Az adatvédelem elsődlegessége
A feltöltött fájlok két órán belül automatikusan és véglegesen törlésre kerülnek.
Automatikus törlés
Hang konvertálása TXT formátumba
Diktáljon hangjegyzetet, emlékeztetőt, kollégának szóló üzenetet vagy rövid feljegyzést közvetlenül a böngészőbe, illetve töltsön fel egy felvételt, és kapja meg a szöveget egyszerű szövegfájlként (.txt, UTF 8). Az átírás a Whisper nyílt forráskódú beszédfelismerő modelljével, saját szervereinken történik – körülbelül 100, automatikusan felismert nyelven.
-
Felvétel: Beszéljen a böngészős rögzítőbe – felvételenként legfeljebb 30 percig –, vagy töltsön fel MP3-, WAV-, M4A-, AAC-, OGG-, FLAC- vagy WebM-fájlt.
-
Átírás: A Whisper írásjelekkel rögzíti a szöveget; interjúkhoz és megbeszélésekhez igény szerint jelölheti a beszélőváltásokat. Kimenet: egyszerű szövegfájl (.txt, UTF 8).
-
Privát: Semmi sem kerül feltöltésre, amíg Ön meg nem erősíti. A hangfájl és az átirat a feldolgozás után automatikusan, legkésőbb néhány órán belül törlődik.
Átírás
Hang konvertálása TXT re – hogyan működik
Az oldal egy böngészőben használható rögzítőt és egy GPU alapú átíró háttérrendszert kombinál. A rögzítés a Chrome, Firefox, Edge és Safari beépített MediaRecorder felületét használja; a felismerést az OpenAI által közzétett nyílt forráskódú Whisper modell végzi, amely saját hardverünkön fut, nem pedig külső API n.
Converter App használata
1
Rögzítés vagy feltöltés
Nyomja meg a „Felvétel mikrofonnal” gombot, engedélyezze egyszer a hozzáférést, majd beszéljen. Az időzítő és a jelszintmérő jelzi, hogy érkezik hang. Meglévő felvételt is feltölthet – bármely telefonról származó hangjegyzet megfelelő.
2
Ellenőrzés és indítás
Hallgassa meg a felvételt a párbeszédpanelen. Interjúkhoz és megbeszélésekhez kapcsolja be a „Több beszélő felismerése” funkciót (jelöli, ki beszél, de észrevehetően tovább tart). Ezután indítsa el az átírást.
3
Töltse le az átiratot
A folyamatjelző megjelenik, amíg a modell dolgozik; néhány percnyi beszéd feldolgozása általában jóval egy percnél kevesebb időt vesz igénybe. Az eredményoldalról letölthet egy egyszerű szövegfájlt (.txt, UTF 8).
Főbb funkciók
Whisper a háttérben
A Whisper 680 000 órányi többnyelvű hanganyagon lett betanítva, és az akcentusokat, a háttérzajt és a szakszókincset jóval hatékonyabban kezeli, mint a néhány évvel ezelőtti diktáló motorok. A nyelv automatikusan felismerésre kerül.
Beszélőfelismerés igény szerint
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 TXT kimenet
Az átirat egyszerű UTF 8 szövegfájlként kerül mentésre, normál írásjelekkel és bekezdéstörésekkel, így bármely szövegszerkesztőben, dokumentumszerkesztőben vagy jegyzetalkalmazásban megnyitható, és bárhová beilleszthető.
Ingyenes és privát
Nincs fiók, nincs vízjel, nincs próbaszámláló. A felvétel a jóváhagyásáig 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 hangból TXT ezen az oldalon
Böngészője Opus hangként (Chrome, Firefox, Edge) vagy AAC formátumban (Safari) rögzíti a mikrofon hangját, és a memóriában tárolja azt. Jóváhagyás után a fájl HTTPS en keresztül feltöltődik az egyik átíró szerverünkre.
Ott az ffmpeg dekódolja a hangot, majd a Whisper – egy nyílt forráskódú beszédfelismerő modell – egyetlen lépésben szöveggé alakítja azt, írásjelekkel és mondattörésekkel együtt. Ha a beszélőfelismerés be van kapcsolva, egy diarizációs modell először beszélőkre bontja a hanganyagot, majd az átirat ennek megfelelő jelöléseket kap.
