Soukromí na prvním místě
Nahrané soubory jsou automaticky a trvale smazány do dvou hodin.
Automatické smazání
Převod řeči na TXT
Diktujte poznámky, komentář, poznámky z přednášky, odpovědi z rozhovoru nebo rychlý voice-over přímo do prohlížeče, případně nahrajte nahrávku, a získejte slova jako soubor prostého textu (.txt, UTF 8). Přepis probíhá pomocí Whisperu, open-source modelu pro rozpoznávání řeči, na našich vlastních serverech – přibližně ve 100 jazycích, které jsou automaticky rozpoznány.
-
Nahrávání: Mluvte do rekordéru v prohlížeči – až 30 minut na jednu nahrávku – nebo nahrajte soubor MP3, WAV, M4A, AAC, OGG, FLAC či WebM.
-
Přepis: Whisper zapíše slova včetně interpunkce; u rozhovorů a schůzek lze volitelně označit změny mluvčích. Výstup: textový soubor (.txt, UTF 8).
-
Soukromí: Dokud převod nepotvrdíte, nic se nenahraje. Zvukový soubor a přepis se po zpracování automaticky odstraní, nejpozději během několika hodin.
Přepisování
Jak funguje převod řeči na TXT
Stránka kombinuje rekordér v prohlížeči s GPU backendem pro přepis řeči. Nahrávání využívá 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 přes API třetí strany.
Jak používat Converter App
1
Nahrát nebo nahrát soubor
Klikněte na „Nahrát pomocí mikrofonu“, jednou povolte přístup a začněte mluvit. Časovač a ukazatel úrovně potvrdí, že je zvuk zaznamenáván. Můžete také nahrát existující nahrávku – hlasové poznámky z libovolného telefonu jsou v pořádku.
2
Zkontrolovat a spustit
Poslechněte si nahrávku v dialogovém okně. U rozhovorů a schůzek zapněte možnost „Rozpoznat více mluvčích“ (označí, kdo mluví, ale bude to trvat znatelně déle). Poté spusťte přepis.
3
Stáhnout přepis
Průběh se zobrazuje během práce modelu; několik minut řeči obvykle zabere výrazně méně než minutu. Na stránce s výsledkem si stáhněte soubor s prostým textem (.txt, UTF 8).
Klíčové funkce
Whisper pod kapotou
Whisper je natrénován na 680 000 hodinách vícejazyčného zvuku a zvládá přízvuky, hluk na pozadí i technickou slovní zásobu mnohem lépe než diktovací systémy před několika lety. Jazyk je rozpoznán automaticky.
Detekce mluvčích na vyžádání
U konverzací volitelná detekce mluvčích označuje v přepisu změny mluvčího. Přibližně zdvojnásobuje dobu zpracování, proto je ve výchozím nastavení vypnutá.
Výstup TXT, 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
Žádný účet, žádný vodoznak, žádné omezení počtu zkušebních použití. 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 TXT
Váš prohlížeč zaznamená zvuk z mikrofonu ve formátu Opus (Chrome, Firefox, Edge) nebo AAC (Safari) a uchová ho v paměti. Po potvrzení se soubor přes HTTPS nahraje na jeden z našich serverů pro přepis.
Na serveru ffmpeg zvuk dekóduje a Whisper – open-source model pro rozpoznávání řeči – jej na jeden průchod převede na text včetně interpunkce a rozdělení vět. Pokud je zapnuta detekce mluvčích, model pro diarizaci nejprve rozdělí zvuk podle mluvčích a přepis se odpovídajícím způsobem označí.
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 smažou.
Tipy pro nahrávání, které jsou důležitější než jakékoli nastavení
Rozpoznávání řeči je jen tak dobré jako zvukový záznam. Největší rozdíl mají tři věci: vzdálenost, hluk a překrývání hlasů. Mikrofon držte 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, souvislá řeč. Při rozhovorech požádejte účastníky, aby nemluvili jeden přes druhého; překrývající se řeč je pro každý systém rozpoznávání nejtěžší případ.
Před spuštěním si poslechněte náhled. Pokud se indikátor úrovně sotva pohybuje nebo je neustále na maximu, nahrajte záznam znovu, místo abyste doufali, že přepis dopadne správně.
Typické využití převodu řeči na TXT
Tento nástroj používají učitelé, tvůrci podcastů, novináři i všichni, kdo při mluvení myslí rychleji než při psaní na klávesnici: k přípravě e-mailu nebo článku mluvením, zaznamenání zápisu z porady, převodu přednášky či hlasové poznámky na prohledávatelné poznámky, přepisu odpovědí z rozhovorů pro výzkum a získání čitelné verze hlasové zprávy, kterou si právě nelze přehrát.
Protože Whisper automaticky rozpozná jazyk, funguje stejná stránka pro německý diktát, španělskou hlasovou poznámku i anglickou přednášku bez jakéhokoli nastavování. Přepis se nepřekládá – zapisuje se v jazyce, kterým bylo mluveno.
Pro zvuk, který již existuje jako soubor – podcasty, přednášky nebo 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. Nerozpoznává mluvčí podle jména, pouze změnu mluvčího, pokud je zapnuta detekce mluvčích. A nedokáže obnovit slova, která ve nahrávce nejsou slyšitelná.
Nejčastějšími chybami jsou vlastní názvy, názvy produktů a méně běžné zkratky; čistá nahrávka obvykle vyžaduje jen rychlou kontrolu výsledku se zaměřením na tyto prvky.
FAQ
Časté dotazy
Jak přesný je přepis?
U čisté nahrávky s jedním mluvčím Whisper obvykle správně rozpozná výrazně více než 90 % slov v hlavních jazycích, včetně interpunkce. Přesnost klesá při silném hluku na pozadí, když mluví více lidí přes sebe, u velmi tichého zvuku nebo výrazného nářečí – níže uvedené tipy pro nahrávání pomohou více než jakékoli nastavení.
Které jazyky jsou podporovány?
Whisper rozpoznává přibližně 100 jazyků a automaticky vybere jazyk z prvních sekund zvuku, takže není třeba nic nastavovat. Nahrávky s více jazyky jsou přepsány do převládajícího jazyka. Přepis je vytvořen v mluveném jazyce; nepřekládá se.
Nahrává se zvuk během mého mluvení?
Ne. Nahrávka zůstává ve vašem prohlížeči, dokud v dialogovém okně nestisknete tlačítko. Pokud akci zrušíte nebo zavřete kartu, nic se neodešle. Nahrané soubory a přepisy se po zpracování automaticky odstraní.
Jak dlouhá může být nahrávka?
Nahrávání v prohlížeči se zastaví po 30 minutách; nahrané soubory mohou být delší. Doba zpracování se prodlužuje s délkou zvuku a detekce mluvčích přidá přibližně stejnou dobu navíc.
Co dělá funkce „Rozpoznat více mluvčích“?
Před přepisem provede krok diarizace 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 jen prodloužil čekání.
Proč soubor .txt a ne dokument Word?
Prostý text je nejuniverzálnější výstup: otevřete jej na každém zařízení, snadno jej vložíte do poznámek, e-mailů, editorů CMS i chatu a zabírá minimum místa. Pokud potřebujete formátovaný dokument, vložte text do textového procesoru nebo použijte nástroj pro převod řeči do PDF na tomto webu.