Elinizde bir kayıt var — bir standup, bir müşteri görüşmesi, bir veli toplantısı — ve kullanılabilir kısımları lazım: neye karar verildi, kim ne yapıyor ve hangi bölüm hangi konuşmacıya ait. Gerçek çıktısıyla birlikte işe yarayan iş akışı burada.
Adım 1 — Dosyayı bırakın, ne istediğinizi söyleyin
Üç giriş yolu var: bir ses dosyası yükleyin (MP3, WAV, M4A, FLAC — tek seferde bir saate kadar), mesaj kutusundaki mikrofon düğmesiyle dikte edin ya da kaydedin, ya da dosya çekmecesinin üstündeki kayıt düğmesini kullanın — kayıtlar her iki durumda da çalışma alanınıza düşer. Sonra gerçekte neye ihtiyacınız olduğunu tek cümleyle söyleyin:
- Yalnızca transkript — “bunu deşifre et” metni getirir.
- Tutanak — “eylem maddeleriyle tutanağa dönüştür” size yapılandırılmış bir belge verir.
- Bölümler — “okul düzeyindeki kısmı sınıf düzeyindeki kısımdan ayır” da işe yarar — transkript zaman damgaları taşır, böylece ajan bölümleri zamana göre kesebilir.
Seste birden fazla konuşmacı varsa, belirtin — deşifre konuşmacı ayrımıyla çalışır
ve çıktı, konuşma sıralarını <|speaker:0|>, <|speaker:1|> şeklinde adlandırır.
Adım 2 — Gerçek bir transkript nasıl görünür
İki konuşmacılı 32 saniyelik bir standup sentezledik (podcast hattımızı besleyen aynı ses motoru — yani bu dosya, birinin gerçek toplantısı değil, telif açısından temiz demo malzemesidir) ve içinden geçirdik. Kendiniz dinleyin:
Ve ürettiği gerçek deşifre, konuşmacı etiketleriyle birlikte:
<|speaker:0|> Let us start the sprint review. Marketing finished the landing page refresh, and sign-ups are up 12% week over week. <|speaker:1|> Good numbers. On my side, the new transcription pipeline shipped yesterday. Meeting recordings up to 60 minutes now work in one pass. Next, I want feedback on the minutes format before we announce it. <|speaker:0|> One open item. Pricing for the minutes feature, I will bring a proposal to Thursday. Anything else? <|speaker:1|> Just one thing. We still owe the team an incident write-up from last week. I will draft it today.
Her konuşma sırası ayrıca başlangıç/bitiş zaman damgaları taşır — bölüm bölmeyi ve “fiyatlandırmanın konuşulduğu kısmı kes”i yeniden dinlemeden mümkün kılan da bu.
Adım 3 — Tutanak bir deşifre adımı değil, şekillendirme adımıdır
Transkript ham malzemedir; tutanak editoryal bir üründür. Ajana hedef kitleyi ve biçimi söyleyin — “ekip için tutanak, kararlar tek bölümde, sahipli eylem maddeleri” — ve o, dökümü biçimlendirmekle kalmaz, belgeyi yazar. Gerçek bir çalıştırmada, tek bir kayıttan iki dosya üretti: okul düzeyinde bir özet ve sınıf düzeyinde bir özet — toplantının kapsam değiştirdiği andan itibaren bölünmüş.
Dürüst sınırlar
- Tuhaf kapsayıcılı kayıt cihazları kötü çözülebilir. Bir dosya başarısız olursa ajan onu ffmpeg ile WAV’a dönüştürüp yeniden dener — “başarısız oldu” deyin, gerisini o halleder; ama en pürüzsüz yol, telefondan standart bir MP3/M4A’dır.
- Karışık dilli seslerde baskın dil eğilimi vardır. İngilizce ve Çince karışımı iyi çalışır; yoğun çok dilli bir kayıt, ikincil dildeki bölümleri deşifre etmek yerine bir dil etiketiyle işaretleyebilir.
- Konuşmacı etiketleri isim değil, numaradır. Transkript speaker:0 ve speaker:1 der; ajan bağlamdan kimlikleri tahmin eder (“müdür”, “müşteri”) ve çoğunlukla doğru bilir — tutanağı yayınlamadan önce isimleri doğrulayın.
- Kısa çizgiler ve ürün adları kayabilir. “meeting-to-minutes”, “meeting to minutes” olarak dönebilir. Özel adları bir kez gözden geçirin.
Bundan sonrası
Aynı hat, bir transkriptin aşağısındaki her şeyi besler: e-posta takipleri, toplantı içeriğinden slayt desteleri, standup’ların haftalık özeti. Bu, kalıcı ajanın tek bir yeteneği — belgelerinizi tutan aynı çalışma alanı, sesi, transkripti ve onlardan yapmasını istediğiniz her şeyi tutar.
Deneyin: çalışma alanını açın, bir kayıt bırakın ve “bunu deşifre et, sonra bana tutanak yaz” deyin.