Az adatvédelem elsődlegessége
A feltöltött fájlok két órán belül automatikusan és véglegesen törlésre kerülnek.
Automatikus törlés
Beszéd konvertálása PDF be
Diktáljon szöveget, narrációt, előadásjegyzeteket, interjúválaszokat vagy egy gyors hangalámondást közvetlenül a böngészőbe, illetve töltsön fel egy felvételt, és kapja meg az elhangzott szöveget PDF dokumentumként. Az átírást a Whisper, a nyílt forráskódú beszédfelismerő modell végzi saját szervereinken – körülbelül 100 nyelven, automatikus nyelvfelismeréssel.
-
Felvétel: Beszéljen a böngészőfelvevőbe – felvételenként legfeljebb 30 percig –, vagy töltsön fel MP3-, WAV-, M4A-, AAC-, OGG-, FLAC- vagy WebM-fájlt.
-
Átírás: A Whisper írásjelekkel leírja a szavakat; interjúkhoz és megbeszélésekhez igény szerint jelölheti a beszélőváltásokat. Kimenet: PDF dokumentum.
-
Privát: Semmit sem töltünk fel, amíg Ön ezt meg nem erősíti. A hangfájl és az átirat a feldolgozás után automatikusan törlődik, legkésőbb néhány órán belül.
Átírás
Hang beszéddé alakítása PDF fé: így működik
Az oldal egy böngészőben működő hangrögzítőt egy GPU alapú átírási háttérrendszerrel kombinál. A rögzítés a Chrome, Firefox, Edge és Safari böngészőkbe beépített MediaRecorder felületet használja; a felismerést a Whisper, az OpenAI által közzétett nyílt forráskódú modell végzi, amely nem külső API n, hanem saját hardverünkön fut.
Converter App használata
1
Rögzítsen vagy töltsön fel
Nyomja meg a „Felvétel a mikrofonnal” gombot, egyszer engedélyezze a hozzáférést, majd beszéljen. Az időzítő és a jelszintmérő jelzi, hogy érkezik hang. Meglévő felvételt is feltölthet – bármely telefonról származó hangjegyzet megfelel.
2
Ellenőrzés és indítás
Hallgassa meg a felvételt a párbeszédablakban. Interjúkhoz és megbeszélésekhez kapcsolja be a „Több beszélő felismerése” funkciót (jelzi, ki beszél, de észrevehetően tovább tart). Ezután indítsa el az átírást.
3
Átirat letöltése
A folyamatjelző mutatja az előrehaladást, amíg a modell dolgozik; néhány percnyi beszéd feldolgozása általában jóval egy percnél kevesebb időt vesz igénybe. Az eredményoldalról PDF dokumentumot tölthet le.
Főbb funkciók
Whisper a motorháztető alatt
A Whisper 680 000 órányi többnyelvű hanganyagon lett betanítva, és jóval hatékonyabban kezeli az akcentusokat, a háttérzajt és a műszaki szókincset, mint a néhány évvel ezelőtti diktálóprogramok. A nyelv automatikus felismerése biztosított.
Beszélőfelismerés kérésre
Beszélgetések esetén az opcionális beszélőfelismerés jelöli a beszélőváltásokat az átiratban. Ez nagyjából megduplázza a feldolgozási időt, ezért alapértelmezés szerint ki van kapcsolva.
A munkafolyamatához illeszkedő PDF kimenet
Az átirat először szövegként készül el, majd a LibreOffice PDF formátumba rendezi – egyszerű, nyomtatható dokumentum kijelölhető szöveggel, szkennelt oldalak és képek nélkül.
Ingyenes és privát
Nincs fiók, nincs vízjel, nincs próbaidőszámláló. A felvétel a megerősítésig nem hagyja el az eszközét, a hanganyag és az átirat pedig a feldolgozás után automatikusan törlődik.
Tapasztalat és adatvédelem
Megbízható átírási munkafolyamatokhoz készült.
Nagy léptékű infrastruktúrában, adatkezelő rendszerekben és tudományos számításokban jártas mérnökök fejlesztették, akiknek több mint 10 évnyi tapasztalatuk van. Valós audio munkafolyamatokra terveztük, ahol a magánszféra védelme, a megbízható feldolgozás és a praktikus használhatóság számít.
A felhasználók bizalma
5 csillagos értékelést kapott a sebesség, a megbízhatóság és a könnyű használat miatt a Trustpilot oldalon.
Felhasználói bizalom
Akadémiai használat
Hivatkoztak rá publikált kutatásokban, és interjúk átírására és kvalitatív adatelemzésre használták.
Kutatási felhasználás
Hogyan lesz a beszédből PDF ezen az oldalon
Böngészője Opus hangformátumban (Chrome, Firefox, Edge) vagy AAC formátumban (Safari) rögzíti a mikrofon hangját, és azt a memóriában tartja. Jóváhagyás után a fájl HTTPS en keresztül feltöltődik egyik átíró szerverünkre.
Ott az ffmpeg dekódolja a hangot, a Whisper – egy nyílt forráskódú beszédfelismerő modell – pedig egy menetben szöveggé alakítja azt, beleértve az írásjeleket és a mondattöréseket is. Ha a beszélőfelismerés be van kapcsolva, egy diarizációs modell először beszélők szerint felosztja a hanganyagot, majd az átirat ennek megfelelő jelöléseket kap.
