Tietosuoja etusijalla
Ladatut tiedostot poistetaan automaattisesti ja pysyvästi kahden tunnin kuluessa.
Automaattinen poistaminen
Puhe tekstiksi
Sanele sanelu, kerronta, luentomuistiinpanot, haastatteluvastaukset tai nopea ääniselostus suoraan selaimeen tai lataa tallenne, niin saat sanat raakatekstitiedostona (.txt, UTF 8). Puheentunnistus perustuu avoimen lähdekoodin Whisper-puheentunnistusmalliin omilla palvelimillamme – noin 100 kielellä, jotka tunnistetaan automaattisesti.
-
Nauhoita: Puhu selaimen tallentimeen – enintään 30 minuuttia kerrallaan – tai lataa MP3-, WAV-, M4A-, AAC-, OGG-, FLAC- tai WebM-tiedosto.
-
Litteroi: Whisper kirjoittaa sanat välimerkkien kera; halutessasi voit merkitä puhujavaihdokset haastatteluissa ja kokouksissa. Tuloste: pelkkää tekstiä sisältävä tiedosto (.txt, UTF 8).
-
Yksityinen: mitään ei lähetetä palvelimelle ennen vahvistustasi. Ääni ja tekstijäljennös poistetaan automaattisesti käsittelyn jälkeen, viimeistään muutaman tunnin kuluessa.
Puheentunnistus
Näin puheen muuntaminen tekstiksi toimii
Sivulla yhdistyvät selaimessa toimiva tallennin ja GPU pohjainen puheentunnistuksen taustajärjestelmä. Tallennus hyödyntää Chromeen, Firefoxiin, Edgeen ja Safariin sisäänrakennettua MediaRecorder-rajapintaa; tunnistuksesta vastaa Whisper, OpenAI:n julkaisema avoimen lähdekoodin malli, joka toimii omalla laitteistollamme kolmannen osapuolen API:n sijaan.
Converter App: käyttöohjeet
1
Nauhoita tai lataa tiedosto
Paina ”Tallenna mikrofonilla”, salli käyttöoikeus kerran ja puhu. Ajastin ja tasomittari vahvistavat, että ääntä vastaanotetaan. Voit myös ladata olemassa olevan äänitteen – minkä tahansa puhelimen äänimuistiinpanot käyvät.
2
Tarkista ja aloita
Kuuntele tallenne valintaikkunassa. Ota haastatteluja ja kokouksia varten käyttöön ”Tunnista useita puhujia” (se merkitsee puhujat, mutta kestää huomattavasti pidempään). Aloita sitten litterointi.
3
Lataa tekstiversio
Edistyminen näkyy mallin käsitellessä tiedostoa; muutaman minuutin puhe käsitellään yleensä reilusti alle minuutissa. Lataa tulossivulta pelkkää tekstiä sisältävä tiedosto (.txt, UTF 8).
Tärkeimmät ominaisuudet
Whisper taustalla
Whisper on koulutettu 680 000 tunnin monikielisellä ääniaineistolla, ja se käsittelee aksentteja, taustamelua ja teknistä sanastoa huomattavasti paremmin kuin muutaman vuoden takaiset sanelumoottorit. Kieli tunnistetaan automaattisesti.
Puhujan tunnistus pyynnöstä
Keskusteluissa valinnainen puhujantunnistus merkitsee puhujan vaihtumiset tekstijulkaisuun. Se lähes kaksinkertaistaa käsittelyajan, ამიტომ se on oletusarvoisesti poistettu käytöstä.
Tekstitulos, joka sopii työnkulkuusi
Litterointi tallennetaan tavallisena UTF 8 tekstitiedostona, jossa on normaali välimerkitys ja kappalejaot, joten se avautuu missä tahansa tekstieditorissa, tekstinkäsittelyohjelmassa tai muistiinpanosovelluksessa ja voidaan liittää minne tahansa.
