गोपनीयता पहले
अपलोड की गई फ़ाइलें दो घंटे के भीतर स्वचालित रूप से और स्थायी रूप से हटा दी जाती हैं।
स्वचालित हटाना
स्पीच को PDF में कन्वर्ट करें
डिक्टेशन, नैरेशन, लेक्चर नोट्स, इंटरव्यू के जवाब या त्वरित वॉइस-ओवर सीधे ब्राउज़र में बोलकर रिकॉर्ड करें, या कोई रिकॉर्डिंग अपलोड करें, और शब्दों को PDF दस्तावेज़ के रूप में प्राप्त करें। ट्रांसक्रिप्शन हमारे अपने सर्वरों पर ओपन-सोर्स स्पीच रिकग्निशन मॉडल Whisper के माध्यम से होता है – लगभग 100 भाषाओं में, जिनका पता अपने-आप लगाया जाता है।
-
रिकॉर्ड करें: ब्राउज़र रिकॉर्डर में बोलें – हर टेक के लिए अधिकतम 30 मिनट तक – या MP3, WAV, M4A, AAC, OGG, FLAC या WebM अपलोड करें।
-
ट्रांसक्राइब करें: Whisper विराम-चिह्नों के साथ शब्द लिखता है; इंटरव्यू और मीटिंग के लिए स्पीकर परिवर्तन को वैकल्पिक रूप से चिह्नित करें। आउटपुट: एक PDF दस्तावेज़।
-
निजी: आपके पुष्टि करने तक कुछ भी अपलोड नहीं किया जाता। प्रोसेसिंग के बाद ऑडियो और ट्रांसक्रिप्ट अपने-आप हटा दिए जाते हैं, अधिकतम कुछ घंटों के भीतर।
ट्रांसक्रिप्शन
स्पीच को PDF में कन्वर्ट करना कैसे काम करता है
यह पेज ब्राउज़र में ही चलने वाले रिकॉर्डर को GPU ट्रांसक्रिप्शन बैकएंड के साथ जोड़ता है। रिकॉर्डिंग के लिए Chrome, Firefox, Edge और Safari में मौजूद MediaRecorder इंटरफ़ेस का उपयोग किया जाता है; पहचान के लिए OpenAI द्वारा प्रकाशित ओपन-सोर्स मॉडल Whisper का उपयोग होता है, जो किसी तृतीय-पक्ष API के बजाय हमारे अपने हार्डवेयर पर चलता है।
Converter App का उपयोग कैसे करें
1
रिकॉर्ड करें या अपलोड करें
"अपने माइक्रोफ़ोन से रिकॉर्ड करें" दबाएँ, एक बार एक्सेस की अनुमति दें और बोलें। टाइमर और लेवल मीटर पुष्टि करते हैं कि ऑडियो आ रहा है। या मौजूदा रिकॉर्डिंग अपलोड करें – किसी भी फ़ोन के वॉइस मेमो ठीक हैं।
2
जाँचें और शुरू करें
डायलॉग में रिकॉर्डिंग सुनें। इंटरव्यू और मीटिंग के लिए "एकाधिक वक्ताओं का पता लगाएँ" चालू करें (यह कौन बोल रहा है, उसे चिह्नित करता है, लेकिन इसमें अधिक समय लगता है)। फिर ट्रांसक्रिप्शन शुरू करें।
3
ट्रांसक्रिप्ट डाउनलोड करें
मॉडल के काम करने के दौरान प्रगति दिखाई जाती है; कुछ मिनट के भाषण को संसाधित करने में आमतौर पर एक मिनट से भी कम समय लगता है। परिणाम पृष्ठ से PDF दस्तावेज़ डाउनलोड करें।
मुख्य विशेषताएँ
अंदर से Whisper तकनीक द्वारा संचालित
Whisper को 680,000 घंटे के बहुभाषी ऑडियो पर प्रशिक्षित किया गया है और यह कुछ साल पहले के डिक्टेशन इंजनों की तुलना में उच्चारण, बैकग्राउंड शोर और तकनीकी शब्दावली को कहीं बेहतर ढंग से संभालता है। भाषा का पता अपने आप लग जाता है।