Az átirat egyszerű UTF 8 szövegfájlként kerül mentésre, normál írásjelekkel és bekezdéstörésekkel, így bármely szövegszerkesztőben, szövegfeldolgozóban vagy jegyzetalkalmazásban megnyitható, és bárhová beilleszthető. Az eredményoldalon letöltheti; a hanganyag és az átirat ezután automatikusan törlődik.
Felvételi tippek, amelyek minden beállításnál fontosabbak
A beszédfelismerés pontossága nagyban függ a hanganyag minőségétől. 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 erős visszhangú helyiségeket.
Beszéljen normál tempóban, és fejezze be a mondatokat – a modell a szövegkörnyezetet is használja, ezért a félbehagyott mondatok és a töltelékszavak rosszabb szöveget eredményeznek, mint a kissé lassabb, de teljes mondatok. 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.
Hangfájlok TXT formátumba konvertálásának tipikus felhasználási módjai
Ezt az eszközt azok használják, akik inkább beszélnek, mint gépelnek, vagy akiknek egy csevegőalkalmazáson kívül van szükségük hangüzenetre: e-mail vagy cikk diktálásához, értekezleti jegyzőkönyv rögzítéséhez, előadás vagy hangjegyzet kereshető jegyzetté alakításához, kutatási interjúk válaszainak átírásához, illetve olyan hangüzenet olvasható változatának elkészítéséhez, amelyet éppen nem lehet lejátszani.
Mivel a Whisper automatikusan felismeri a nyelvet, ugyanaz az oldal beállítás nélkül használható német diktáláshoz, spanyol hangjegyzethez vagy angol előadáshoz. Az átirat nem kerül lefordításra – azon a nyelven készül, amelyen elhangzott.
A már fájlként rendelkezésre álló hanganyagok – podcastok, előadások, hívások – esetében az oldal hangból szöveg és MP3 ból szöveg konverterei ugyanazt a 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 szerint a beszélőket, csak a beszélőváltásokat, ha a beszélőfelismerés be van kapcsolva. És nem tudja helyreállítani a felvételen nem hallható szavakat.
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 egyetlen beszélő esetén a Whisper a főbb nyelveken jellemzően a szavak több mint 90%-át helyesen ismeri fel, az írásjeleket is beleértve. Az erős háttérzaj, az egymás szavába vágó több beszélő, a nagyon halk hanganyag vagy az erős tájszólás csökkenti a pontosságot – az alábbi felvételi tippek többet segítenek bármilyen beállításnál.
Mely nyelvek támogatottak?
A Whisper körülbelül 100 nyelvet ismer fel, és a hanganyag első másodpercei alapján automatikusan kiválasztja a nyelvet, így nincs szükség beállításra. A vegyes nyelvű felvételeket a domináns nyelven írja át. Az átirat az elhangzott nyelven készül, nem fordítjuk le.
A hangot beszéd közben tölti fel a rendszer?
Nem. A rögzítő a hanganyagot a böngészőjében tartja, amíg meg nem nyomja a párbeszédablakban található gombot. Ha megszakítja a folyamatot vagy bezárja a lapot, semmi sem kerül elküldésre. A feltöltött fájlok és az átiratok a 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 arányosan nő, a beszélőfelismerés pedig nagyjából ugyanennyi időt ad hozzá.
Mit tesz a „Több beszélő felismerése” funkció?
Az átírás előtt beszélőazonosítást végez, és minden beszélőváltásnál jelölést szúr be. Használja interjúkhoz, megbeszélésekhez és podcastokhoz; diktálás és hangjegyzetek esetén hagyja kikapcsolva, mivel csak növeli a várakozási időt.
Miért .txt fájl, és miért nem Word dokumentum?
Az egyszerű szöveg a leghordozhatóbb eredmény: minden eszközön megnyitható, tisztán beilleszthető jegyzetekbe, e-mailekbe, CMS szerkesztőkbe és csevegésekbe, ráadásul nagyon kis méretű. Ha formázott dokumentumra van szüksége, illessze be a szöveget a szövegszerkesztőjébe, vagy használja ezen a webhelyen a beszéd–PDF eszközt.