Ilmainen ja yksityinen
Ei tiliä, ei vesileimaa, ei kokeilurajoitusta. Tallenne ei poistu laitteeltasi ennen kuin vahvistat, ja ääni sekä tekstijäljennös poistetaan automaattisesti käsittelyn jälkeen.
Kokemus ja tietosuoja
Suunniteltu luotettaviin transkriptiotyöskentelyihin.
Suunniteltu insinöörien toimesta, joilla on yli 10 vuoden kokemus laajamittaisesta infrastruktuurista, tietojärjestelmistä ja tieteellisestä laskennasta. Suunniteltu todellisiin äänenkäsittelytyövirtoihin, joissa yksityisyys, luotettava käsittely ja käytännöllinen käytettävyys ovat tärkeitä.
Käyttäjien luottama
Arvosteltu 5 tähdellä palvelussa Trustpilot nopeudesta, luotettavuudesta ja helppokäyttöisyydestä.
Käyttäjien luottamus
Akateeminen käyttö
Mainittu julkaistuissa tutkimuksissa ja käytetty haastattelujen litterointiin sekä laadulliseen data-analyysiin.
Tutkimuskäyttö
Miten puhe muuttuu tekstiksi tällä sivulla
Selaimesi tallentaa mikrofonin äänen Opus-muodossa (Chrome, Firefox, Edge) tai AAC muodossa (Safari) ja säilyttää sen muistissa. Kun vahvistat, tiedosto lähetetään HTTPS yhteyden kautta yhdelle puheentunnistuspalvelimistamme.
Palvelimella ffmpeg purkaa äänen, ja Whisper – avoimen lähdekoodin puheentunnistusmalli – muuntaa sen tekstiksi yhdellä käsittelykerralla välimerkkeineen ja lausejakoineen. Jos puhujantunnistus on käytössä, puhujanerottelumalli jakaa äänen ensin puhujittain, ja tekstinnös merkitään sen mukaisesti.
Tekstinnös tallennetaan tavallisena UTF 8 tekstitiedostona normaaleine välimerkkeineen ja kappalejakoineen, joten se avautuu missä tahansa tekstieditorissa, tekstinkäsittelyohjelmassa tai muistiinpanosovelluksessa ja voidaan liittää minne tahansa. Tulossivulla voit ladata sen; ääni ja tekstinnös poistetaan automaattisesti sen jälkeen.
Tallennusvinkit, jotka ovat tärkeämpiä kuin mikään asetus
Puheentunnistus on vain niin hyvä kuin äänenlaatu. Kolme asiaa vaikuttaa eniten: etäisyys, melu ja päällekkäinen puhe. Pidä mikrofoni 10–20 cm päässä suusta; lähellä pidettävä puhelin toimii paremmin kuin pöydän toisella puolella oleva kannettava tietokone. Sammuta tuulettimet, sulje ikkuna ja vältä voimakkaasti kaikuvia tiloja.
Puhu normaalilla nopeudella ja vie lauseet loppuun – malli hyödyntää asiayhteyttä, joten puolikkaat lauseet ja täytesanat tuottavat huonompaa tekstiä kuin hieman hitaampi, kokonainen puhe. Pyydä haastatteluissa osallistujia olemaan puhumatta päällekkäin; päällekkäinen puhe on vaikein tilanne mille tahansa puheentunnistimelle.
Kuuntele esikatselu ennen aloittamista. Jos tasomittari tuskin liikkuu tai pysyy jatkuvasti täydellä tasolla, tallenna ääni uudelleen sen sijaan, että toivoisit litteroinnin onnistuvan oikein.
Tyypillisiä puheen tekstiksi muuntamisen käyttötapoja
Tätä työkalua käyttävät opettajat, podcastien tekijät, toimittajat ja kaikki, jotka ajattelevat ääneen nopeammin kuin näppäimistöllä: sähköpostin tai artikkelin luonnosteluun puhumalla, kokousmuistioiden tallentamiseen, luennon tai äänimuistion muuttamiseen haettaviksi muistiinpanoiksi, haastatteluvastausten litterointiin tutkimusta varten sekä sellaisen ääniviestin luettavan version saamiseen, jota ei voi juuri nyt toistaa.