Az átirat először szövegként készül el, majd a LibreOffice PDF fé formázza – egyszerű, nyomtatható dokumentummá kijelölhető szöveggel, beolvasott oldalak és képek nélkül. Az eredményoldalon letöltheti azt; a hanganyag és az átirat ezután automatikusan törlődik.
Felvételi tippek, amelyek minden beállításnál fontosabbak
A beszédfelismerés pontossága nagyban függ a hangminőségtől. Három tényező számít a legtöbbet: a távolság, a zaj és az átfedő beszéd. Tartsa a mikrofont 10–20 cm-re a szájától; egy közel tartott telefon jobb eredményt ad, mint az asztal túloldalán lévő laptop. Kapcsolja ki a ventilátorokat, csukja be az ablakot, és kerülje az erősen visszhangzó helyiségeket.
Beszéljen természetes tempóban, és fejezze be a mondatokat – a modell a szövegkörnyezetet is figyelembe veszi, ezért a félbehagyott mondatok és a töltelékszavak rosszabb szöveget eredményeznek, mint a kissé lassabb, de teljes beszéd. Interjúk esetén kérje meg a résztvevőket, hogy ne beszéljenek egymás szavába; az átfedő beszéd minden beszédfelismerő számára a legnehezebb eset.
Indítás előtt hallgassa meg az előnézetet. Ha a jelszintmérő alig mozdul, vagy folyamatosan a maximumon van, inkább készítsen új felvételt, mintsem abban bízzon, hogy az átirat megfelelő lesz.
Beszéd PDF be konvertálásának gyakori felhasználási módjai
Ezt az eszközt tanárok, podcasterek, újságírók és mindenki használhatja, aki gyorsabban fogalmaz szóban, mint billentyűzeten: e-mailek vagy cikkek lediktálására, értekezleti jegyzőkönyvek rögzítésére, előadások vagy hangjegyzetek kereshető jegyzetekké alakítására, interjúválaszok kutatási célú átírására, illetve olyan hangüzenetek olvasható változatának elkészítésére, amelyeket éppen nem lehet lejátszani.
Mivel a Whisper automatikusan felismeri a nyelvet, ugyanaz az oldal beállítások nélkül használható német diktáláshoz, spanyol hangjegyzethez vagy angol előadáshoz. Az átirat nem kerül lefordításra – azon a nyelven készül el, amelyen a beszéd elhangzott.
A már fájlként rendelkezésre álló hanganyagok – podcastok, előadások, hívások – esetében az oldalon található hang-szöveg és MP3 szöveg konvertálók ugyanazt az intelligens motort használják, ugyanazokkal a beállításokkal.
Amit ez az eszköz nem végez el
Nem fordít: az átiratok a beszélt nyelven készülnek. Nem hoz létre felirat-időzítéseket – SRT- vagy VTT fájlokhoz használja a webhely feliratkonvertálóit. Nem azonosítja név alapján a beszélőket, csak a beszélőváltást, ha a beszélőfelismerés be van kapcsolva. A felvételen nem hallható szavakat sem tudja helyreállítani.
A tulajdonnevek, terméknevek és ritka rövidítések okozzák a leggyakoribb hibákat; tiszta felvétel esetén általában elegendő gyorsan átolvasni az eredményt, különös tekintettel ezekre.
FAQ
Gyakran ismételt kérdések
Mennyire pontos az átirat?
Tiszta felvétel és egy beszélő esetén a Whisper a főbb nyelveken – az írásjeleket is beleértve – általában a szavak jóval több mint 90%-át helyesen ismeri fel. Erős háttérzaj, egymás szavába vágó több beszélő, nagyon halk hanganyag vagy erős nyelvjárás esetén a pontosság csökkenhet – az alábbi felvételi tippek többet segítenek, mint bármilyen beállítás.
Mely nyelvek támogatottak?
A Whisper körülbelül 100 nyelvet ismer fel, és a hanganyag első másodpercei alapján automatikusan kiválasztja a nyelvet, így nincs szükség semmilyen beállításra. A többnyelvű felvételeket a domináns nyelven írja át. Az átirat az elhangzott nyelven készül, nem fordítja le a tartalmat.
A hanganyag feltöltése beszéd közben történik?
Nem. A rögzítő a hanganyagot a böngészőjében tartja, amíg meg nem nyomja a párbeszédablakban található gombot. Ha megszakítja a műveletet vagy bezárja a lapot, semmi sem kerül elküldésre. A feltöltött fájlok és az átiratok feldolgozás után automatikusan törlődnek.
Milyen hosszú lehet a felvétel?
A böngészőben működő rögzítő 30 perc után leáll; a feltöltött fájlok hosszabbak is lehetnek. A feldolgozási idő a hanganyag hosszával nő, a beszélőfelismerés pedig nagyjából ugyanennyi időt ad hozzá.
Mit jelent a „Több beszélő felismerése” funkció?
Az átírás előtt beszélőazonosítást végez, és minden beszélőváltáskor jelölőt szúr be. Használja interjúkhoz, megbeszélésekhez és podcastokhoz; diktáláshoz és hangjegyzetekhez hagyja kikapcsolva, mert ezeknél csak növeli a várakozási időt.
Hogyan fog kinézni a PDF?
Egyszerű A4 es dokumentum az átirattal kijelölhető szövegként – fejlécgrafika és vízjel nélkül. Irattározásra, nyomtatásra vagy e-mailhez csatolásra szolgál; ha szerkeszteni szeretné a szöveget, a webhely beszédfelismerő eszköze ugyanezt az átiratot .txt fájlként is biztosítja.