Pirmiausia privatumas
Įkelti failai automatiškai ir visam laikui ištrinami per dvi valandas.
Automatinis ištrynimas
Balso konvertavimas į TXT
Diktuokite balso pastabą, priminimą, žinutę kolegai ar trumpą memorandumą tiesiai naršyklėje arba įkelkite įrašą ir gaukite tekstą paprastojo teksto faile (.txt, UTF 8). Transkribavimas vykdomas naudojant atvirojo kodo kalbos atpažinimo modelį Whisper mūsų nuosavuose 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 failą.
-
Transkribuokite: „Whisper“ užrašo žodžius su skyrybos ženklais; pokalbiams ir susitikimams galite pasirinktinai pažymėti kalbėtojų pasikeitimus. Rezultatas: 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 balso konvertavimas į TXT
Šiame puslapyje suderintas naršyklėje veikiantis įrašytuvas ir GPU pagrindu veikianti transkribavimo sistema. Įrašymui naudojama į Chrome, Firefox, Edge ir Safari integruota MediaRecorder sąsaja, o kalbos atpažinimą atlieka „Whisper“ – OpenAI paskelbtas atvirojo kodo modelis, veikiantis mūsų pačių aparatinėje įrangoje, o ne naudojant trečiosios šalies API.
Kaip naudotis Converter App
1
Įrašykite arba įkelkite
Paspauskite „Įrašyti naudojant mikrofoną“, vieną kartą suteikite prieigą ir kalbėkite. Laikmatis ir lygio matuoklis patvirtins, kad gaunamas garsas. Taip pat galite įkelti esamą įrašą – tinka balso įrašai iš bet kurio telefono.
2
Patikrinkite ir pradėkite
Paklausykite įrašo dialogo lange. Interviu ir susitikimams įjunkite „Aptikti kelis kalbėtojus“ (bus pažymėta, kas kalba, tačiau tai užtruks pastebimai ilgiau). Tada pradėkite transkribavimą.
3
Atsisiųskite transkriptą
Kol modelis apdoroja įrašą, rodoma eiga; kelių minučių kalba paprastai apdorojama greičiau nei per minutę. Rezultatų puslapyje atsisiųskite paprasto teksto failą (.txt, UTF 8).
Pagrindinės funkcijos
Integruota Whisper technologija
Whisper apmokytas naudojant 680 000 valandų daugiakalbio garso ir daug geriau nei prieš kelerius metus naudoti diktavimo varikliai atpažįsta akcentus, foninį triukšmą ir techninę terminiją. Kalba nustatoma automatiškai.
Kalbėtojo aptikimas pagal poreikį
Pokalbiams pasirinktinė kalbėtojų atpažinimo funkcija transkripcijoje pažymi kalbėtojo pasikeitimus. Ji apytiksliai padvigubina apdorojimo laiką, todėl pagal numatytuosius nustatymus yra išjungta.
TXT išvestis, pritaikyta jūsų darbo eigai
Transkripcija išsaugoma kaip paprastas UTF 8 tekstinis failas su įprastais skyrybos ženklais ir pastraipų lūžiais, todėl ją galima atidaryti bet kuriame 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 garsas ir transkripcija po apdorojimo 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 TXT formatu
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 veiksmu paverčia jį tekstu, įskaitant skyrybos ženklus ir sakinių lūžius. Jei įjungtas kalbėtojų atpažinimas, diarizavimo 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 rengyklėje, tekstų doroklyje ar užrašų programėlėje ir įklijuoti bet kur. Rezultatų puslapyje galite ją atsisiųsti; garso įrašas ir transkripcija vėliau automatiškai ištrinami.
Įrašymo patarimai, svarbesni už bet kokius nustatymus
Kalbos atpažinimo kokybė priklauso nuo garso įrašo. Didžiausią skirtumą lemia trys dalykai: atstumas, triukšmas ir persidengiantis kalbėjimas. Mikrofoną laikykite 10–20 cm atstumu nuo burnos; arti laikomas telefonas veikia geriau nei nešiojamasis kompiuteris kitoje stalo pusėje. Išjunkite ventiliatorius, uždarykite langą ir venkite patalpų, kuriose yra stiprus aidas.