Koska Whisper tunnistaa kielen automaattisesti, sama sivu toimii ilman asetuksia saksankieliselle sanelulle, espanjankieliselle äänimuistiolle tai englanninkieliselle luennolle. Litterointia ei käännetä – se kirjoitetaan puhutulla kielellä.
Jo tiedostona olevalle äänelle – podcasteille, luennoille ja puheluille – tämän sivuston ääni tekstiksi- ja MP3 tekstiksi -muuntimet käyttävät samaa älykästä järjestelmää samoilla asetuksilla.
Mitä tämä työkalu ei tee
Se ei käännä: litteroinnit ovat puhutulla kielellä. Se ei luo tekstitysten ajoituksia – käytä tämän sivuston tekstitysmuuntimia SRT- tai VTT tiedostoille. Se ei tunnista puhujia nimeltä, vaan ainoastaan puhujan vaihtumisen, kun puhujantunnistus on käytössä. Se ei myöskään pysty palauttamaan sanoja, joita ei kuulu tallenteesta.
Erisnimet, tuotenimet ja harvinaiset lyhenteet aiheuttavat yleisimpiä virheitä; puhtaan tallenteen tulokseen riittää yleensä nopea läpiluku nämä huomioiden.
FAQ
Usein kysytyt kysymykset
Kuinka tarkka tekstiksi muunnos on?
Selkeässä tallenteessa, jossa puhuu yksi henkilö, Whisper tunnistaa tavallisesti selvästi yli 90 % sanoista oikein tärkeimmillä kielillä, myös välimerkit huomioiden. Tarkkuus heikkenee voimakkaan taustamelun, päällekkäin puhuvien henkilöiden, hyvin hiljaisen äänen tai vahvan murteen vuoksi – alla olevista tallennusvinkeistä on enemmän apua kuin mistään asetuksista.
Mitä kieliä tuetaan?
Whisper tunnistaa noin 100 kieltä ja valitsee kielen automaattisesti äänen ensimmäisten sekuntien perusteella, joten mitään ei tarvitse määrittää. Sekakieliset tallenteet litteroidaan hallitsevalla kielellä. Tekstitys kirjoitetaan puhutulla kielellä, eikä sitä käännetä.
Ladataanko ääni puhuessani?
Ei. Tallennin säilyttää äänen selaimessanne, kunnes painatte valintaikkunan painiketta. Jos peruutatte tai suljette välilehden, mitään ei lähetetä. Ladatut tiedostot ja tekstijäljennökset poistetaan automaattisesti käsittelyn jälkeen.
Kuinka pitkä tallenne voi olla?
Selaimessa toimiva tallennin pysähtyy 30 minuutin kuluttua; ladatut tiedostot voivat olla pidempiä. Käsittelyaika kasvaa äänen pituuden myötä, ja puhujantunnistus lisää siihen suunnilleen saman verran aikaa.
Mitä ”Tunnista useita puhujia” tekee?
Se suorittaa puhujien erottelun ennen litterointia ja lisää merkinnän aina, kun puhuja vaihtuu. Käytä sitä haastatteluissa, kokouksissa ja podcasteissa; jätä se pois käytöstä saneluissa ja äänimuistiinpanoissa, joissa se vain pidentää odotusaikaa.
Voinko muokata tekstiä jälkikäteen?
Kyllä – tuloksena on pelkkä .txt-tiedosto. Avaa se missä tahansa tekstieditorissa, korjaa nimet tai tekniset termit, jotka malli tulkitsi väärin, ja liitä se tarvitsemaasi paikkaan. Erisnimet ja harvinaiset lyhenteet ovat yleisimpiä tarkistettavia asioita.