Поверителността на първо място
Качените файлове се изтриват автоматично и окончателно в рамките на два часа.
Автоматично изтриване
Реч в PDF
Диктувайте бележки, разказ, лекционни записки, отговори от интервю или кратък гласов запис директно в браузъра или качете запис и получете текста като PDF документ. Транскрипцията се извършва с Whisper, модела за разпознаване на реч с отворен код, на нашите собствени сървъри – на около 100 езика, разпознати автоматично.
-
Запис: Говорете в рекордера на браузъра – до 30 минути на запис – или качете MP3, WAV, M4A, AAC, OGG, FLAC или WebM.
-
Транскрибиране: Whisper записва думите с пунктуация; по желание отбелязва смяната на говорителя при интервюта и срещи. Резултат: PDF документ.
-
Поверително: Нищо не се качва, докато не потвърдите. Аудиото и транскрипцията се изтриват автоматично след обработката, най-късно в рамките на няколко часа.
Транскрипция
Как работи преобразуването на реч в PDF
Страницата комбинира рекордер в браузъра с GPU система за транскрибиране. Записването използва интерфейса MediaRecorder, вграден в Chrome, Firefox, Edge и Safari; разпознаването се извършва от Whisper — модела с отворен код, публикуван от OpenAI, който работи на наш собствен хардуер, а не чрез API на трета страна.
Как да използвате Converter App
1
Запишете или качете
Натиснете „Запис с микрофона“, разрешете достъп еднократно и говорете. Таймерът и индикаторът за нивото потвърждават, че се получава аудио. Или качете съществуващ запис – гласови бележки от всеки телефон са подходящи.
2
Проверете и започнете
Прослушайте записа в диалоговия прозорец. Включете „Откриване на множество говорители“ за интервюта и срещи (отбелязва кой говори, но отнема значително повече време). След това стартирайте транскрипцията.
3
Изтеглете транскрипцията
Напредъкът се показва, докато моделът работи; няколко минути реч обикновено се обработват за значително по-малко от минута. Изтеглете PDF документ от страницата с резултата.
Основни функции
Whisper в основата на технологията
Whisper е обучен с 680 000 часа многоезично аудио и се справя с акценти, фонов шум и техническа терминология много по-добре от системите за диктовка отпреди няколко години. Езикът се разпознава автоматично.
Разпознаване на говорители при поискване
При разговори опционалното разпознаване на говорители обозначава смяната на говорителя в транскрипцията. То приблизително удвоява времето за обработка, затова по подразбиране е изключено.
PDF изход, който пасва на Вашия работен процес
Транскрипцията първо се записва като текст, а след това се оформя като PDF с LibreOffice – обикновен документ за печат с избираем текст, без сканирания или изображения.
Безплатно и поверително
Без регистрация, без воден знак, без ограничение за пробен период. Записът никога не напуска Вашето устройство, докато не потвърдите, а аудиото и транскрипцията се изтриват автоматично след обработката.
Опит и поверителност
Създаден за надеждни работни процеси по транскрибиране.
Разработено от инженери с над 10 години опит в голяма инфраструктура, системи за данни и научни изчисления. Проектирано за реални работни процеси с аудио, където поверителността, надеждната обработка и практическата използваемост са важни.
Одобрено от потребителите
Оценен с 5 звезди в Trustpilot за бързина, надеждност и лесна употреба.
Доверие на потребителите
Академична употреба
Цитирано в публикувани изследвания и използвано за транскрибиране на интервюта и качествен анализ на данни.
Изследователска употреба
Как речта се превръща в PDF на тази страница
Вашият браузър записва микрофона като Opus аудио (Chrome, Firefox, Edge) или AAC (Safari) и го съхранява в паметта. Когато потвърдите, файлът се качва чрез HTTPS на един от нашите сървъри за транскрибиране.
Там ffmpeg декодира аудиото, а Whisper – модел за разпознаване на реч с отворен код – го преобразува в текст с едно преминаване, включително с пунктуация и разделяне на изречения. Ако е включено разпознаването на говорители, модел за диаризация първо разделя аудиото по говорители, а транскрипцията се анотира съответно.
Транскрипцията първо се записва като текст, след което се оформя като PDF с LibreOffice – обикновен документ за печат с избираем текст, без сканирания или изображения. Страницата с резултата Ви позволява да го изтеглите; аудиото и транскрипцията се изтриват автоматично след това.
