Privātums pirmajā vietā
Augšupielādētie faili tiek automātiski un neatgriezeniski dzēsti divu stundu laikā.
Automātiska dzēšana
Runas pārvēršana tekstā
Diktējiet pārlūkprogrammā tekstu, stāstījumu, lekcijas piezīmes, intervijas atbildes vai īsu ierunātu tekstu vai augšupielādējiet ierakstu un saņemiet vārdus vienkārša teksta failā (.txt, UTF 8). Transkribēšana darbojas ar Whisper — atvērtā pirmkoda runas atpazīšanas modeli — mūsu pašu serveros, aptuveni 100 valodās, kuras tiek noteiktas automātiski.
-
Ierakstiet: runājiet pārlūkprogrammas ierakstītājā – līdz 30 minūtēm vienā ierakstā – vai augšupielādējiet MP3, WAV, M4A, AAC, OGG, FLAC vai WebM.
-
Transkribēšana: Whisper pieraksta vārdus ar pieturzīmēm; pēc izvēles atzīmējiet runātāju maiņu intervijās un sanāksmēs. Izvade: vienkārša teksta fails (.txt, UTF 8).
-
Privāti: nekas netiek augšupielādēts, kamēr to neapstiprināt. Audio fails un transkripts pēc apstrādes tiek automātiski dzēsti, vēlākais dažu stundu laikā.
Transkribēšana
Kā darbojas runas pārvēršana tekstā
Lapa apvieno pārlūkprogrammā iebūvētu ierakstītāju ar GPU transkripcijas aizmugursistēmu. Ierakstīšanai tiek izmantota pārlūkprogrammās Chrome, Firefox, Edge un Safari iebūvētā MediaRecorder saskarne; runas atpazīšanu veic Whisper — OpenAI publicētais atvērtā pirmkoda modelis, kas darbojas mūsu pašu aparatūrā, nevis trešās puses API.
Kā lietot Converter App
1
Ierakstiet vai augšupielādējiet
Nospiediet “Ierakstīt ar mikrofonu”, vienreiz atļaujiet piekļuvi un runājiet. Taimeris un līmeņa indikators apstiprinās, ka tiek saņemts audio. Vai augšupielādējiet esošu ierakstu — derēs balss piezīmes no jebkura tālruņa.
2
Pārbaudiet un sāciet
Noklausieties ierakstu dialoglodziņā. Intervijām un sapulcēm ieslēdziet opciju “Noteikt vairākus runātājus” (tā atzīmē, kurš runā, taču process aizņem ievērojami vairāk laika). Pēc tam sāciet transkripciju.
3
Lejupielādēt transkriptu
Progresss tiek rādīts, kamēr modelis darbojas; dažu minūšu runas apstrāde parasti aizņem krietni mazāk nekā minūti. Rezultātu lapā lejupielādējiet vienkārša teksta failu (.txt, UTF 8).
Galvenās funkcijas
Whisper pamatā
Whisper ir apmācīts ar 680 000 stundu daudzvalodu audio ierakstu un daudz labāk nekā pirms dažiem gadiem izmantotās diktēšanas sistēmas apstrādā akcentus, fona troksni un tehnisko terminoloģiju. Valoda tiek noteikta automātiski.
Runātāju noteikšana pēc pieprasījuma
Sarunām papildu runātāju noteikšanas funkcija transkriptā atzīmē runātāja maiņas. Tā aptuveni divkāršo apstrādes laiku, tāpēc pēc noklusējuma tā ir izslēgta.
Teksta izvade, kas atbilst jūsu darba plūsmai
Transkripts tiek saglabāts kā vienkāršs UTF 8 teksta fails ar parastu pieturzīmju lietojumu un rindkopu atdalījumiem, tāpēc to var atvērt jebkurā redaktorā, tekstapstrādes programmā vai piezīmju lietotnē un ielīmēt jebkur.
Bezmaksas un privāti
Nav nepieciešams konts, nav ūdenszīmes un nav izmēģinājuma reižu skaitītāja. Ieraksts neatstāj jūsu ierīci, līdz to apstiprināt, un pēc apstrādes audio un transkripts tiek automātiski dzēsti.
Pieredze un privātums
Radīts uzticamiem transkripcijas darbplūsmām.
Izstrādājuši inženieri ar vairāk nekā 10 gadu pieredzi lielapjoma infrastruktūrā, datu sistēmās un zinātniskajā skaitļošanā. Radīts reālām audio darba plūsmām, kur svarīga ir privātums, uzticama apstrāde un praktiska lietojamība.
Lietotāju uzticēts
Novērtēts ar 5 zvaigznēm vietnē Trustpilot par ātrumu, uzticamību un lietošanas ērtumu.
Lietotāju uzticēšanās
Akadēmiska lietošana
Minēts publicētā pētījumā un izmantots interviju transkripcijai un kvalitatīvu datu analīzei.
Pētījumu lietošanai
Kā runa šajā lapā kļūst par tekstu
Jūsu pārlūkprogramma ieraksta mikrofonu kā Opus audio (Chrome, Firefox, Edge) vai AAC (Safari) un saglabā to atmiņā. Pēc apstiprināšanas fails tiek augšupielādēts, izmantojot HTTPS, uz kādu no mūsu transkripcijas serveriem.
Tur ffmpeg dekodē audio, un Whisper – atvērtā pirmkoda runas atpazīšanas modelis – vienā piegājienā pārvērš to tekstā, iekļaujot pieturzīmes un teikumu pārtraukumus. Ja ir ieslēgta runātāju noteikšana, diarizācijas modelis vispirms sadala audio pa runātājiem, un transkripcija tiek atbilstoši anotēta.
