Ir ao contido

Resumo, preguntas e tradución

Cando unha transcrición está lista, Audiotext pode resumila, responder preguntas sobre ela e traducila cun modelo de linguaxe ou un servizo de tradución. Todo gárdase no historial, así que só se xera unha vez.

Abre o modo Resumo dunha transcrición e fai clic en Xerar resumo. O modelo de linguaxe escribe:

  • Un resumo da transcrición.
  • Os seus puntos clave.
  • Os seus capítulos, se ten marcas de tempo. Fai clic nun capítulo para reproducir o audio desde onde comeza.

Baixo o seu título, o panel di que modelo o xerou e cando. Os botóns da súa cabeceira:

  • Buscar (Ctrl+F, ⌘F en macOS): busca un texto no resumo.
  • Copiar: cópiao.
  • Exportar: gárdao por separado como texto simple, Markdown ou documento de Word, cun nome como video.summary.md para que non substitúa a transcrición. As exportacións a Markdown e Word da transcrición tamén o inclúen.
  • Xerar de novo o resumo: vólveo escribir (p. ex. despois de escoller outro modelo), despois de preguntarche, xa que se substitúe o actual.

Se a clave de API do provedor non está configurada, o modo Resumo ofrece configurala. As transcricións moi longas (unhas tres horas de fala ou máis) só se resumen desde o seu comezo.

O resumo dunha transcrición, cos seus puntos clave e os seus capítulos

Abre o modo Preguntar, escribe unha pregunta en Fai unha pregunta sobre a transcrición… (p. ex. que se decidiu, ou quen dixo algo) e preme Intro ou fai clic en Preguntar.

  • O modelo de linguaxe responde coa transcrición, e coas preguntas anteriores e as súas respostas, así que unha pregunta pode referirse a elas (p. ex. «Por que?»).
  • Se a transcrición ten marcas de tempo, cada resposta enlaza coas partes da transcrición onde se di. Fai clic nunha para reproducir o audio desde aí.
  • As preguntas e as súas respostas gárdanse no historial coa transcrición. A papeleira da cabeceira borra a conversa, despois de preguntarche.

As preguntas respóndeas o provedor escollido para elas en Preferencias → Provedores → Preguntar, que é o dos resumos ata que o cambies. Como nos resumos, das transcricións moi longas só se le o comezo.

Fai clic en Traducir, escolle o idioma en Traducir ao: e o provedor en Traducir con:, e confirma. O diálogo di que fai o provedor escollido, e ofrece configurar a súa clave de API se falta. A tradución móstrase nun panel á dereita do texto orixinal.

  • Se a transcrición ten marcas de tempo, tradúcese frase a frase, co texto que se di antes e despois de cada parte como contexto, así que a tradución comeza coas marcas de tempo de cada frase: resalta a frase que se reproduce, e ao facer clic nunha reprodúcese.
  • Se a transcrición non ten marcas de tempo, tradúcese todo o seu texto dunha vez.
  • Os dous textos desprázanse xuntos, así que mostran a mesma parte do audio. O botón redondo do separador entre eles actívao e desactívao. Arrastra o separador para cambiar o seu tamaño, ou fai dobre clic nel para restablecelo.

Os botóns da cabeceira da tradución buscan e substitúen nela, cópiana, expórtana, Tradúcena de novo (co mesmo provedor e o mesmo modelo) e ocúltana (Ocultar a tradución). O botón Traducir tamén che permite mostrala de novo, Traducir a outro idioma… ou Eliminar a tradución.

Unha transcrición pódese traducir a varios idiomas, mesmo á vez, e gárdase cada tradución. O título do panel escolle a que se mostra, di canto está traducida cada unha e remata coa opción de traducir a outro idioma. Traducir a un idioma que xa ten unha tradución substitúea, despois de preguntarche, xa que se perden as súas correccións. O menú do título mostra cantos subtítulos de cada tradución sen rematar están traducidos (p. ex. Inglés · 148/150).

O progreso cóntase en subtítulos: un está traducido cando ten texto. Enriba da tradución, unha liña mostra cantos están traducidos (p. ex. Traducido: 148/150 · 98 %). A porcentaxe arredóndase cara abaixo, así que 100 % só aparece cando están todos traducidos.

Mentres queden algúns, as frechas xunto a ela van aos subtítulos anterior e seguinte Aínda sen traducir, resaltando cada un, e mostran en cal estás (p. ex. 1 de 2). Pasa o rato por riba dun para mostrar o botón Traducir texto… á súa dereita, que abre o diálogo para traducilo.

Unha tradución adoita precisar outros tempos ca o orixinal, p. ex. subtítulos que levan máis tempo ler. Fai clic dereito nun segmento da tradución para:

  • Editar texto…: cambiar o seu texto.
  • Editar os tempos…: cambiar cando comeza e remata, ao milisegundo. Escribe os tempos como 00:01:05,900, 01:05,9 ou 65.9.
  • Engadir un segmento despois…: engadir un segmento, que por defecto ocupa o oco ata o seguinte.
  • Eliminar o segmento.

Para escribir a tradución ti mesmo, escolle Manual en Traducir con:. Non precisa clave de API. A tradución comeza cun segmento baleiro por cada subtítulo da transcrición, que se mostra como Aínda sen traducir, e o panel mostra cantos quedan. Fai clic dereito nun e escolle Traducir texto…: o diálogo mostra o texto orixinal que se di mentres tanto. Ao pasar o rato por riba dun aparece un botón Traducir texto… á súa dereita, que abre o mesmo diálogo.

  • Nas transcricións de vídeos, marca Mostrala como subtítulos do vídeo no menú Traducir para mostrar a tradución como subtítulos. O menú do vídeo tamén os cambia. Consulta Mira vídeos con subtítulos.
  • Para gardar a tradución como ficheiro, fai clic no botón de exportar do seu panel. Expórtase nos mesmos formatos ca a transcrición, co seu idioma no nome do ficheiro (p. ex. video.es.srt), así que os reprodutores de vídeo cárgana co vídeo. Os segmentos aínda sen traducir non se inclúen nos subtítulos. O mesmo menú fai unha copia do vídeo cos seus subtítulos.

Os provedores escóllense en Preferencias → Provedores, por separado para os resumos, as preguntas e as traducións.

Provedor Modelo predeterminado Clave de API
OpenAI (predeterminado) gpt-5.4-mini OpenAI
Claude (Anthropic) claude-haiku-4-5 Anthropic
DeepSeek deepseek-chat DeepSeek
Gemini (Google) gemini-3.8-flash Google AI Studio
Mistral mistral-small-latest Mistral
Grok (xAI) grok-4.3 xAI
Ollama (local) llama3.2 Non é necesaria

Deixa o Modelo baleiro para usar o modelo predeterminado do provedor, ou escribe o nome de calquera outro modelo do provedor (p. ex. claude-sonnet-5-5 ou deepseek-reasoner).

As traducións tamén se poden facer con:

  • DeepL, que require unha clave de API de DeepL. As claves do plan gratuíto tamén serven.
  • Google Translate, que usa a clave de API de Google coa Cloud Translation API activada.

Ollama executa os modelos no teu ordenador, sen clave de API e sen enviar o texto a ningures. Instálao, descarga un modelo (p. ex. ollama pull llama3.2) e escolle Ollama como provedor. Se non se executa no enderezo predeterminado, cambia o URL do servidor en Preferencias → Provedores (http://localhost:11434 de forma predeterminada).