Съвети за записване, които са по-важни от всяка настройка
Разпознаването на реч е толкова добро, колкото е добър аудиозаписът. Три неща имат най-голямо значение: разстоянието, шумът и припокриването на гласове. Дръжте микрофона на 10–20 см от устата си; телефон, държан близо, е по-добър от лаптоп от другата страна на масата. Изключете вентилаторите, затворете прозореца и избягвайте помещения със силно ехо.
Говорете с нормално темпо и довършвайте изреченията – моделът използва контекста, затова недовършените изречения и паразитните думи водят до по-лош текст от малко по-бавната, но завършена реч. При интервюта помолете хората да не говорят едновременно; припокриващата се реч е най-трудният случай за всяка система за разпознаване.
Прослушайте предварителния преглед, преди да започнете. Ако индикаторът за нивото едва се движи или постоянно е на максимум, запишете отново, вместо да се надявате, че транскрипцията ще се получи правилно.
Типични приложения на преобразуването на реч в PDF
Този инструмент се използва от учители, подкастъри, журналисти и всички, които мислят по-бързо, когато говорят, отколкото когато пишат на клавиатура: за съставяне на имейл или статия чрез говорене, записване на протоколи от срещи, превръщане на лекция или гласова бележка в бележки с възможност за търсене, транскрибиране на отговори от интервюта за проучвания и получаване на четима версия на гласово съобщение, което не може да бъде възпроизведено в момента.
Тъй като Whisper разпознава езика автоматично, същата страница работи за диктовка на немски, гласова бележка на испански или лекция на английски без никакви настройки. Транскрипцията не се превежда – тя се изписва на езика, на който е говорено.
За аудио, което вече съществува като файл – подкасти, лекции, разговори – инструментите за конвертиране на аудио в текст и MP3 в текст на този сайт използват същата система със същите опции.
Какво не прави този инструмент
Инструментът не превежда: транскрипциите са на говоримия език. Не създава времеви маркери за субтитри – за SRT или VTT файлове използвайте конверторите за субтитри на този сайт. Не разпознава говорителите по име, а само отчита смяната на говорителя, когато е включено разпознаването на говорители. Освен това не може да възстанови думи, които не се чуват в записа.
Собствените имена, имената на продукти и редките съкращения са най-честите грешки; обикновено е достатъчен бърз преглед на резултата с внимание към тях, за да се редактира чист запис.
FAQ
Често задавани въпроси
Колко точен е транскриптът?
При ясен запис и един говорител Whisper обикновено разпознава правилно над 90 % от думите на основните езици, включително пунктуацията. Точността намалява при силен фонов шум, когато няколко души говорят едновременно, при много тих звук или силен диалект – съветите за запис по-долу помагат повече от всяка настройка.
Кои езици се поддържат?
Whisper разпознава приблизително 100 езика и автоматично избира езика от първите секунди на аудиото, така че не е необходимо да настройвате нищо. Записи със смесени езици се транскрибират на преобладаващия език. Транскрипцията се изписва на говорения език; не се превежда.
Аудиото качва ли се, докато говоря?
Не. Записвачът запазва аудиото в браузъра Ви, докато не натиснете бутона в диалоговия прозорец. Ако отмените или затворите раздела, нищо не се изпраща. Качените файлове и транскрипциите се изтриват автоматично след обработката.
Колко дълъг може да бъде записът?
Рекордерът в браузъра спира след 30 минути; качените файлове могат да бъдат по-дълги. Времето за обработка се увеличава с продължителността на аудиото, а разпознаването на говорители добавя приблизително още толкова време.
Какво прави „Откриване на множество говорители“?
Преди транскрибирането се изпълнява стъпка за разпознаване на говорителите и се добавя маркер при всяка смяна на говорителя. Използвайте я за интервюта, срещи и подкасти; оставете я изключена за диктовки и гласови бележки, където само добавя време за изчакване.
Как изглежда PDF файлът?
Обикновен документ A4 с транскрипцията като избираем текст – без графики в горния колонтитул и без воден знак. Предназначен е за архивиране, отпечатване или прикачване към имейл; ако искате да редактирате текста, инструментът за преобразуване на реч в текст на този сайт предоставя същата транскрипция като .txt файл.