Числа в расшифровке: как собрать цифровые фрагменты для проверки по аудио

Почему проверка числа включает соседние слова

В расшифровке важно не только различить 15 и 50. «До 15 минут», «примерно 15 минут» и «не больше 15 минут» описывают разные условия. Число без единицы измерения, периода или ограничения может исказить смысл даже при правильных цифрах.

Составьте задание на проверку: цены, сроки, количество, проценты, номера и даты. Если материал содержит критичные значения, прослушайте их адресно. Случайная выборка реплик не гарантирует попадание всех таких мест. В учебных примерах статьи числа вымышленные.

Что именно извлекает регулярное выражение

Пример находит последовательности базовых цифр 0–9 и необязательную десятичную часть с точкой или запятой: 15, 12.5, 12,5. Знак минуса, проценты, единицы и окружающие слова остаются в контексте. Это цифровые фрагменты для просмотра, а не полностью разобранные числовые значения.

Дата 05.10.2026 даст несколько совпадений, таймкод 01:25 — отдельные части. Число 1 500 тоже разделится. «Пятнадцать» не содержит цифр и не попадёт в отчёт. Не складывайте fragment и не считайте совпадения количеством реальных числовых фактов. Для другого формата требуется отдельное правило и проверка.

Сохраните адресный список и исходный текст

Положите transcript.txt в UTF-8 рядом с numeric_fragments.py и выполните python numeric_fragments.py. Результат numeric-fragments.csv создаётся в режиме x и не меняет исходник. line и column начинаются с единицы; позиции относятся к строкам конкретной версии TXT.

В context сохраняется до 40 символов с каждой стороны. Для длинной реплики откройте полную строку и ближайший разговор. Подсчёт символов Python не равен ширине текста на экране. Если программа отметила часть даты, расширьте проверяемый фрагмент вручную.

import re, csv
from pathlib import Path
text = Path("transcript.txt").read_text(encoding="utf-8-sig")
pattern = re.compile(r"[0-9]+(?:[.,][0-9]+)?")
with Path("numeric-fragments.csv").open("x", encoding="utf-8-sig", newline="") as file:
    writer = csv.writer(file)
    writer.writerow(["line", "column", "fragment", "context"])
    for line_no, line in enumerate(text.splitlines(), 1):
        for match in pattern.finditer(line):
            context = line[max(0,match.start()-40):match.end()+40]
            writer.writerow([line_no, match.start()+1, match.group(), context])
print("Найденные фрагменты требуют проверки по записи")

Сверьте значение с записью и оформите решение

Для каждого важного кандидата найдите аудиофрагмент, прослушайте до и после числа и выпишите полное утверждение. Сохраните значение, единицу, период, ограничение и говорящего. Если число неразборчиво, пометьте неопределённость; не подставляйте логичное значение как услышанное.

Текстовую основу можно подготовить через Транскрибатор. После подтверждённой правки сравните копии с помощью отчёта изменений. Укажите основание исправления, а не только новое число.

После редактуры повторите извлечение из новой версии. Номера строк старого отчёта могут сместиться. Для полноты дополнительно просмотрите числа словами и места без чёткого цифрового представления. Отсутствие совпадений не означает отсутствия количественных утверждений. Список содержит контекст исходника и требует тех же ограничений доступа.