Soukromí na prvním místě
Nahrané soubory jsou automaticky a trvale smazány do dvou hodin.
Automatické smazání
Převod řeči na text
Diktujte diktát, vyprávění, poznámky z přednášky, odpovědi z rozhovoru nebo rychlý komentář přímo do prohlížeče, případně nahrajte nahrávku, a získejte slova jako soubor prostého textu (.txt, UTF 8). Přepis zajišťuje Whisper, open-source model pro rozpoznávání řeči, na našich vlastních serverech – přibližně ve 100 jazycích, které se rozpoznají automaticky.
-
Nahrávání: Mluvte do rekordéru v prohlížeči – až 30 minut na jeden záznam – nebo nahrajte soubor MP3, WAV, M4A, AAC, OGG, FLAC či WebM.
-
Přepis: Whisper zapíše slova včetně interpunkce; volitelně označí změny mluvčích při rozhovorech a schůzkách. Výstup: soubor ve formátu prostého textu (.txt, UTF 8).
-
Soukromí: Nic se nenahraje, dokud to nepotvrdíte. Zvukový soubor i přepis se po zpracování automaticky odstraní, nejpozději během několika hodin.
Přepisování
Jak funguje převod řeči na text
Stránka kombinuje rekordér v prohlížeči s backendem pro přepis využívajícím GPU. Nahrávání používá rozhraní MediaRecorder integrované v prohlížečích Chrome, Firefox, Edge a Safari; rozpoznávání zajišťuje Whisper, open-source model zveřejněný společností OpenAI, který běží na našem vlastním hardwaru, nikoli prostřednictvím API třetí strany.
Jak používat Converter App
1
Nahrát nebo zaznamenat
Klikněte na „Nahrávat mikrofonem“, jednou povolte přístup a začněte mluvit. Časovač a ukazatel úrovně potvrdí, že se zaznamenává zvuk. Můžete také nahrát existující nahrávku – vhodné jsou hlasové poznámky z jakéhokoli telefonu.
2
Zkontrolovat a spustit
Poslechněte si nahrávku v dialogovém okně. Pro rozhovory a schůzky zapněte možnost „Rozpoznat více mluvčích“ (označí, kdo mluví, ale zabere to výrazně více času). Poté spusťte přepis.
3
Stáhnout přepis
Průběh se zobrazuje během zpracování modelem; několik minut řeči obvykle zabere výrazně méně než minutu. Na stránce s výsledkem si stáhněte textový soubor (.txt, UTF 8).
Klíčové funkce
Technologie Whisper uvnitř
Whisper je natrénován na 680 000 hodinách vícejazyčného audia a zvládá přízvuky, hluk na pozadí i odbornou slovní zásobu mnohem lépe než diktovací systémy před několika lety. Jazyk je rozpoznán automaticky.
Detekce mluvčího na vyžádání
U konverzací volitelná detekce mluvčích označí v přepisu změny mluvčího. Přibližně zdvojnásobí dobu zpracování, proto je ve výchozím nastavení vypnutá.
Textový výstup, který se přizpůsobí vašemu pracovnímu postupu
Přepis se uloží jako prostý textový soubor UTF 8 s běžnou interpunkcí a odstavci, takže jej lze otevřít v libovolném editoru, textovém procesoru nebo aplikaci pro poznámky a vložit kamkoli.
Zdarma a soukromě
Bez účtu, bez vodoznaku, bez omezení zkušební verze. Nahrávka neopustí vaše zařízení, dokud to nepotvrdíte, a zvukový soubor i přepis se po zpracování automaticky odstraní.
Zkušenosti & soukromí
Vytvořeno pro spolehlivé pracovní postupy přepisu.
Vyvinuto inženýry s více než 10 lety zkušeností s rozsáhlou infrastrukturou, datovými systémy a vědeckými výpočty. Navrženo pro reálné pracovní postupy v oblasti audia, kde záleží na soukromí, spolehlivém zpracování a praktické použitelnosti.
Důvěřují mu uživatelé
Hodnoceno 5 hvězdičkami na Trustpilot za rychlost, spolehlivost a snadné použití.
Důvěra uživatelů
Akademické použití
Citováno v publikovaných výzkumech a používáno pro přepis rozhovorů a kvalitativní analýzu dat.
Výzkumné použití
Jak se na této stránce převádí řeč na text
Váš prohlížeč nahrává zvuk z mikrofonu ve formátu Opus (Chrome, Firefox, Edge) nebo AAC (Safari) a uchovává jej v paměti. Po potvrzení se soubor nahraje přes HTTPS na jeden z našich serverů pro přepis.
Server zde pomocí ffmpeg zvuk dekóduje a Whisper – open-source model pro rozpoznávání řeči – jej jedním průchodem převede na text včetně interpunkce a dělení vět. Pokud je zapnuta detekce mluvčích, model pro diarizaci nejprve rozdělí zvuk podle mluvčích a přepis je odpovídajícím způsobem označen.
