Case · Egenudviklet pipeline
Fra interview på seks sprog til første storyline på under to timer, med en postproduktions-pipeline vi har udviklet selv.
easy transkribe blev ikke født som et produkt. Det blev født som en nødløsning, midt på en opgave, fordi det jeg havde brug for ikke fandtes.
Det startede ude på en opgave, hvor der skulle interviewes på lokalt sprog. Jeg stod med en Google Translate-fane der simpelthen ikke rakte. Ikke i nærheden. Jeg kunne ikke følge med i hvad der blev sagt, mens det blev sagt. Og kan man ikke det, kan man heller ikke stille det næste spørgsmål. Man sidder og nikker og håber. Jeg blev grundigt træt af det i løbet af dag 1.
Så jeg satte mig om aftenen og byggede værktøjet. Ikke som et projekt. Som noget der skulle virke i morgen. Dag 2 på den samme opgave brugte vi det. Siden er det vokset: i dag optages interviewet direkte fra kameraet ind i app'en, så tidskoden følger med og alt ligger i sync med kameraerne fra første klip. Der er ikke noget at samle op bagefter. Det hænger sammen fra start.
Værktøjet fandtes ikke. Så holdt jeg op med at lede, og byggede det.
Der gik én aften fra irritation til noget der virkede dagen efter. Og fordi vi ejer det, passer det præcis til den måde vi arbejder på, i stedet for at vi skal passe til værktøjet.
Optag og transskribér på location. Saml citaterne hjemme. Byg manuset til sidst. Tre led, hver med sit job, og alle tre er noget vi har bygget selv.
Interviewet optages direkte fra kameraet ind i app'en og transskriberes stort set live, på det sprog vi vælger. Interviewer vi en polsktalende, kommer teksten på dansk, så vi kan følge med undervejs. Bygget med API-adgang til Google Flash 2.5, en model Google selv bygger til hurtig behandling i stor skala (Google AI for Developers, u.å.). Tidskoderne er i sync med kameraerne, så alt materiale kan bindes sammen bagefter.
Egen appHjemme uploades transskriptionen som JSON ind i NB-runsheet, som i forvejen styrer vores dagsprogrammer og interview-briefs. Alle interviews samles på én opgave, her 46 af dem, og hver eneste er søgbar via en LLM og RAG, retrieval-augmented generation, hvor modellen slår op i vores egen database i stedet for at gætte ud fra det, den i forvejen ved (AWS, u.å.). De citater vi finder, markerer vi og sætter i et manus, hvor tidskode, navn og emne følger med over. Kunden kan få adgang og selv pege på det der betyder noget for dem.
Eget systemEt Cowork-projekt hvor alle referencefiler ligger samlet: strategi, koncept, idéer, mødereferater og alle fulde transskriberinger. Derfra beder vi om et fuldt klippemanus, bygget kronologisk efter berettermodellen, den klassiske dramaturgi for dansk broadcast-tv (Journalisten, 2021), med de udvalgte citater fra NB-runsheet som referencer, og kan endda bede om speak-forslag der binder det hele sammen.
Egen skillDet er ikke ét stort værktøj. Det er tre, der rækker videre til hinanden. Se hvad hvert led kan, og lige så vigtigt: ikke kan.
| Led | Kan | Kan ikke |
|---|---|---|
| easy transkribe | Optage fra kameraet, transskribere stort set live på det sprog vi vælger, og holde tidskoden i sync med kameraerne. | Ved intet om opgaven. Kender ikke vinklen, kunden eller hvad der blev lovet. |
| NB-runsheet | Samle alle interviews på én opgave og gøre dem søgbare via LLM og RAG, med tidskode, navn og emne på hvert udvalgt citat. | Bygger ikke dramaturgi. Det ordner rammen og referencerne, ikke fortællingen. |
| Klippemanus-skill | Bygge en storyline af de udvalgte citater og al projektviden, kronologisk efter berettermodellen, med begrundelser og speak-forslag. | Kan intet uden de to andre. Den skal fodres med både ordene, tidskoderne og konteksten. |
Pointen er ikke de tre navne. Det er at kæden ikke fandtes i forvejen. Vi har bygget hvert led og samlingen imellem dem selv, så outputtet fra det ene er inputtet til det næste. Den pipeline er der ingen der sælger.
Hele postprocessen betyder, at vi pludselig kan overskue 46 interviews op mod al kendt viden på opgaven, og få vores første bud på en storyline. Det tager en brøkdel af tiden i forhold til normale arbejdsgange.
Samlet på én opgave og søgbare på tværs, i stedet for 46 filer man selv skal huske indholdet af.
Transskriberet på det sprog vi kunne følge med i, mens vi optog. Ikke oversat bagefter.
Fra 46 interviews til version 1 af tidslinjen på en 5-minutters corporate film.
Værktøjet fandtes ikke. Bygget på én aften, i brug dag 2 på samme opgave.
Tre led vi har bygget selv: kamera → citatbank → klippemanus. Hvert led rækker videre.
46 interviews på 6 sprog → version 1 af tidslinjen på under to timer.