अनुरोध पर वक्ता पहचान
बातचीत के लिए, वैकल्पिक स्पीकर पहचान ट्रांसक्रिप्ट में वक्ता के बदलावों को लेबल करती है। इससे प्रोसेसिंग समय लगभग दोगुना हो जाता है, इसलिए यह डिफ़ॉल्ट रूप से बंद रहती है।
आपके कार्यप्रवाह के अनुकूल PDF आउटपुट
ट्रांसक्रिप्ट को पहले टेक्स्ट के रूप में लिखा जाता है और फिर LibreOffice के साथ PDF के रूप में तैयार किया जाता है – चयन योग्य टेक्स्ट वाला एक साधारण, प्रिंट करने योग्य दस्तावेज़, जिसमें कोई स्कैन या छवियाँ नहीं होतीं।
निःशुल्क और निजी
कोई खाता नहीं, कोई वॉटरमार्क नहीं, कोई ट्रायल सीमा नहीं। आपकी पुष्टि करने तक रिकॉर्डिंग आपके डिवाइस से बाहर नहीं जाती, और प्रोसेसिंग के बाद ऑडियो और ट्रांसक्रिप्ट अपने-आप हटा दिए जाते हैं।
अनुभव और गोपनीयता
विश्वसनीय ट्रांसक्रिप्शन वर्कफ़्लो के लिए बनाया गया।
बड़े पैमाने के इन्फ्रास्ट्रक्चर, डेटा सिस्टम और वैज्ञानिक कंप्यूटिंग में 10+ वर्षों के अनुभव वाले इंजीनियरों द्वारा विकसित। वास्तविक-विश्व ऑडियो वर्कफ़्लो के लिए डिज़ाइन किया गया, जहाँ गोपनीयता, भरोसेमंद प्रोसेसिंग और व्यावहारिक उपयोगिता महत्वपूर्ण हैं।
उपयोगकर्ताओं द्वारा विश्वसनीय
गति, विश्वसनीयता और उपयोग में आसानी के लिए Trustpilot पर 5 स्टार रेटिंग प्राप्त।
उपयोगकर्ता का विश्वास
शैक्षणिक उपयोग
प्रकाशित शोध में संदर्भित और साक्षात्कार ट्रांसक्रिप्शन तथा गुणात्मक डेटा विश्लेषण के लिए उपयोग किया गया।
शोध उपयोग
इस पेज पर आवाज़ को PDF में कैसे बदला जाता है
आपका ब्राउज़र माइक्रोफ़ोन रिकॉर्डिंग को Opus ऑडियो (Chrome, Firefox, Edge) या AAC (Safari) के रूप में रिकॉर्ड करता है और उसे मेमोरी में रखता है। पुष्टि करने पर, फ़ाइल HTTPS के माध्यम से हमारे किसी ट्रांसक्रिप्शन सर्वर पर अपलोड की जाती है।
वहाँ, ffmpeg ऑडियो को डिकोड करता है और Whisper – एक ओपन-सोर्स वाक् पहचान मॉडल – विराम चिह्नों और वाक्य-विराम सहित उसे एक चरण में टेक्स्ट में बदल देता है। यदि स्पीकर पहचान चालू है, तो एक डायरीकरण मॉडल पहले ऑडियो को स्पीकर के अनुसार विभाजित करता है और ट्रांसक्रिप्ट को उसी के अनुसार चिह्नित किया जाता है।
ट्रांसक्रिप्ट पहले टेक्स्ट के रूप में लिखा जाता है और फिर LibreOffice के साथ PDF के रूप में तैयार किया जाता है – चयन योग्य टेक्स्ट वाला एक साधारण, प्रिंट करने योग्य दस्तावेज़, जिसमें कोई स्कैन या इमेज नहीं होती। परिणाम पेज आपको इसे डाउनलोड करने देता है; इसके बाद ऑडियो और ट्रांसक्रिप्ट अपने-आप हटा दिए जाते हैं।
रिकॉर्डिंग सुझाव जो किसी भी सेटिंग से अधिक महत्वपूर्ण हैं
