Pirmiausia privatumas
Įkelti failai automatiškai ir visam laikui ištrinami per dvi valandas.
Automatinis ištrynimas
Balso konvertavimas į tekstą
Diktuokite balso pastabą, priminimą, žinutę kolegai ar trumpą užrašą tiesiai naršyklėje arba įkelkite įrašą ir gaukite žodžius paprasto teksto faile (.txt, UTF 8). Transkribavimas vykdomas naudojant atvirojo kodo kalbos atpažinimo modelį Whisper mūsų 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; pokalbiams ir susitikimams galite pasirinktinai pažymėti kalbėtojų pasikeitimus. Išvestis: paprasto teksto failas (.txt, UTF 8).
-
Privatu: niekas neįkeliama, kol nepatvirtinate. Garso įrašas ir transkripcija po apdorojimo automatiškai ištrinami, vėliausiai per kelias valandas.
Transkribavimas
Kaip veikia balso konvertavimas 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 per trečiosios šalies API.
Kaip naudotis Converter App
1
Įrašykite arba įkelkite
Spustelėkite „Įrašyti naudojant mikrofoną“, vieną kartą suteikite prieigą ir kalbėkite. Laikmatis ir lygio indikatorius patvirtins, kad gaunamas garsas. Taip pat galite įkelti esamą įrašą – tinka balso įrašai iš bet kurio telefono.
2
Patikrinkite ir pradėkite
Dialogo lange perklausykite įrašą. Interviu ir susitikimams įjunkite „Aptikti kelis kalbėtojus“ (bus pažymėta, kas kalba, tačiau tai užtruks pastebimai 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 buvo apmokyta naudojant 680 000 valandų daugiakalbio garso įrašų ir daug geriau nei prieš kelerius metus naudotos diktavimo sistemos atpažįsta akcentus, foninį triukšmą ir techninę terminiją. Kalba nustatoma automatiškai.
Kalbėtojo atpažinimas pagal poreikį
Pokalbiuose pasirinktinė kalbėtojų atpažinimo funkcija pažymi kalbėtojo pasikeitimus nuoraše. Ji apytiksliai padvigubina 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 teksto redaktoriuje, tekstų rengyklėje ar užrašų programėlėje ir įklijuoti bet kur.
Nemokama ir privatu
Jokios paskyros, jokių vandens ženklų, jokio bandomojo laikotarpio skaitiklio. 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 balsas paverčiamas tekstu
Naršyklė įrašo mikrofono garsą kaip Opus garso įrašą (Chrome, Firefox, Edge) arba AAC (Safari) ir laiko jį atmintyje. Patvirtinus, 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 lūžius. Jei įjungtas kalbėtojų aptikimas, diarizavimo modelis pirmiausia suskirsto garsą pagal kalbėtojus, o transkriptas atitinkamai pažymimas.
Transkriptas išsaugomas kaip paprastas UTF 8 teksto failas su įprastais skyrybos ženklais ir pastraipų lūžiais, todėl jį galima atidaryti bet kuriame redaktoriuje, tekstų rengyklėje ar užrašų programėlėje ir įklijuoti bet kur. Rezultatų puslapyje jį galima atsisiųsti; garso įrašas ir transkriptas vėliau automatiškai ištrinami.
Įrašymo patarimai, svarbesni už bet kokius nustatymus
Kalbos atpažinimo kokybė priklauso nuo garso įrašo. Didžiausią įtaką daro trys dalykai: atstumas, triukšmas ir persidengiantis kalbėjimas. Laikykite mikrofoną 10–20 cm nuo burnos; arti laikomas telefonas veikia geriau nei kitoje stalo pusėje esantis nešiojamasis kompiuteris. Išjunkite ventiliatorius, uždarykite langą ir venkite patalpų, kuriose stiprus aidas.
