Limpar transcrição sem tempos, sem nomes, em parágrafos.

Como tirar os nomes dos falantes e as marcações [Música]?

Transcrições de reunião, entrevista e podcast costumam abrir cada fala com o nome: "Falante 1:", "SPEAKER_00:", "Entrevistador:" ou o nome da pessoa. Você escolhe entre tirar todos, tirar só os genéricos (e manter os nomes de verdade) ou manter tudo. Mesmo quando o nome sai, a troca de pessoa continua virando um parágrafo novo, para a conversa não se misturar.

Para não apagar texto por engano, um nome só conta como falante quando é genérico, quando aparece em mais de uma fala ou quando a maior parte das linhas tem um nome. Assim, um "Nota: tragam pratos" solto num texto comum continua lá.

As marcações de som também saem: tudo entre colchetes, como [Música] e [Aplausos], os parênteses que descrevem um som, como (risos), (tosse) e (inaudível), e as letras de música entre ♪. Parênteses com conteúdo, como (2019) ou (ver capítulo 3), ficam.

Como juntar linhas quebradas de uma legenda em parágrafos?

Legenda é feita para a tela: cada bloco tem duas linhas curtas, e a frase continua no bloco seguinte. Para ler, revisar ou publicar, isso precisa virar texto corrido. A opção de parágrafos junta todas as linhas e corta um parágrafo novo a cada quantas frases você escolher (quatro, por padrão). Uma linha em branco no original e a troca de quem fala sempre começam um parágrafo.

Legendas automáticas muitas vezes vêm sem pontuação nenhuma. Nesse caso não dá para contar frases, então os parágrafos são cortados por tamanho, cerca de vinte palavras por frase pedida. Também dá para pedir uma frase por linha, que ajuda a revisar ou a montar um roteiro, ou manter as linhas como estão e só tirar o que sobra.

A última opção arruma o acabamento: tira espaços duplos e espaços antes de vírgula e ponto, apaga a vírgula que sobra quando uma hesitação sai e coloca letra maiúscula no começo das frases. Abreviações como Dr. e pág. não são confundidas com fim de frase.

Dá para tirar o "ahn" e o "hum" da transcrição?

Dá, com a opção de hesitações, que vem desligada. Ela tira só os sons que não querem dizer nada em nenhuma frase: em português, ahn, hum, hmm e é... (com reticências, porque o é sozinho é verbo); em inglês, um, uh e erm; em espanhol, eh, mmm e este... com reticências. O idioma é reconhecido pelo próprio texto.

Palavras que às vezes são vício e às vezes não, como tipo, né, então e assim, ficam no texto. Apagar todas mudaria o sentido de frases como "esse tipo de luz". Para saber quantas vezes elas aparecem, use o contador de vícios de linguagem.