वाक् पहचान की गुणवत्ता ऑडियो की गुणवत्ता पर निर्भर करती है। तीन बातें सबसे अधिक फर्क डालती हैं: दूरी, शोर और एक साथ बोलना। माइक्रोफ़ोन को अपने मुंह से 10–20 सेमी दूर रखें; पास रखे फ़ोन से रिकॉर्ड की गई आवाज़, मेज़ के दूसरी ओर रखे लैपटॉप से बेहतर होती है। पंखे बंद करें, खिड़की बंद करें और तेज़ गूंज वाले कमरों से बचें।
सामान्य गति से बोलें और वाक्य पूरे करें – मॉडल संदर्भ का उपयोग करता है, इसलिए अधूरे वाक्य और भराव शब्द, थोड़ी धीमी लेकिन पूरी बात की तुलना में खराब टेक्स्ट बनाते हैं। इंटरव्यू के लिए लोगों से कहें कि वे एक-दूसरे के ऊपर बोलने से बचें; एक साथ बोली गई आवाज़ किसी भी पहचान प्रणाली के लिए सबसे कठिन स्थिति होती है।
शुरू करने से पहले प्रीव्यू सुनें। यदि लेवल मीटर मुश्किल से हिलता है या लगातार पूरी ऊंचाई पर रहता है, तो ट्रांसक्रिप्ट सही आने की उम्मीद करने के बजाय दोबारा रिकॉर्ड करें।
स्पीच को PDF में बदलने के सामान्य उपयोग
इस टूल का उपयोग शिक्षक, पॉडकास्टर, पत्रकार और वे सभी लोग करते हैं जो कीबोर्ड पर टाइप करने की तुलना में बोलकर तेज़ सोचते हैं: बोलकर ई-मेल या लेख का मसौदा तैयार करना, मीटिंग के कार्यवृत्त दर्ज करना, व्याख्यान या वॉइस मेमो को खोजे जा सकने वाले नोट्स में बदलना, शोध के लिए इंटरव्यू के जवाबों का ट्रांसक्रिप्शन करना, और ऐसे वॉइस मैसेज का पढ़ने योग्य संस्करण प्राप्त करना जिसे अभी चलाया नहीं जा सकता।
Whisper भाषा को अपने-आप पहचान लेता है, इसलिए यही पेज बिना किसी सेटिंग के जर्मन डिक्टेशन, स्पैनिश वॉइस नोट या अंग्रेज़ी व्याख्यान के लिए काम करता है। ट्रांसक्रिप्ट का अनुवाद नहीं किया जाता—इसे उसी भाषा में लिखा जाता है जिसमें बोला गया था।
ऑडियो जो पहले से फ़ाइल के रूप में मौजूद है—जैसे पॉडकास्ट, व्याख्यान और कॉल—के लिए इस साइट के ऑडियो-से-टेक्स्ट और MP3 से-टेक्स्ट कन्वर्टर समान विकल्पों के साथ उसी इंजन का उपयोग करते हैं।
यह टूल क्या नहीं करता है
यह अनुवाद नहीं करता: ट्रांसक्रिप्ट बोली गई भाषा में होते हैं। यह सबटाइटल टाइमिंग नहीं बनाता—SRT या VTT फ़ाइलों के लिए इस साइट के सबटाइटल कन्वर्टर का उपयोग करें। स्पीकर डिटेक्शन चालू होने पर यह स्पीकर के नाम नहीं पहचानता, केवल स्पीकर बदलने का पता लगाता है। और यह रिकॉर्डिंग में सुनाई न देने वाले शब्दों को पुनर्प्राप्त नहीं कर सकता।
व्यक्तियों के नाम, उत्पादों के नाम और दुर्लभ संक्षिप्त रूप सबसे आम त्रुटियाँ होते हैं; इन्हें ध्यान में रखकर परिणाम को एक बार जल्दी से पढ़ लेना आमतौर पर साफ़ रिकॉर्डिंग के लिए आवश्यक एकमात्र संपादन होता है।
FAQ
अक्सर पूछे जाने वाले सवाल
ट्रांसक्रिप्ट कितनी सटीक है?
