Pirmiausia privatumas
Įkelti failai automatiškai ir visam laikui ištrinami per dvi valandas.
Automatinis ištrynimas
Kalbos konvertavimas į tekstą
Diktuokite tekstą, pasakojimą, paskaitos užrašus, interviu atsakymus ar trumpą įgarsinimą tiesiai naršyklėje arba įkelkite įrašą ir gaukite žodžius paprasto teksto faile (.txt, UTF 8). Transkribavimas vykdomas naudojant atvirojo kodo kalbos atpažinimo modelį Whisper mūsų pačių serveriuose – maždaug 100 kalbų, kurios nustatomos automatiškai.
-
Įrašykite: kalbėkite į naršyklės įrašymo priemonę – iki 30 minučių vienam įrašui – arba įkelkite MP3, WAV, M4A, AAC, OGG, FLAC ar WebM.
-
Transkribavimas: „Whisper“ užrašo žodžius su skyrybos ženklais; pasirinktinai pažymi kalbėtojų pasikeitimus interviu ir susitikimuose. Išvestis: paprastojo teksto failas (.txt, UTF 8).
-
Privatu: niekas neįkeliama, kol nepatvirtinate. Garso įrašas ir transkripcija po apdorojimo automatiškai ištrinami ne vėliau kaip per kelias valandas.
Transkribavimas
Kaip veikia kalbos vertimas į tekstą
Šiame puslapyje derinamas naršyklėje veikiantis įrašytuvas ir GPU transkribavimo sistema. Įrašymui naudojama į Chrome, Firefox, Edge ir Safari integruota MediaRecorder sąsaja; atpažinimą atlieka „Whisper“ – OpenAI paskelbtas atvirojo kodo modelis, veikiantis mūsų pačių aparatinėje įrangoje, o ne trečiosios šalies API.
Kaip naudotis Converter App
1
Įrašykite arba įkelkite
Paspauskite „Įrašyti naudojant mikrofoną“, vieną kartą suteikite prieigą ir kalbėkite. Laikmatis ir lygio indikatorius patvirtins, kad garsas įrašomas. Taip pat galite įkelti esamą įrašą – tinka balso įrašai iš bet kurio telefono.
2
Patikrinkite ir pradėkite
Perklausykite įrašą dialogo lange. Interviu ir susitikimams įjunkite parinktį „Aptikti kelis kalbėtojus“ (ji pažymi, kas kalba, tačiau užtrunka gerokai ilgiau). Tada pradėkite transkribavimą.
3
Atsisiųsti transkriptą
Kol modelis apdoroja įrašą, rodoma eiga; kelių minučių trukmės kalba paprastai apdorojama greičiau nei per minutę. Rezultatų puslapyje atsisiųskite paprastojo teksto failą (.txt, UTF 8).
Pagrindinės funkcijos
Integruota Whisper technologija
Whisper apmokytas naudojant 680 000 valandų daugiakalbio garso įrašų ir daug geriau nei prieš kelerius metus naudotos diktavimo sistemos susidoroja su akcentais, foniniu triukšmu ir technine terminija. Kalba nustatoma automatiškai.
Kalbėtojų aptikimas pagal poreikį
Pokalbiams pasirinktinė kalbėtojų aptikimo funkcija transkripcijoje pažymi kalbėtojo pasikeitimus. Ji maždaug dvigubai pailgina apdorojimo laiką, todėl pagal numatytuosius nustatymus yra išjungta.
Teksto išvestis, pritaikyta jūsų darbo eigai
Nuorašas išsaugomas kaip paprastas UTF 8 tekstinis failas su įprastais skyrybos ženklais ir pastraipų lūžiais, todėl jį galima atidaryti bet kuriame redaktoriuje, tekstų rengyklėje ar užrašų programėlėje ir įklijuoti bet kur.
