गोपनीयता पहले
अपलोड की गई फ़ाइलें दो घंटे के भीतर स्वचालित रूप से और स्थायी रूप से हटा दी जाती हैं।
स्वचालित हटाना
वॉइस को TXT में कन्वर्ट करें
ब्राउज़र में सीधे वॉइस नोट, रिमाइंडर, सहकर्मी के लिए संदेश या छोटा मेमो बोलकर रिकॉर्ड करें, या कोई रिकॉर्डिंग अपलोड करें, और शब्दों को सादे टेक्स्ट फ़ाइल (.txt, UTF 8) के रूप में प्राप्त करें। ट्रांसक्रिप्शन हमारे अपने सर्वरों पर ओपन-सोर्स स्पीच रिकग्निशन मॉडल Whisper से होता है—लगभग 100 भाषाओं में, जिनका स्वतः पता लगाया जाता है।
-
रिकॉर्ड करें: ब्राउज़र रिकॉर्डर में बोलें – हर रिकॉर्डिंग में 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 वैकल्पिक रूप से वक्ता परिवर्तन चिह्नित करें। आउटपुट: एक सादा टेक्स्ट फ़ाइल (.txt, UTF 8)।
-
निजी: आपकी पुष्टि किए बिना कुछ भी अपलोड नहीं किया जाता। प्रोसेसिंग के बाद ऑडियो और ट्रांसक्रिप्ट अपने-आप हटा दिए जाते हैं, अधिकतम कुछ घंटों के भीतर।
ट्रांसक्रिप्शन
वॉइस को TXT में कैसे कन्वर्ट करें
यह पेज ब्राउज़र में चलने वाले रिकॉर्डर को GPU ट्रांसक्रिप्शन बैकएंड के साथ जोड़ता है। रिकॉर्डिंग Chrome, Firefox, Edge और Safari में उपलब्ध MediaRecorder इंटरफ़ेस का उपयोग करती है; पहचान OpenAI द्वारा प्रकाशित ओपन-सोर्स मॉडल Whisper से की जाती 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 बॉक्स में रिकॉर्डिंग सुनें। इंटरव्यू और मीटिंग के लिए "एकाधिक वक्ताओं का पता लगाएँ" चालू करें (यह चिह्नित करता है कि कौन बोल रहा है, लेकिन इसमें काफ़ी 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 आमतौर पर एक मिनट से भी कम समय में संसाधित किया जाता है। परिणाम पृष्ठ से एक सादा टेक्स्ट फ़ाइल (.txt, UTF 8) 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 वर्ष पहले के डिक्टेशन इंजनों की तुलना में उच्चारण, पृष्ठभूमि 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 बदलने को चिह्नित करती है। इससे प्रोसेसिंग समय लगभग दोगुना हो जाता है, इसलिए यह डिफ़ॉल्ट रूप से बंद रहती है।
आपके कार्यप्रवाह के अनुकूल TXT आउटपुट
ट्रांसक्रिप्ट को सामान्य विराम-चिह्नों और पैराग्राफ ब्रेक के साथ एक सादे UTF 8 टेक्स्ट फ़ाइल के रूप में सहेजा जाता है, इसलिए यह किसी भी एडिटर, वर्ड प्रोसेसर या नोट ऐप में खुल जाती है और कहीं भी पेस्ट की जा सकती है।
मुफ़्त और निजी
न कोई खाता, न वॉटरमार्क, न ट्रायल काउंटर। पुष्टि करने तक रिकॉर्डिंग आपके डिवाइस से बाहर नहीं जाती, और प्रोसेसिंग के बाद ऑडियो व 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 TXT में कैसे बदलती है
आपका ब्राउज़र माइक्रोफ़ोन की रिकॉर्डिंग को Opus ऑडियो (Chrome, Firefox, Edge) या AAC (Safari) के रूप में बनाता 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 विरामों सहित उसे एक ही प्रक्रिया में टेक्स्ट में बदल देता है। यदि स्पीकर पहचान चालू है, तो डायरीकरण मॉडल पहले ऑडियो को वक्ताओं के अनुसार विभाजित करता है और ट्रांसक्रिप्ट को उसी के अनुरूप एनोटेट किया जाता है।
ट्रांसक्रिप्ट को सामान्य विराम चिह्नों और पैराग्राफ ब्रेक के साथ सादे UTF 8 टेक्स्ट फ़ाइल के रूप में सहेजा जाता है, इसलिए यह किसी भी एडिटर, वर्ड प्रोसेसर या नोट ऐप में खुल जाता है और इसे कहीं भी पेस्ट किया जा सकता है। परिणाम पृष्ठ से आप इसे डाउनलोड कर सकते हैं; इसके बाद ऑडियो और ट्रांसक्रिप्ट अपने-आप हटा दिए जाते हैं।
रिकॉर्डिंग टिप्स जो किसी भी सेटिंग से ज़्यादा महत्वपूर्ण हैं
