Vind de regel en de tijdcode waar deze vandaan komt
Plak een transcript of sleep een SRT- of VTT-bestand hierheen, typ het woord dat je zoekt en elke overeenkomst komt terug met de bijbehorende tijdstempel. Niet “ergens in het bestand,” maar 12:04, op deze regel, met jouw term gemarkeerd in context.
Het draait in de browser. Het transcript wordt geparseerd en doorzocht op jouw apparaat, wat belangrijk is wanneer het transcript een ongepubliceerd interview of een interne oproep is.
Waarom niet gewoon Ctrl en F gebruiken
Omdat Ctrl+F het woord vindt en je vervolgens in de steek laat. Het zal “prijzen” markeren midden in een muur van tekst, en je hebt nog steeds geen idee waar dat in de opname was. De tijdcode is wat je eigenlijk nodig had.
Ondertitelbestanden maken het erger. Open een .srt en het is voor de helft steigerwerk: een volgnummer, een tijdslijn met pijlen, dan twee regels tekst, steeds opnieuw. Ctrl+F zoekt binnen die rommel en je telt achteruit om te vinden in welke cue je terecht bent gekomen. Dit parseert eerst de cues, zodat de tekst duidelijk leesbaar is en elke overeenkomst al zijn eigen starttijd kent.
Het voegt ook de afgebroken regels weer samen. Ondertitelbestanden breken een zin over drie cues, dus een zinsdeel zoals “gebruiksgebaseerde prijzen” kan in het bestand gesplitst zijn en Ctrl+F zal het eenvoudigweg niet vinden. Hier wordt de cue-tekst samengevoegd voordat er wordt gezocht, zodat de zin overeenkomt met de manier waarop je het zou zeggen.
Een YouTube-transcript doorzoeken
YouTube toont je een transcript en geeft je vervolgens geen manier om ernaar te zoeken. Open een video, klik op “Transcript weergeven” onder de beschrijving, en je krijgt het geheel in een scrollend paneel met tijdstempels, en nergens een zoekvak erin. Bij een video van veertig minuten is dat paneel vrijwel nutteloos als je één zin zoekt.
De oplossing bestaat uit drie stappen. Selecteer de transcripttekst in dat paneel, kopieer deze en plak deze hier. Het transcript van YouTube wordt geleverd met bijbehorende tijdcodes, dus elke overeenkomst die je terugkrijgt, wijst nog steeds naar de juiste minuut van de video. Zoek dan het woord.
Het werkt hetzelfde voor automatisch gegenereerde ondertitels, wat het grootste deel van YouTube is. Dat zijn degenen die de moeite waard zijn om te doorzoeken, omdat je bij automatisch gegenereerde ondertitels precies niet op je geheugen van de formulering kunt vertrouwen, en ze de tijdstempels bevatten die je nodig hebt om terug te springen naar het moment.
Op een telefoon is er geen Ctrl en F
Dit is de versie van het probleem waar niemand een goed antwoord op heeft. Op een laptop kun je tenminste terugvallen op Ctrl+F. Op een telefoon is er helemaal geen ‘zoeken op pagina’ in de YouTube-app, en het transcriptpaneel is een duimscroll zonder zoekfunctie erin.
Dus op mobiel is de workflow dezelfde drie stappen en bespaart het meer tijd, niet minder: open het transcript in de app, kopieer het, open deze pagina in je telefoonbrowser, plak, zoek. De pagina werkt op telefoonbreedte, en omdat de zoekopdracht op het apparaat zelf draait, hoef je geen transcript via mobiele data te verzenden om één woord te vinden.
Exacte overeenkomst, met opzet
Dit is letterlijke tekenreeksmatching. Het vindt de tekens die je hebt getypt en niets anders. Dat is een bewuste beperking, geen ontbrekende functie.
Exact zoeken is wat je wilt als je het woord kent: een productnaam, een nummer dat iemand heeft gezegd, de achternaam van een persoon, een zin die je citeert. Het is herhaalbaar en je kunt de telling vertrouwen, daarom gebruiken journalisten en onderzoekers het.
Het is de verkeerde tool als je het woord niet kent. Als de taak is “vind het deel waar ze het over churn hebben” en niemand zei het woord “churn,” dan levert exacte matching niets op, terwijl het moment er wel is. Dat is een semantische zoektaak, en die hoort thuis op de videozoeker, die de video zelf indexeert en momenten vindt op basis van betekenis in plaats van op spelling. Twee verschillende tools voor twee verschillende vragen, en het is de moeite waard om te weten welke je hebt.
Hele Woord en Hoofdlettergevoelig Verdienen Hun Strepen
Beide schakelaars lijken pietluttig tot de eerste keer dat ze je redden.
Zoek “AI” zonder hele woord matching en je krijgt “zei,” “opnieuw,” “duurzaam,” “onderhouden,” en elk ander woord met die twee letters erin begraven. Zet hele woord aan en je krijgt het acroniem, alleen waar het daadwerkelijk is uitgesproken. Dit is de meest voorkomende reden waarom een transcriptzoeker defect lijkt.
Hoofdlettergevoelig doet het tegenovergestelde. Laat het standaard uitstaan, want transcripten kapitaliseren inconsistent en je wilt geen treffer missen omdat de spreker een zin begon. Zet het aan wanneer de hoofdlettergevoeligheid het punt is: het scheiden van het bedrijf “Apple” van het fruit, of een acroniem van een gewoon woord.
Wie Doet Dit Eigenlijk
Journalisten die werken met een interviewopname, de exacte zin voor een citaat en de tijdcode vinden zodat de video-editor de clip kan trekken. De tijdcode is de helft van de oplevering.
Onderzoekers die kwalitatieve interviews coderen, tellen hoe vaak een term in een sessie voorkwam, wat een getal is dat je kunt verdedigen omdat de overeenkomst letterlijk is.
Support- en productteams die een demo- of webinaropname doorzoeken om te zien waar een functie werd uitgelegd, zodat ze een klant kunnen linken naar de minuut in plaats van het uur.
En redacteuren die jagen op een citaat dat ze zich half herinneren, waarbij hele woord matching en een korte zin het scrollen elke keer verslaan.
Als Je Nog Geen Transcript Hebt
Dit zoekt in tekst die je al hebt. Om eerst het transcript van een opname te maken, produceert de transcript generator er een met sprekerslabels. Als het transcript dat je hebt een puinhoop is van tijdstempels en opvultekst, verwijdert de transcript cleaner dat in de browser. En om een voltooid transcript om te zetten in een ondertitelingsbestand, regelt de text to SRT converter de timing.