Nemokama ir privatu
Jokios paskyros, jokių vandens ženklų, jokio bandomojo naudojimo limito. Įrašas nepalieka jūsų įrenginio, kol nepatvirtinate, o po apdorojimo garso įrašas ir transkripcija automatiškai pašalinami.
Patirtis ir privatumas
Sukurta patikimiems transkribavimo procesams.
Sukurta inžinierių, turinčių daugiau nei 10 metų patirties didelio masto infrastruktūros, duomenų sistemų ir mokslinio skaičiavimo srityse. Sukurta realaus pasaulio garso darbo eigoms, kur svarbūs privatumas, patikimas apdorojimas ir praktiškas naudojimas.
Vartotojų pasitikėjimas
Įvertinta 5 žvaigždutėmis Trustpilot už greitį, patikimumą ir naudojimo paprastumą.
Vartotojų pasitikėjimas
Akademinis naudojimas
Nurodyta publikuotuose moksliniuose tyrimuose ir naudojama interviu transkripcijai ir kokybinių duomenų analizei.
Moksliniam naudojimui
Kaip šiame puslapyje kalba paverčiama tekstu
Jūsų naršyklė įrašo mikrofono garsą kaip Opus garso įrašą (Chrome, Firefox, Edge) arba AAC (Safari) ir išsaugo jį atmintyje. Kai patvirtinate, failas per HTTPS įkeliamas į vieną iš mūsų transkribavimo serverių.
Ten ffmpeg iškoduoja garsą, o Whisper – atvirojo kodo kalbos atpažinimo modelis – vienu etapu paverčia jį tekstu, įskaitant skyrybos ženklus ir sakinių pabaigas. Jei įjungtas kalbėtojų aptikimas, kalbėtojų atskyrimo modelis pirmiausia suskirsto garsą pagal kalbėtojus, o transkripcija atitinkamai pažymima.
Transkripcija išsaugoma kaip paprastas UTF 8 tekstinis failas su įprastais skyrybos ženklais ir pastraipų lūžiais, todėl ją galima atidaryti bet kuriame teksto redaktoriuje, tekstų rengyklėje ar užrašų programėlėje ir įklijuoti bet kur. Rezultatų puslapyje galite ją atsisiųsti; garsas ir transkripcija vėliau automatiškai ištrinami.
Įrašymo patarimai, svarbesni už bet kokius nustatymus
Kalbos atpažinimo kokybė priklauso nuo garso įrašo kokybės. Didžiausią įtaką daro trys dalykai: atstumas, triukšmas ir persidengiantis kalbėjimas. Mikrofoną laikykite 10–20 cm atstumu nuo burnos; prie burnos laikomas telefonas veikia geriau nei kitame stalo gale esantis nešiojamasis kompiuteris. Išjunkite ventiliatorius, uždarykite langą ir venkite patalpų su stipriu aidu.
Kalbėkite įprastu tempu ir užbaikite sakinius – modelis naudoja kontekstą, todėl nebaigti sakiniai ir užpildantys žodžiai lemia prastesnį tekstą nei šiek tiek lėtesnė, bet rišli kalba. Interviu metu paprašykite žmonių nekalbėti vieniems per kitus; persidengiantis kalbėjimas yra sudėtingiausias atvejis bet kuriai kalbos atpažinimo sistemai.
Prieš pradėdami perklausykite peržiūrą. Jei lygio matuoklis vos juda arba nuolat rodo didžiausią lygį, įrašykite garsą iš naujo, užuot tikėjęsi, kad nuorašas bus teisingas.
Įprasti kalbos konvertavimo į tekstą naudojimo būdai
Šį įrankį naudoja mokytojai, tinklalaidžių kūrėjai, žurnalistai ir visi, kurie kalbėdami mintis dėsto greičiau nei rašydami klaviatūra: rengdami el. laišką ar straipsnį diktuojant, fiksuodami posėdžių protokolus, paskaitą ar balso įrašą paversdami užrašais, kuriuose galima ieškoti, transkribuodami interviu atsakymus tyrimams ir gaudami įskaitomą balso žinutės, kurios šiuo metu negalima perklausyti, versiją.