वाक् पहचान की गुणवत्ता ऑडियो की गुणवत्ता पर निर्भर करती है। तीन चीज़ें सबसे अधिक अंतर पैदा करती हैं: दूरी, शोर और ओवरलैप। माइक्रोफ़ोन को अपने मुंह से 10–20 cm की दूरी पर रखें; पास रखे फ़ोन से रिकॉर्डिंग करना, मेज़ के दूसरी ओर रखे लैपटॉप से बेहतर है। पंखे बंद करें, खिड़की बंद करें और अधिक 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; ओवरलैप होने वाली आवाज़ किसी भी वाक् पहचान प्रणाली के लिए सबसे कठिन स्थिति होती है।
शुरू करने से पहले प्रीव्यू सुनें। यदि स्तर मीटर मुश्किल से हिलता है या लगातार पूरी ऊंचाई पर रहता है, तो ट्रांसक्रिप्ट सही आने की उम्मीद करने के बजाय दोबारा रिकॉर्ड करें।
वॉइस को TXT में बदलने के सामान्य उपयोग
यह टूल उन लोगों के लिए है जो टाइप करने के बजाय बोलना पसंद करते हैं या जिन्हें चैट ऐप के बाहर वॉइस मैसेज चाहिए: बोलकर ई-मेल या लेख का मसौदा तैयार करना, मीटिंग के मिनट्स रिकॉर्ड करना, किसी लेक्चर या वॉइस मेमो को खोजे जा सकने वाले नोट्स में बदलना, रिसर्च के लिए इंटरव्यू के जवाबों का ट्रांसक्रिप्शन करना, और ऐसे वॉइस मैसेज का पढ़ने योग्य संस्करण पाना जिसे अभी चलाया नहीं जा सकता।
Whisper भाषा को अपने आप पहचान लेता है, इसलिए यही पेज बिना किसी सेटिंग के जर्मन डिक्टेशन, स्पेनिश वॉइस नोट या अंग्रेज़ी लेक्चर के लिए काम करता है। ट्रांसक्रिप्ट का अनुवाद नहीं किया जाता – इसे उसी भाषा में लिखा जाता है जो बोली गई थी।
पहले से फ़ाइल के रूप में मौजूद ऑडियो – पॉडकास्ट, लेक्चर, कॉल – के लिए इस साइट के ऑडियो-टू-टेक्स्ट और MP3 टू-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 पर मौजूद सबटाइटल कन्वर्टर का उपयोग करें। स्पीकर पहचान चालू होने पर यह स्पीकर के नाम से पहचान नहीं करता, केवल स्पीकर बदलने का पता लगाता है। और यह रिकॉर्डिंग में सुनाई न देने वाले शब्दों को पुनर्प्राप्त नहीं कर सकता।
व्यक्तियों के नाम, उत्पाद नाम और दुर्लभ संक्षिप्त रूप सबसे आम त्रुटियाँ होते हैं; इन बातों को 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 कितना 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 बैकग्राउंड शोर, कई लोगों का एक साथ बोलना, बहुत धीमी आवाज़ या गहरी क्षेत्रीय बोली होने पर 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 सेकंड से भाषा को स्वचालित रूप से चुन लेता है, इसलिए आपको कुछ भी सेट करने की आवश्यकता नहीं है। मिश्रित-भाषा वाली रिकॉर्डिंग को प्रमुख भाषा में ट्रांसक्राइब किया जाता है। ट्रांसक्रिप्ट बोली गई भाषा में लिखा जाता है; उसका अनुवाद नहीं किया जाता।
क्या मेरे बोलते समय ऑडियो अपलोड किया जाता 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 स्वचालित रूप से हटा दिए जाते हैं।
रिकॉर्डिंग कितनी लंबी हो सकती है?
इन-ब्राउज़र रिकॉर्डर 30 मिनट बाद रुक जाता है; अपलोड की गई फ़ाइलें इससे लंबी हो सकती हैं। प्रोसेसिंग समय ऑडियो की लंबाई के साथ बढ़ता है, और स्पीकर पहचान में लगभग उतना ही अतिरिक्त समय लगता है।
“एकाधिक वक्ताओं का पता लगाएँ” क्या करता है?
ट्रांसक्रिप्शन से पहले यह स्पीकर-डायरीकरण चरण 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, जहाँ यह केवल अतिरिक्त प्रतीक्षा समय जोड़ता है।
.txt फ़ाइल क्यों, Word दस्तावेज़ क्यों नहीं?
सादा टेक्स्ट सबसे अधिक पोर्टेबल परिणाम है: यह हर डिवाइस पर खुलता है, नोट्स, ई-मेल, CMS एडिटर और चैट में आसानी से पेस्ट हो जाता है, और इसका आकार बहुत छोटा होता है। यदि आपको फ़ॉर्मैट किया हुआ दस्तावेज़ चाहिए, तो टेक्स्ट को अपने वर्ड प्रोसेसर में पेस्ट करें या इस साइट पर स्पीच-टू-PDF टूल का उपयोग करें।