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 indikatorius vos juda arba nuolat rodo didžiausią lygį, įrašykite iš naujo, užuot tikėjęsi, kad transkripcija bus teisinga.
Dažniausi balso konvertavimo į TXT naudojimo būdai
Šį įrankį naudoja žmonės, kurie mieliau kalba, o ne rašo, arba kuriems reikia balso pranešimo ne pokalbių programėlėje: el. laiškui ar straipsniui parengti kalbant, susitikimo protokolui užfiksuoti, paskaitai ar balso įrašui paversti paieškoje randamomis pastabomis, interviu atsakymams perrašyti tyrimams ir gauti įskaitomą balso pranešimo, kurio šiuo metu negalima paleisti, versiją.
Kadangi Whisper kalbą aptinka automatiškai, tas pats puslapis veikia su vokišku diktavimu, ispanišku balso įrašu ar angliška paskaita be jokių nustatymų. Transkriptas nėra verčiamas – jis pateikiamas kalba, kuria buvo kalbama.
Garso įrašams, kurie jau yra failo formatu – tinklalaidėms, paskaitoms, skambučiams – šioje svetainėje esantys garso į tekstą ir MP3 į tekstą konverteriai naudoja tą pačią sistemą su tomis pačiomis parinktimis.
Ko šis įrankis nedaro
Jis neverčia: nuorašai pateikiami šnekamąja kalba. Jis nesukuria subtitrų laiko žymų – SRT arba VTT failams naudokite šios svetainės subtitrų keitiklius. Jis nenustato kalbėtojų vardų, tik kalbėtojo pasikeitimą, kai įjungtas kalbėtojų aptikimas. Be to, jis negali atkurti įraše negirdimų žodžių.
Dažniausios klaidos pasitaiko tikriniuose varduose, produktų pavadinimuose ir retuose sutrumpinimuose; švariam įrašui paprastai pakanka greitai peržiūrėti rezultatą, atkreipiant į juos dėmesį.
FAQ
Dažniausiai užduodami klausimai
Kiek tikslus yra transkriptas?
Jei įrašas aiškus ir kalba vienas žmogus, Whisper pagrindinėmis kalbomis, įskaitant skyrybos ženklus, paprastai teisingai atpažįsta 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 maždaug 100 kalbų ir automatiškai parenka kalbą pagal pirmąsias garso įrašo sekundes, todėl nieko nustatyti nereikia. Įrašai keliomis kalbomis perrašomi vyraujančia kalba. Transkripcija pateikiama šnekama kalba; ji neverčiama.
Ar garso įrašas įkeliamas, kol kalbu?
Ne. Įrašymo priemonė saugo garsą Jūsų naršyklėje, kol dialogo lange paspaudžiate mygtuką. Jei atšaukiate veiksmą 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 atpažinimas užtrunka maždaug tiek pat papildomai.
Ką daro funkcija „Aptikti kelis kalbėtojus“?
Prieš transkribavimą atliekamas kalbėtojų atskyrimo etapas ir kiekvieną kartą pasikeitus kalbėtojui įterpiama žyma. Naudokite tai interviu, susitikimams ir tinklalaidėms; išjunkite diktuojant ir naudojant balso užrašus, nes tai tik pailgina laukimo laiką.
Kodėl .txt failas, o ne Word dokumentas?
Paprastas tekstas yra universaliausias rezultato formatas: jis atidaromas bet kuriame įrenginyje, tvarkingai įklijuojamas į užrašus, el. laiškus, CMS redaktorius ir pokalbius, be to, užima labai mažai vietos. Jei reikia suformatuoto dokumento, įklijuokite tekstą į savo teksto rengyklę arba naudokite šioje svetainėje esantį kalbos į PDF įrankį.