Kadangi Whisper automatiškai aptinka kalbą, tas pats puslapis veikia su vokišku diktantu, ispaniška balso pastaba ar angliška paskaita be jokių nustatymų. Transkriptas nėra verčiamas – jis pateikiamas ta kalba, kuria buvo kalbama.
Jau failuose esančiam garsui – tinklalaidėms, paskaitoms, skambučiams – šioje svetainėje esantys garso į tekstą ir MP3 į tekstą keitikliai naudoja tą pačią sistemą su tais pačiais nustatymais.
Ko šis įrankis nedaro
Jis neverčia: transkripcijos pateikiamos šnekamąja kalba. Jis nesukuria subtitrų laiko žymų – SRT arba VTT failams naudokite šios svetainės subtitrų keitiklius. Jis neatpažįsta kalbėtojų pagal vardą, tik nustato kalbėtojo pasikeitimą, kai įjungtas kalbėtojų aptikimas. Be to, jis negali atkurti žodžių, kurių įraše nesigirdi.
Tikriniai vardai, produktų pavadinimai ir reti sutrumpinimai yra dažniausios klaidos; švariam įrašui paprastai pakanka greitai peržiūrėti rezultatą, atkreipiant į juos dėmesį.
FAQ
Dažniausiai užduodami klausimai
Kiek tikslus yra nuorašas?
Esant aiškiam įrašui ir vienam kalbėtojui, „Whisper“ pagrindinėmis kalbomis, įskaitant skyrybos ženklus, paprastai teisingai atpažįsta gerokai daugiau nei 90 % žodžių. Tikslumas mažėja esant stipriam foniniam triukšmui, keliems vienu metu kalbantiems žmonėms, labai tyliam garsui ar ryškiam dialektui – toliau pateikti įrašymo patarimai padės labiau nei bet kuris nustatymas.
Kokios kalbos palaikomos?
Whisper atpažįsta maždaug 100 kalbų ir automatiškai nustato kalbą pagal pirmąsias garso įrašo sekundes, todėl nieko nereikia nustatyti. Įrašai, kuriuose vartojamos kelios kalbos, transkribuojami vyraujančia kalba. Transkripcija pateikiama šnekamąja kalba; ji nėra verčiama.
Ar garsas įkeliamas, kol kalbu?
Ne. Įrašymo priemonė saugo garsą jūsų naršyklėje, kol dialogo lange paspaudžiate mygtuką. Jei atšaukiate arba uždarote skirtuką, niekas nėra išsiunčiama. Įkelti failai ir transkripcijos po apdorojimo automatiškai ištrinami.
Kokios trukmės gali būti įrašas?
Naršyklėje veikiantis įrašytuvas sustoja po 30 minučių; įkelti failai gali būti ilgesni. Apdorojimo laikas ilgėja didėjant garso įrašo trukmei, o kalbėtojų aptikimas prideda maždaug tiek pat laiko.
Ką daro funkcija „Aptikti kelis kalbėtojus“?
Prieš transkribavimą atliekamas kalbėtojų atskyrimo etapas ir įterpiama žyma kiekvieną kartą, kai pasikeičia kalbėtojas. Naudokite tai interviu, susitikimams ir tinklalaidėms; diktavimui ir balso užrašams palikite išjungtą, nes tai tik pailgina laukimo laiką.
Ar vėliau galėsiu redaguoti tekstą?
Taip – rezultatas yra paprastas .txt failas. Atidarykite jį bet kuriame teksto redaktoriuje, pataisykite vardus ar techninius terminus, kuriuos modelis neteisingai išgirdo, ir įklijuokite ten, kur reikia. Tikrinant dažniausiai verta atkreipti dėmesį į tikrinius vardus ir retus trumpinius.