स्पष्ट रिकॉर्डिंग और एक वक्ता होने पर, Whisper आमतौर पर प्रमुख भाषाओं में विराम चिह्नों सहित 90% से अधिक शब्दों को सही पहचान लेता है। तेज़ पृष्ठभूमि शोर, कई लोगों के एक-दूसरे के ऊपर बोलने, बहुत धीमे ऑडियो या गहरी क्षेत्रीय बोली के साथ सटीकता कम हो जाती है – नीचे दिए गए रिकॉर्डिंग सुझाव किसी भी सेटिंग से अधिक मददगार हैं।
कौन-सी भाषाएँ समर्थित हैं?
Whisper लगभग 100 भाषाओं को पहचानता है और ऑडियो के शुरुआती कुछ सेकंड से भाषा को अपने-आप चुन लेता है, इसलिए आपको कुछ भी सेट करने की आवश्यकता नहीं है। मिश्रित-भाषा रिकॉर्डिंग का ट्रांसक्रिप्शन प्रमुख भाषा में किया जाता है। ट्रांसक्रिप्ट बोली गई भाषा में लिखा जाता है; इसका अनुवाद नहीं किया जाता।
क्या मेरे बोलते समय ऑडियो अपलोड होता है?
नहीं। रिकॉर्डर ऑडियो को आपके ब्राउज़र में तब तक रखता है, जब तक आप डायलॉग में बटन नहीं दबाते। यदि आप रद्द करते हैं या टैब बंद कर देते हैं, तो कुछ भी भेजा नहीं जाता। अपलोड की गई फ़ाइलें और ट्रांसक्रिप्ट प्रोसेसिंग के बाद अपने-आप हटा दिए जाते हैं।
रिकॉर्डिंग कितनी लंबी हो सकती है?
ब्राउज़र में रिकॉर्डर 30 मिनट बाद रुक जाता है; अपलोड की गई फ़ाइलें अधिक लंबी हो सकती हैं। प्रोसेसिंग समय ऑडियो की अवधि के साथ बढ़ता है, और स्पीकर पहचान में लगभग उतना ही अतिरिक्त समय लगता है।
"एक से अधिक वक्ताओं का पता लगाएँ" क्या करता है?
यह ट्रांसक्रिप्शन से पहले स्पीकर-डायरीकरण प्रक्रिया चलाता है और वक्ता बदलने पर एक मार्कर जोड़ता है। इसका उपयोग इंटरव्यू, मीटिंग और पॉडकास्ट के लिए करें; डिक्टेशन और वॉइस नोट्स के लिए इसे बंद रखें, क्योंकि वहाँ यह केवल प्रतीक्षा समय बढ़ाता है।
PDF कैसा दिखता है?
ट्रांसक्रिप्ट को चयन योग्य टेक्स्ट के रूप में शामिल करने वाला एक सादा A4 दस्तावेज़ – बिना हेडर ग्राफ़िक्स और बिना वॉटरमार्क के। यह फ़ाइल करने, प्रिंट करने या ई-मेल में संलग्न करने के लिए है; यदि आप शब्दों को संपादित करना चाहते हैं, तो इस साइट का स्पीच-टू-टेक्स्ट टूल आपको वही ट्रांसक्रिप्ट .txt फ़ाइल के रूप में देता है।