Převod souboru MP3 do XLS

Starší kancelářský systém, který přijímá pouze soubory Excel 97–2003, nemůže použít nahrávku MP3 jako data tabulky. Nejprve nahrávku přepište a poté převeďte přepis s časovými údaji do formátu .xls pro filtrování, úpravy, kontrolu nebo archivaci.

Co je MP3

MP3 je ztrátový komprimovaný zvukový formát používaný pro rozhovory, schůzky, přednášky, podcasty, hudbu, telefonní nahrávky a hlasové poznámky. Chytré telefony, digitální rekordéry, přehrávače médií, zvukové editory, jako je Audacity, a aplikace pro přepis mohou vytvářet nebo ukládat soubory MP3.

Soubor MP3 obsahuje zakódovaný zvuk, nikoli vybratelná slova nebo buňky listu. Běžný převaděč souborů může změnit kontejner nebo kódování, ale bez automatického rozpoznávání řeči nebo ručního přepisu nedokáže ze speech vytvořit smysluplnou tabulku.

Co je XLS

XLS je binární formát tabulky používaný programem Microsoft Excel 97–2003. Ukládá listy obsahující řádky, sloupce, text, vzorce, formátování a další tabulková data. Přepis může používat sloupce jako Start, End, Speaker a Transcript, což umožňuje řazení, filtrování, opravy a import do starších kancelářských systémů.

Hlavní výhodou tohoto formátu je kompatibilita se softwarem, který odmítá XLSX. XLS má oproti XLSX nižší limity, včetně maximálně 65 536 řádků a 256 sloupců na jeden list, a nezachovává všechny novější funkce Excelu.

Jak provést převod

Postup na počítači s Whisper a LibreOffice

1. Nainstalujte FFmpeg, Python, OpenAI Whisper a LibreOffice. FFmpeg zajišťuje dekódování zvuku, Whisper přepisuje řeč a LibreOffice Calc převádí výslednou tabulku do staršího formátu XLS.
2. Nainstalujte balíčky Pythonu:

pip install -U openai-whisper srt

3. Spusťte Whisper nad nahrávkou. Nahraďte en kódem jazyka nahrávky:

whisper recording.mp3 --model medium --language en --task transcribe --output_format srt --output_dir transcript

Whisper obvykle zapíše soubor transcript/recording.srt. Větší modely mohou zlepšit rozpoznávání, ale vyžadují více paměti a delší dobu zpracování. Zadání správného jazyka zabraňuje nespolehlivému automatickému rozpoznání jazyka.

4. Uložte tento skript jako srt_to_csv.py:

import csv
import srt

with open('transcript/recording.srt', encoding='utf-8') as source:
    subtitles = list(srt.parse(source.read()))

with open('transcript.csv', 'w', newline='', encoding='utf-8-sig') as target:
    writer = csv.writer(target)
    writer.writerow(['Start', 'End', 'Speaker', 'Transcript'])
    for subtitle in subtitles:
        writer.writerow([
            str(subtitle.start),
            str(subtitle.end),
            '',
            subtitle.content.replace('\n', ' ')
        ])

5. Spusťte skript ze složky, která jej obsahuje:

python srt_to_csv.py

6. Otevřete soubor transcript.csv v LibreOffice Calc. V dialogu importu vyberte UTF-8 a jako oddělovač čárku.
7. Vyberte File → Save As, zvolte Excel 97–2003 (.xls) a potvrďte upozornění na formát. CSV je prostřední tabulka; uložený soubor XLS je požadovaným výsledkem.

Online postup

Nahrajte MP3 do služby pro přepis, jako je Happy Scribe, Sonix nebo Trint, vyberte jazyk, zkontrolujte vygenerovaný přepis a exportujte jej do formátu CSV nebo XLSX, pokud je k dispozici. Otevřete export v Excelu nebo LibreOffice a použijte File → Save As k vytvoření souboru .xls, pokud služba neposkytuje starší XLS přímo. Možnosti exportu se mění, proto ověřte, zda vybraná služba aktuálně podporuje výstup do tabulky.

CloudConvert a podobné služby pro převod souborů mohou převádět CSV nebo XLSX do XLS, ale nepřepisují zvuk MP3. Nenahrávejte důvěrné, regulované ani citlivé nahrávky, pokud podmínky služby týkající se ukládání, zpracování a mazání nesplňují vaše požadavky.

Omezení kvality a kompatibility

• Přesnost rozpoznávání závisí na kvalitě nahrávky, okolním hluku, přízvuku, umístění mikrofonu, překrývající se řeči, jazyce a odborné slovní zásobě. Zkontrolujte jména, čísla, data, interpunkci a technické termíny podle zvukové nahrávky.
• Standardní výstup Whisper obsahuje časové údaje, ale nespolehlivě identifikuje mluvčí. Prázdný sloupec Speaker je nutné vyplnit ručně, případně může pracovní postup diarizace, jako je WhisperX, vygenerovat označení mluvčích ke kontrole.
• V tomto pracovním postupu se každý segment titulků stává jedním řádkem tabulky. Dlouhé nahrávky mohou překročit limit počtu řádků XLS; v případě potřeby rozdělte přepis mezi více listů nebo souborů.
• Pokud je to možné, používejte jako pracovní formát XLSX a XLS vytvářejte pouze pro starší aplikaci, která jej vyžaduje. Uložení do XLS může odstranit novější vzorce, formátování a další funkce.
• Vložení objektu MP3 do sešitu XLS pouze připojí zvuk pro přehrávání; nepřevede řeč na prohledatelný text tabulky.