Поверителността на първо място
Качените файлове се изтриват автоматично и окончателно в рамките на два часа.
Автоматично изтриване
Конвертиране на реч в TXT
Диктувайте бележки, разказ, лекционни записки, отговори от интервю или кратък глас зад кадър директно в браузъра или качете запис и получете думите като обикновен текстов файл (.txt, UTF 8). Транскрипцията се извършва с Whisper – модела с отворен код за разпознаване на реч – на нашите собствени сървъри на приблизително 100 езика, разпознавани автоматично.
-
Запис: Говорете в рекордера на браузъра – до 30 минути на запис – или качете MP3, WAV, M4A, AAC, OGG, FLAC или WebM.
-
Транскрибиране: Whisper изписва думите с пунктуация; по желание отбелязва смяната на говорителя при интервюта и срещи. Резултат: обикновен текстов файл (.txt, UTF 8).
-
Поверително: Нищо не се качва, докато не потвърдите. Аудиофайлът и транскрипцията се изтриват автоматично след обработката, най-късно в рамките на няколко часа.
Транскрибиране
Как работи преобразуването на реч в TXT
Страницата съчетава рекордер в браузъра с GPU система за транскрибиране. Записът 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. Таймер и индикатор за нивото потвърждават, че постъпва звук. Или качете съществуващ запис – гласови бележки от всеки телефон са подходящи.
2
Проверете и започнете
Прослушайте записа в диалоговия прозорец. Включете „Разпознаване на няколко 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; обработката на няколко минути говор обикновено отнема значително под минута. Изтеглете обикновен текстов файл (.txt, UTF 8) от страницата с резултата.
Основни функции
Whisper в основата
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 говорителя при поискване
За разговори незадължителното разпознаване на говорители обозначава смяната на говорещия в транскрипцията. То приблизително удвоява времето за обработка, затова по подразбиране е изключено.
TXT изход, който отговаря на вашия работен процес
Транскрипцията се запазва като обикновен текстов файл UTF 8 с нормална пунктуация и нови абзаци, така че се отваря във всеки редактор, текстообработваща програма или приложение за бележки и може да бъде поставена навсякъде.
Безплатно и поверително
Без акаунт, без воден знак, без ограничение за пробен период. Записът не напуска Вашето устройство, докато не потвърдите, а аудиофайлът 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 TXT на тази страница
Вашият браузър записва звука от 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 с отворен код за разпознаване на реч – го превръща в текст в един етап, включително с пунктуация и разделяне на изреченията. Ако е включено разпознаването на говорители, модел за диаризация първо разделя аудиото по говорители, а транскрипцията се анотира съответно.
Транскрипцията се записва като обикновен UTF 8 текстов файл с нормална пунктуация и абзаци, така че се отваря във всеки текстов редактор, текстообработваща програма или приложение за бележки и може да бъде поставена навсякъде. Страницата с резултата Ви позволява да я изтеглите; аудиото и транскрипцията се изтриват автоматично след това.
Съвети за запис, които са по-важни от всяка настройка
Разпознаването на реч е толкова добро, колкото е добър звукът. Най-голямо значение имат три неща: разстоянието, шумът и припокриването на говорещите. Дръжте микрофона на 10–20 см от устата си; телефон, държан близо, е по-добър от лаптоп от другия край 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-неточен текст в сравнение с малко по-бавна, 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 за преобразуване на реч в TXT
Този инструмент се използва от преподаватели, подкастъри, журналисти и всеки, който мисли по-бързо, когато говори, отколкото когато пише 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 в момента не може да бъде прослушано.
Тъй като Whisper разпознава езика автоматично, една и съща страница работи за немска диктовка, испанска гласова бележка 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 – конверторите за аудио в текст и MP3 в текст на този сайт използват същата система със същите опции.
Какво не прави този инструмент
Не превежда: транскрипциите са на говоримия език. Не създава времеви отметки за субтитри – за SRT или VTT файлове използвайте конверторите за субтитри на този сайт. Не разпознава говорещите по име, а само при смяна на говорещия, когато е включено разпознаването на говорещи. 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 преписът?
При ясен запис с един говорител Whisper обикновено разпознава правилно над 90 % от думите на основните езици, включително пунктуацията. Точността намалява при силен фонов шум, няколко души, които говорят едновременно, много тихо аудио или силен диалект – съветите за запис по-долу помагат повече от която и да е 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 записва на говорения език; не се превежда.
Аудиото качва ли се, докато говоря?
Не. Рекордерът запазва аудиото във Вашия браузър, докато не натиснете бутона в диалоговия прозорец. Ако отмените действието или затворите раздела, нищо не се изпраща. Качените файлове и транскрипциите се изтриват автоматично след обработката.
Колко дълъг може да бъде записът?
Записът 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 няколко говорители“?
Преди транскрибирането се извършва разпознаване на говорителите и се добавя маркер при всяка смяна на говорителя. Използвайте го за интервюта, срещи и подкасти; оставете го изключено за диктовки и гласови бележки, където само увеличава времето за изчакване.
Защо .txt файл, а не Word документ?
Обикновеният текст е най-универсалният резултат: отваря се на всяко устройство, поставя се безпроблемно в бележки, имейли, CMS редактори и чатове и е с много малък размер. Ако Ви е необходим форматиран документ, поставете текста в текстообработващата си програма или използвайте инструмента за преобразуване на реч в PDF на този сайт.