Расшифровка YouTube-интервью и подкастов по ролям: проверил на интервью длиной 52 минуты

Чтобы получить текст YouTube-интервью с разметкой, кто что сказал, отправьте ссылку в Telegram-бот @iscribe888_bot, а под пришедшим файлом нажмите «Диаризация». Бот сделал я. Здесь разбираю, как это сработало на настоящем интервью, по скриншотам из моего чата.

Что за интервью

Я взял с YouTube выпуск «55 минут, которые перевернут ваше представление о реальности» с физиком Алексеем Семихатовым. Формат классический: ведущий задаёт вопросы, гость долго и подробно отвечает. Длина 52 минуты, видео весит 122,5 МБ. Файлом такое в Telegram-бот не отправить, а по ссылке бот скачивает его сам.

Сколько ждал

Ссылку отправил в 23:09, DOCX с текстом пришёл в 23:10. Получилось 7 151 слово в 163 абзацах. Потом я нажал «Диаризация». Бот предупредил, что спишет ещё 53 минуты, и попросил подтвердить.

Запустил в 23:11, файлы с разметкой пришли в 23:13. Пока ждёшь, шкала процентов идёт медленно, а потом файлы приходят разом. Это нормально, бот не завис.

Как выглядит разметка

Вот начало, как его прислал бот:

Спикер 1 [00:00–00:07]: Существует ли вообще трехмерный мир, если его весь можно разместить на поверхности? Может быть, я живу на поверхности, а здесь я себе только кажусь?

Спикер 2 [00:08–00:11]: Можно ли тогда сказать, что мы живем в симуляции?

Спикер 1 здесь гость, Спикер 2 ведущий. Понять это просто: в конце записи Спикер 2 говорит «Алексей Михайлович, огромное вам спасибо за этот подкаст».

Что видно из разметки

Бот нашёл двух говорящих, и у каждого почти одинаковое число реплик: 49 у гостя и 48 у ведущего. А вот по времени разница огромная:

Ведущий задавал короткие вопросы, гость отвечал развёрнуто. Для работы с интервью это удобно. Все вопросы ведущего можно вытащить поиском по «Спикер 2» и получить план разговора на одну страницу. А ответы гостя с таймкодами удобно цитировать: нашли нужную мысль в тексте и сразу видите, на какой минуте её искать в видео.

Где разметка ошибается

Текст для разметки бот распознаёт заново, другим движком, поэтому он чуть отличается от обычной расшифровки. Например, в обычном тексте написано «контринтуитивно», а в разметке «контраинтуитивно», да ещё и с вопросительным знаком. Если берёте цитату для публикации, сверьте её с видео.

Ещё одна особенность: в начале многих YouTube-интервью идёт нарезка самых ярких фраз. Реплики там короткие, по несколько секунд, и спикеры чередуются быстро. Разметка в таких местах ненадёжнее, чем в основном разговоре, где люди говорят по очереди.

Как сделать

1. Отправьте @iscribe888_bot ссылку на интервью или подкаст. Если видео открыто из плейлиста, уберите из ссылки кусок &list=…, иначе бот примет её за плейлист.
2. Дождитесь DOCX с обычным текстом.
3. Нажмите «Диаризация» и подтвердите.
4. Получите TXT и DOCX, где у каждой реплики указан спикер и время. В DOCX метки спикеров выделены жирным.

Если разметка не нужна и хватит краткого содержания, под файлом есть кнопка «AI Саммари», она бесплатная. Подробнее о ней в статье про конспект YouTube-видео.

Сколько стоит

Расшифровка списывает минуты по длине видео, диаризация ещё столько же. Моё интервью ушло в 52 минуты на текст и 53 на разметку, всего 105 минут баланса.

Минуты не сгорают. Если что-то не получилось, минуты не списываются. Новому пользователю бот даёт 20 минут бесплатно.

Частые вопросы

Бот подпишет имена ведущего и гостя? Нет, он пишет «Спикер 1», «Спикер 2». Кто есть кто, обычно видно по первым репликам или по тому, кто говорит «спасибо, что пришли». Дальше имена меняются через «Найти и заменить» в Word.

Сколько людей бот может различить? Количество говорящих бот определяет сам. На интервью он нашёл двоих, на подкасте с ведущим и тремя гостями нашёл четверых.

Можно ли выбрать только реплики гостя? Отдельной кнопки нет, но в TXT-файле каждая реплика начинается с метки спикера. Поиск по «Спикер 1» в любом редакторе показывает все реплики одного человека подряд.

Сколько стоит часовое интервью с разметкой по ролям? Около 120 минут баланса: 60 на расшифровку и ещё 60 на разметку. На пакете Макс это примерно 80 ₽.

Попробовать: @iscribe888_bot.

Ещё по теме: расшифровка YouTube-видео в текст, разбивка по спикерам на примере подкаста с четырьмя голосами, пересказ видео с Rutube.