Potrzebuję transkrypcji nagrań audio i wideo z oznaczeniami mówców

Mam partię nagranych wywiadów, webinarów i sesji wykładowych, które muszą zostać przekształcone w czysty, czytelny tekst. Nagrania różnią się długością od około dwudziestu minut do ponad dwóch godzin, a większość została nagrana przy użyciu przyzwoitego mikrofonu, chociaż kilka ma szumy tła lub nakładające się głosy w niektórych miejscach. Najważniejsza jest dla mnie dokładność: imiona, terminy techniczne i liczby muszą być transkrybowane poprawnie, a nie zgadywane lub pozostawiane puste.

Rozdzielenie mówców jest kluczowe. Kilka nagrań dotyczy trzech lub więcej uczestników rozmawiających ze sobą, czasami przerywających się nawzajem, i potrzebuję, aby ostateczny dokument wyraźnie zaznaczał, kto co powiedział, z konsekwentnymi etykietami, takimi jak Mówca 1 lub rzeczywiste imię osoby, gdy jest to oczywiste z kontekstu. Znaczniki czasowe co minutę lub dwie również pomogłyby mi szybko poruszać się po tekście, gdy będę musiał znaleźć konkretny moment później.

Szukam kogoś, kto wcześniej wykonywał tego rodzaju pracę i rozumie różnicę między transkrypcją dosłowną a lekko oczyszczoną — wolałbym wersję oczyszczoną, z usuniętymi słowami wypełniającymi i fałszywymi początkami, ale z zachowaniem pełnego znaczenia. Proszę o podanie typowego czasu realizacji na godzinę nagrania oraz jak zazwyczaj radzisz sobie z nieczytelnymi lub niesłyszalnymi fragmentami.

Co potrzebuję, aby było zawarte:
— Dokładny tekst mówców z wyraźnymi, konsekwentnymi etykietami
— Przybliżone znaczniki czasowe w regularnych odstępach
— Krótką notatkę zaznaczającą wszelkie fragmenty niesłyszalne lub niepewne
— Dostarczenie w standardowym, łatwym do edytowania formacie dokumentu tekstowego