Kalbėkite įprastu tempu ir užbaikite sakinius – modelis naudoja kontekstą, todėl nebaigti sakiniai ir užpildantys žodžiai lemia prastesnį tekstą nei šiek tiek lėtesnė, tačiau aiški ir užbaigta kalba. Per interviu paprašykite žmonių nekalbėti vieniems per kitus; persidengiantį kalbėjimą sunkiausia atpažinti bet kuriai kalbos atpažinimo sistemai.
Prieš pradėdami paklausykite peržiūros. Jei lygio matuoklis vos juda arba nuolat rodo didžiausią lygį, įrašykite iš naujo, užuot tikėjęsi, kad transkripcija bus tiksli.
Dažniausi balso vertimo į tekstą naudojimo būdai
Šį įrankį naudoja žmonės, kurie mieliau kalba, o ne rašo, arba kuriems reikia balso pranešimo ne pokalbių programėlėje: rašant el. laišką ar straipsnį kalbant, fiksuojant susitikimo protokolą, paverčiant paskaitą ar balso įrašą į pastabas, kuriose galima ieškoti, perrašant interviu atsakymus tyrimams ir gaunant įskaitomą balso pranešimo versiją, kurios šiuo metu negalima paleisti.
Kadangi Whisper automatiškai atpažįsta kalbą, tas pats puslapis veikia su diktuojamu tekstu vokiečių kalba, balso įrašu ispanų kalba ar paskaita anglų kalba be jokių nustatymų. Transkripcija nėra verčiama – ji pateikiama ta kalba, kuria buvo kalbėta.
Jau kaip failai turimam garsui – tinklalaidėms, paskaitoms, skambučiams – šios svetainės garso į tekstą ir MP3 į tekstą konverteriai naudoja tą pačią sistemą su tomis pačiomis parinktimis.
Ko šis įrankis nedaro
Įrankis neverčia: transkriptai pateikiami įrašo kalba. Jis nesukuria subtitrų laiko žymų – SRT ar VTT failams naudokite šioje svetainėje esančius subtitrų konvertavimo įrankius. Jis taip pat neatpažįsta kalbėtojų pagal vardą, tik nustato kalbėtojo pasikeitimą, kai įjungtas kalbėtojų aptikimas. Be to, jis negali atkurti įraše negirdimų žodžių.
Dažniausios klaidos pasitaiko tikriniuose varduose, produktų pavadinimuose ir retose santrumpose; paprastai pakanka greitai peržiūrėti rezultatą, atkreipiant į juos dėmesį – švariam įrašui daugiau redagavimo dažniausiai nereikia.
FAQ
Dažniausiai užduodami klausimai
Kiek tikslus yra transkriptas?
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 padeda labiau nei bet kuris nustatymas.
Kokios kalbos palaikomos?
Whisper atpažįsta apie 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 kalbėta kalba; ji neverčiama.
Ar garsas įkeliamas, kol kalbu?
Ne. Įrašytuvas išsaugo garso įrašą jūsų naršyklėje, kol dialogo lange paspaudžiate mygtuką. Jei atšaukiate arba uždarote skirtuką, niekas neišsiunčiama. 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 užtrunka maždaug tiek pat papildomai.
Ką daro funkcija „Aptikti kelis kalbėtojus“?
Prieš transkribuojant atliekamas kalbėtojų atskyrimas ir įterpiama žyma kiekvieną kartą pasikeitus kalbėtojui. Naudokite pokalbiams, susitikimams ir tinklalaidėms; išjunkite diktavimui ir balso pastaboms, nes tai tik pailgina laukimo laiką.
Ar vėliau galėsiu redaguoti tekstą?
Taip – rezultatas yra paprastas .txt failas. Atidarykite jį bet kuriuo redaktoriumi, pataisykite vardus ar techninius terminus, kuriuos modelis neteisingai išgirdo, ir įklijuokite ten, kur reikia. Dažniausiai verta patikrinti tikrinius vardus ir retai vartojamas santrumpas.