Konversi MP3 menjadi XLSX

Sistem transkripsi atau peninjauan panggilan mungkin memerlukan spreadsheet, bukan file audio, dengan satu baris untuk setiap segmen ucapan dan timestamp opsional. Pemrosesan MP3-ke-XLSX berarti mentranskripsikan rekaman dan mengekspor teks yang dikenali sebagai data workbook, bukan mengubah container MP3 secara langsung.

Apa itu format MP3

MP3 adalah format audio lossy yang mengompresi suara menggunakan perceptual audio coding. Pemutar musik, smartphone, aplikasi perekaman suara, software podcast, dan audio editor biasanya membuat atau menyimpan file .mp3. Wawancara, rapat, kuliah, rekaman telepon, dan audio yang diunduh sering kali tersedia dalam format ini.

MP3 biasanya berisi audio yang telah dienkode, bukan transkrip. Mengganti nama recording.mp3 menjadi recording.xlsx hanya mengubah nama file dan tidak membuat data spreadsheet.

Apa itu format XLSX

XLSX adalah format workbook berbasis XML yang digunakan oleh Microsoft Excel dan didukung oleh LibreOffice Calc, Google Sheets, Apple Numbers, serta banyak aplikasi pemrosesan data. Format ini menyimpan worksheet, baris, kolom, formula, pemformatan, filter, dan nilai bertipe.

Workbook transkrip dapat menggunakan kolom seperti Waktu mulai, Waktu selesai, Pembicara, dan Transkrip. Struktur ini mendukung pencarian, pengeditan, pengurutan, pemeriksaan kualitas, pelaporan, dan pengimporan segmen ke sistem lain. XLSX bukan format audio dan tidak boleh digunakan sebagai satu-satunya salinan rekaman.

Konversi desktop dengan Whisper dan Python

Metode ini menjalankan pengenalan ucapan secara lokal dan membuat file XLSX dengan segmen bertimestamp. Instal Python, lalu instal package dengan:

pip install faster-whisper openpyxl

faster-whisper menggunakan PyAV untuk decoding audio umum, sehingga instalasi FFmpeg terpisah biasanya tidak diperlukan. Instal FFmpeg juga jika environment lokal atau transcription tool lain memerlukannya.

Simpan kode berikut sebagai mp3_to_xlsx.py:

import sys
from faster_whisper import WhisperModel
from openpyxl import Workbook

source = sys.argv[1]
target = sys.argv[2]
language = sys.argv[3] if len(sys.argv) > 3 else None

model = WhisperModel("small", device="cpu", compute_type="int8")
segments, info = model.transcribe(source, language=language, vad_filter=True)

workbook = Workbook()
sheet = workbook.active
sheet.title = "Transcript"
sheet.append(["Start time", "End time", "Transcript"])

for segment in segments:
    sheet.append([
        round(segment.start, 2),
        round(segment.end, 2),
        segment.text.strip()
    ])

sheet.freeze_panes = "A2"
sheet.auto_filter.ref = sheet.dimensions
sheet.column_dimensions["A"].width = 14
sheet.column_dimensions["B"].width = 14
sheet.column_dimensions["C"].width = 100
workbook.save(target)

Jalankan dengan:

python mp3_to_xlsx.py recording.mp3 transcript.xlsx

Berikan kode bahasa untuk menghindari deteksi bahasa otomatis, misalnya:

python mp3_to_xlsx.py recording.mp3 transcript.xlsx en

Pada proses pertama, model Whisper yang dipilih akan diunduh. small adalah pilihan CPU yang praktis; medium atau large-v3 dapat meningkatkan pengenalan pada rekaman yang sulit, tetapi memerlukan lebih banyak memori dan waktu pemrosesan. GPU yang kompatibel dapat mengurangi waktu pemrosesan secara signifikan.

Aplikasi desktop tanpa scripting

Buzz menyediakan workflow desktop grafis berbasis Whisper dan dapat mengekspor format transkrip seperti CSV, bergantung pada versinya dan pengaturannya. MacWhisper menyediakan workflow serupa di macOS. Pilih MP3, pilih bahasa yang digunakan, aktifkan timestamp jika tersedia, lalu ekspor CSV. Buka CSV di Excel, verifikasi delimiter dan character encoding, lalu pilih File → Save As dan pilih Excel Workbook (*.xlsx).

Jika aplikasi hanya mengekspor TXT, SRT, atau VTT, gunakan transcript parser atau workflow impor spreadsheet untuk memisahkan timestamp dan teks ke dalam kolom sebelum menyimpannya sebagai XLSX. Membuka file subtitle secara langsung di Excel dapat meninggalkan markup waktu di dalam sel dan biasanya memerlukan pembersihan.

Layanan transkripsi online

Layanan hosted seperti Sonix dan Happy Scribe dapat menerima MP3, mentranskripsikannya, dan menyediakan ekspor transkrip atau CSV. Workflow umumnya adalah:

1. Upload MP3 dan pilih bahasa yang digunakan.
2. Aktifkan timestamp dan identifikasi pembicara jika layanan menyediakan opsi tersebut.
3. Ekspor CSV, buka di Excel, periksa kolom dan encoding, lalu pilih File → Save As → Excel Workbook (*.xlsx).

Beberapa layanan menawarkan ekspor XLSX langsung, tetapi format yang tersedia, batas durasi, fitur pembicara, dan harga bergantung pada paketnya. Jangan meng-upload wawancara rahasia, rekaman hukum, informasi kesehatan, atau materi bisnis yang belum dirilis kecuali kebijakan provider terkait retensi, penggunaan untuk pelatihan, enkripsi, dan penghapusan memenuhi persyaratan yang berlaku.

Batasan kualitas dan kompatibilitas

Akurasi pengenalan bergantung pada kualitas mikrofon, kebisingan latar belakang, ucapan yang tumpang tindih, aksen, bahasa, dan kosakata khusus. Kompresi MP3 biasanya tetap memadai untuk transkripsi, tetapi rekaman asli yang bersih lebih baik daripada file dengan bitrate rendah atau file yang telah melalui re-encoding berulang kali.

Timestamp Whisper mengidentifikasi batas segmen, tetapi tidak dapat mengidentifikasi pembicara secara andal. Tambahkan kolom Pembicara secara manual atau gunakan layanan dengan speaker diarization, lalu verifikasi setiap pergantian pembicara terhadap audio. Ekspor timestamp dapat menggunakan detik, HH:MM:SS, atau pecahan waktu spreadsheet; standarkan representasinya sebelum mengurutkan atau menghitung durasi.

Periksa nama, angka, tanda baca, tanggal, dan istilah teknis terhadap rekaman sebelum menggunakan workbook sebagai catatan resmi. Simpan MP3 asli secara terpisah dan catat nama file, tanggal, bahasa, serta model atau layanan transkripsi di kolom workbook tambahan atau metadata.

Worksheet Excel mendukung maksimum 1.048.576 baris. Rekaman panjang yang dibagi menjadi segmen sangat pendek dapat melampaui batas tersebut; gunakan beberapa worksheet atau pertahankan transkrip sebagai CSV jika diperlukan.