Přepis se uloží jako prostý textový soubor UTF 8 s běžnou interpunkcí a odstavci, takže jej lze otevřít v libovolném editoru, textovém procesoru nebo aplikaci pro poznámky a vložit kamkoli. Na stránce s výsledkem si jej můžete stáhnout; zvuk i přepis se poté automaticky odstraní.
Tipy pro nahrávání, které jsou důležitější než jakékoli nastavení
Rozpoznávání řeči je jen tak dobré jako samotný zvuk. Největší rozdíl mají tři věci: vzdálenost, šum a překrývání hlasů. Držte mikrofon 10–20 cm od úst; telefon držený blízko je lepší než notebook na druhé straně stolu. Vypněte ventilátory, zavřete okno a vyhněte se místnostem se silnou ozvěnou.
Mluvte běžným tempem a dokončujte věty – model využívá kontext, takže nedokončené věty a výplňová slova vedou k horšímu textu než o něco pomalejší, ale souvislá řeč. Při rozhovorech požádejte účastníky, aby nemluvili přes sebe; překrývající se řeč je pro každý rozpoznávač nejtěžší případ.
Před zahájením si poslechněte ukázku. Pokud se indikátor úrovně sotva pohybuje nebo je neustále na maximu, nahrajte zvuk znovu, místo abyste doufali, že přepis dopadne správně.
Typické využití převodu řeči na text
Tento nástroj používají učitelé, podcasteři, novináři i každý, kdo dokáže formulovat myšlenky nahlas rychleji než na klávesnici: pro návrh e-mailu nebo článku diktováním, zachycení zápisu ze schůzky, převod přednášky nebo hlasové poznámky na poznámky s možností vyhledávání, přepis odpovědí z rozhovorů pro výzkum i získání čitelné verze hlasové zprávy, kterou si právě nelze přehrát.
Protože Whisper rozpoznává jazyk automaticky, funguje stejná stránka pro německý diktát, španělskou hlasovou poznámku i anglickou přednášku bez jakéhokoli nastavování. Přepis se nepřekládá – je vytvořen v jazyce, kterým bylo mluveno.
Pro zvuk, který již existuje jako soubor – podcasty, přednášky, hovory – používají převodníky zvuku na text a MP3 na text na tomto webu stejný systém se stejnými možnostmi.
Co tento nástroj neumí
Nepřekládá: přepisy jsou v mluveném jazyce. Nevytváří časování titulků – pro soubory SRT nebo VTT použijte převodníky titulků na tomto webu. Neidentifikuje mluvčí podle jména, pouze rozpozná změnu mluvčího, pokud je zapnuta detekce mluvčích. A nedokáže obnovit slova, která nejsou v nahrávce slyšitelná.
Vlastní jména, názvy produktů a vzácné zkratky patří mezi nejčastější chyby; u čisté nahrávky obvykle stačí výsledek rychle projít se zaměřením na tyto prvky.
FAQ
Časté dotazy
Jak přesný je přepis?
U čisté nahrávky s jedním mluvčím Whisper obvykle správně přepíše výrazně více než 90 % slov v hlavních jazycích, včetně interpunkce. Přesnost klesá při silném hluku na pozadí, pokud mluví více lidí přes sebe, u velmi tichého zvuku nebo výrazného dialektu – níže uvedené tipy pro nahrávání pomohou více než jakékoli nastavení.
Které jazyky jsou podporovány?
Whisper rozpozná přibližně 100 jazyků a jazyk automaticky určí z prvních sekund zvuku, takže není potřeba nic nastavovat. Nahrávky s více jazyky jsou přepsány v převažujícím jazyce. Přepis je vytvořen v mluveném jazyce; není přeložen.
Nahrává se zvuk během mluvení?
Ne. Záznamník uchovává zvuk ve vašem prohlížeči, dokud v dialogovém okně nestisknete tlačítko. Pokud akci zrušíte nebo kartu zavřete, nic se neodešle. Nahrané soubory a přepisy se po zpracování automaticky odstraní.
Jak dlouhý může být záznam?
Záznamník v prohlížeči se zastaví po 30 minutách; nahrané soubory mohou být delší. Doba zpracování se prodlužuje s délkou audia a rozpoznání mluvčích přidá přibližně stejnou dobu navíc.
Co dělá funkce „Rozpoznat více mluvčích“?
Před přepisem provede rozlišení mluvčích a při každé změně mluvčího vloží značku. Použijte jej pro rozhovory, schůzky a podcasty; pro diktování a hlasové poznámky jej nechte vypnutý, protože by pouze prodloužil dobu čekání.
Mohu text následně upravit?
Ano – výsledkem je obyčejný soubor .txt. Otevřete jej v libovolném editoru, opravte názvy nebo technické termíny, které model nesprávně rozpoznal, a vložte jej tam, kde jej potřebujete. Vlastní jména a méně běžné zkratky jsou nejčastějšími věcmi, které je třeba zkontrolovat.