Поверителността на първо място
Качените файлове се изтриват автоматично и окончателно в рамките на два часа.
Автоматично изтриване
Глас в TXT
Диктувайте гласова бележка, напомняне, съобщение за колега или кратък меморандум директно в браузъра или качете запис и получете думите като обикновен текстов файл (.txt, UTF 8). Транскрибирането се извършва с Whisper – модела с отворен код за разпознаване на реч – на нашите собствени сървъри на около 100 езика, които се разпознават 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 говорещия при интервюта и срещи. Изход: 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.
Транскрипция
Как работи преобразуването на глас в TXT
Страницата съчетава рекордер в браузъра с GPU система за транскрипция. 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 файл
Натиснете „Запис с микрофона“, разрешете достъп еднократно и говорете. Таймер и индикатор за нивото потвърждават, че се получава звук. Или качете съществуващ запис – гласови бележки от всеки телефон са подходящи.
2
Проверете и започнете
Прослушайте записа в диалоговия прозорец. Включете „Откриване на няколко говорещи“ 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 под минута. Изтеглете текстов файл (.txt, UTF 8) от страницата с резултатите.
Основни функции
Whisper в основата си
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 заявка
За разговори незадължителното разпознаване на говорители обозначава смените на говорещия в транскрипцията. То приблизително удвоява времето за обработка, затова по подразбиране е изключено.
TXT изход, който се вписва във Вашия работен процес
Транскрипцията се записва като обикновен текстов файл UTF 8 с нормална пунктуация и нови абзаци, така че се отваря във всеки текстов редактор, текстообработваща програма или приложение за бележки и може да бъде поставена навсякъде.
Безплатно и поверително
Без акаунт, без воден знак, без брояч на пробния период. Записът никога не напуска устройството Ви, 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 гласът се превръща в TXT на тази страница
Вашият браузър записва 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 преобразува в текст с едно преминаване, включително с пунктуация и разделяне на изреченията. Ако е включено разпознаването на говорители, модел за диаризация първо разделя аудиото по говорители и транскрипцията се анотира съответно.
Транскрипцията се запазва като обикновен UTF 8 текстов файл с нормална пунктуация и разделяне на 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; след това аудиото и транскрипцията се изтриват автоматично.
Съвети за запис, 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-неточен текст от малко по-бавната, но завършена реч. При интервюта помолете хората да не говорят един през друг; 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 максимална стойност, запишете отново, вместо да се надявате транскрипцията да излезе правилно.
Типични приложения на преобразуването на глас в TXT
Този инструмент се използва от хора, които предпочитат да говорят, вместо да пишат, или се нуждаят от гласово съобщение извън приложение за чат: за съставяне на имейл или статия чрез говорене, записване на протокол от среща, превръщане на лекция или гласова бележка в бележки с възможност за търсене, транскрибиране на отговори от интервю за проучване и получаване на четима версия на гласово съобщение, което в момента не може да бъде възпроизведено.
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 от аудио към текст и от MP3 към текст на този сайт използват същата система със същите опции.
Какво не прави този инструмент
Инструментът не превежда: транскрипциите са на езика на записа. Не създава времеви маркери за субтитри – за SRT или VTT файлове използвайте конверторите за субтитри на този сайт. Не разпознава говорещите по име, а само отчита смяната на говорещия, когато е включено разпознаването на говорещи. Също така 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 достатъчно бързо да прегледате резултата с оглед на тях, за да редактирате 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, няколко души, говорещи 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 задавате нищо. Записи с няколко езика се транскрибират на преобладаващия език. Транскрипцията се изписва на говорения език; тя 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 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 извършва разпознаване на говорителите и се добавя маркер при всяка смяна на говорителя. Използвайте тази функция за интервюта, срещи и подкасти; оставете я изключена за диктовки и гласови бележки, тъй като 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 заема минимално място. Ако Ви е необходим форматиран документ, поставете текста в текстообработващата си програма или използвайте инструмента за преобразуване на говор в PDF на този сайт.