Transkripcija tiek saglabāta kā vienkāršs UTF 8 teksta fails ar parastām pieturzīmēm un rindkopu pārtraukumiem, tāpēc to var atvērt jebkurā redaktorā, tekstapstrādes programmā vai piezīmju lietotnē un ielīmēt jebkur. Rezultātu lapā to var lejupielādēt; audio un transkripcija pēc tam tiek automātiski dzēsti.
Ierakstīšanas padomi, kas ir svarīgāki par jebkuru iestatījumu
Runas atpazīšanas kvalitāte ir atkarīga no audio kvalitātes. Vislielāko atšķirību rada trīs faktori: attālums, troksnis un pārklāšanās. Turiet mikrofonu 10–20 cm attālumā no mutes; tuvu turēts tālrunis ir labāks par klēpjdatoru otrā galda pusē. Izslēdziet ventilatorus, aizveriet logu un izvairieties no telpām ar spēcīgu atbalsi.
Runājiet normālā tempā un pabeidziet teikumus – modelis izmanto kontekstu, tāpēc nepabeigti teikumi un parazītvārdi rada sliktāku tekstu nekā nedaudz lēnāka, bet pilnīga runa. Intervijās lūdziet cilvēkiem nerunāt vienlaikus; pārklājoša runa ir visgrūtākais gadījums jebkurai runas atpazīšanas sistēmai.
Pirms sākšanas noklausieties priekšskatījumu. Ja līmeņa indikators tik tikko kustas vai pastāvīgi ir maksimālajā līmenī, ierakstiet audio vēlreiz, nevis ceriet, ka atšifrējums būs pareizs.
Tipiski runas pārvēršanas tekstā lietošanas veidi
Šo rīku izmanto skolotāji, podkāstu veidotāji, žurnālisti un ikviens, kurš domā ātrāk, runājot, nekā rakstot ar tastatūru: lai, runājot, sagatavotu e-pastu vai rakstu, fiksētu sapulces protokolu, pārvērstu lekciju vai balss piezīmi meklējamās piezīmēs, transkribētu interviju atbildes pētījumiem un iegūtu lasāmu balss ziņojuma versiju, kuru pašlaik nevar atskaņot.
Tā kā Whisper valodu nosaka automātiski, šī pati lapa bez jebkādiem iestatījumiem darbojas vācu diktātam, spāņu balss piezīmei vai angļu lekcijai. Transkripts netiek tulkots — tas tiek rakstīts valodā, kurā tika runāts.
Jau failā esošam audio — podkāstiem, lekcijām, zvaniem — šīs vietnes audio pārvēršanas tekstā un MP3 pārvēršanas tekstā konvertētāji izmanto to pašu sistēmu ar tām pašām iespējām.
Ko šis rīks nedara
Tas netulko: transkripti ir runātajā valodā. Tas neveido subtitru laika kodus — SRT vai VTT failiem izmantojiet šīs vietnes subtitru konvertētājus. Tas nenosaka runātājus pēc vārda, tikai fiksē runātāja maiņu, kad ir ieslēgta runātāju noteikšana. Tas arī nevar atjaunot vārdus, kas ierakstā nav dzirdami.
Īpašvārdi, produktu nosaukumi un reti saīsinājumi ir biežākās kļūdas; tīram ierakstam parasti pietiek ar ātru rezultāta pārskatīšanu, pievēršot tiem uzmanību.
FAQ
Biežāk uzdotie jautājumi
Cik precīzs ir transkripts?
Ar skaidru ierakstu un vienu runātāju Whisper galvenajās valodās parasti pareizi atpazīst krietni vairāk nekā 90 % vārdu, tostarp pieturzīmes. Precizitāte samazinās, ja ir spēcīgs fona troksnis, vairāki cilvēki runā vienlaikus, audio ir ļoti kluss vai tiek lietots izteikts dialekts – tālāk sniegtie ierakstīšanas padomi palīdzēs vairāk nekā jebkurš iestatījums.
Kuras valodas tiek atbalstītas?
Whisper atpazīst aptuveni 100 valodas un automātiski nosaka valodu pēc pirmajām audio sekundēm, tāpēc nekas nav jāiestata. Ieraksti ar vairākām valodām tiek pārrakstīti dominējošajā valodā. Transkripcija tiek veidota runātajā valodā; tā netiek tulkota.
Vai audio tiek augšupielādēts, kamēr es runāju?
Nē. Ierakstītājs saglabā audio jūsu pārlūkprogrammā, līdz dialoglodziņā nospiežat pogu. Ja atceļat darbību vai aizverat cilni, nekas netiek nosūtīts. Augšupielādētie faili un transkripcijas pēc apstrādes tiek automātiski dzēsti.
Cik garš var būt ieraksts?
Pārlūkā iebūvētais ierakstītājs apstājas pēc 30 minūtēm; augšupielādētie faili var būt garāki. Apstrādes laiks palielinās līdz ar audio garumu, un runātāju noteikšana pievieno aptuveni tikpat daudz laika.
Ko dara funkcija “Noteikt vairākus runātājus”?
Pirms transkribēšanas tiek veikta runātāju diarizācija un ikreiz, kad mainās runātājs, tiek ievietota atzīme. Izmantojiet to intervijām, sapulcēm un podkāstiem; diktēšanai un balss piezīmēm atstājiet to izslēgtu, jo tas tikai paildzina gaidīšanas laiku.
Vai pēc tam varu rediģēt tekstu?
Jā — rezultāts ir vienkāršs .txt fails. Atveriet to jebkurā redaktorā, izlabojiet vārdus vai tehniskos terminus, ko modelis ir nepareizi saklausījis, un ielīmējiet to vajadzīgajā vietā. Īpašvārdi un reti saīsinājumi ir visbiežāk pārbaudāmās lietas.