำที่ไหนสักแห่ง TXT จะเปิดขึ้นในโปรแกรมแก้ไขข้อความเกือบทุกประเภท Markdown เหมาะกับวิกิและเครื่องมือเอกสาร HTML สามารถย้ายเข้าสู่เวิร์กโฟลว์ของเว็บได้ RTF เป็นตัวเลือกความเข้ากันได้สำหรับโปรแกรมแก้ไขเอกสารที่ไม่ยอมรับ DOCX

รูปแบบทั้ง 21 แบบในภาพเดียว

ข้อความถอดเสียงหน้าตาเป็นอย่างไร

นี่คือตัวอย่างข้อความถอดเสียงสั้นๆ ที่แสดงให้เห็นว่าผลลัพธ์จริงมีหน้าตาเป็นอย่างไรก่อนที่คุณจะเลือกรูปแบบ: การประทับเวลา ป้ายกำกับผู้พูด และคำพูดเอง

[00:00:03] ผู้พูด 1: ขอบคุณที่เข้าร่วม เริ่มกันที่ตัวเลขงบประมาณก่อนเลย
[00:00:07] ผู้พูด 2: ได้ครับ ไตรมาส 3 สูงกว่าที่คาดการณ์ไว้ประมาณสิบสองเปอร์เซ็นต์
[00:00:14] ผู้พูด 1: ตรงกับที่ฝ่ายการตลาดรายงานมา มีข้อกังวลอะไรสำหรับไตรมาส 4 ไหม
[00:00:19] ผู้พูด 2: แค่เรื่องอัตรากำลังคน เรายังจ้างคนไม่ครบตามที่ตั้งเป้าไว้สองตำแหน่ง

ทุกรูปแบบเก็บเวอร์ชันหนึ่งของสิ่งนี้ไว้: TXT และ DOCX เก็บเป็นร้อยแก้วที่อ่านได้ SRT และ VTT เปลี่ยนการประทับเวลาให้เป็นคิวคำบรรยาย และ JSON หรือ CSV แยกแต่ละบรรทัดเป็นฟิลด์ที่มีโครงสร้าง คำพูดไม่เปลี่ยนแปลงระหว่างรูปแบบต่างๆ เปลี่ยนแค่วิธีบรรจุมันไว้สำหรับขั้นตอนถัดไป

ตัวอย่างข้างต้น

โปรแกรมตัดต่อวิดีโอได้รับการสัมภาษณ์กลับเป็นเวลาสองชั่วโมงจาก Hushscript และต้องการสองสิ่งในนั้น: ไฟล์คำบรรยายสำหรับการอัปโหลดแพลตฟอร์ม และเครื่องหมายไทม์ไลน์ เพื่อให้ผู้ช่วยบรรณาธิการสามารถข้ามไปยังคำตอบที่เฉพาะเจาะจงในขณะที่ตัด การถอดเสียง 1 รายการ การส่งออก 2 รายการ (SRT สำหรับคำบรรยาย, EDL สำหรับไทม์ไลน์รอบปฐมทัศน์) โดยไม่มีการถอดเสียงซ้ำและไม่มีเครื่องมือแยกสำหรับรูปแบบใดรูปแบบหนึ่ง

เริ่มต้นด้วยการถอดเสียง ไม่ใช่รูปแบบ

คำถามเกี่ยวกับรูปแบบเกิดขึ้นเพียงเพราะ Hushscript ถือเป็นขั้นตอนสุดท้าย ไม่ใช่การตัดสินใจในการตั้งค่า ถอดเสียงหนึ่งครั้งในหน้า เสียงเป็นข้อความ จากนั้นส่งออกรูปแบบใดก็ได้จาก 21 รูปแบบที่งานตรงหน้าคุณต้องการจริงๆ วันนี้และอีกครั้งในภายหลังหากงานถัดไปต้องการสิ่งที่แตกต่างออกไป สำหรับคำบรรยายครึ่งหนึ่งโดยเฉพาะ วิธีเพิ่มคำบรรยายลงในวิดีโอ จะอธิบายขั้นตอนการส่งออกและซิงค์โดยละเอียดยิ่งขึ้น