Privātums pirmajā vietā
Augšupielādētie faili tiek automātiski un neatgriezeniski dzēsti divu stundu laikā.
Automātiska dzēšana
Runas konvertēšana uz TXT
Diktējiet diktātu, stāstījumu, lekcijas piezīmes, intervijas atbildes vai īsu ieskaņojumu tieši pārlūkprogrammā vai augšupielādējiet ierakstu un saņemiet vārdus vienkārša teksta failā (.txt, UTF 8). Transkribēšana tiek veikta ar Whisper — atvērtā pirmkoda runas atpazīšanas modeli — mūsu pašu serveros aptuveni 100 valodās, tās nosakot automātiski.
-
Ierakstiet: runājiet pārlūkprogrammas ierakstītājā — līdz 30 minūtēm vienā ierakstā — vai augšupielādējiet MP3, WAV, M4A, AAC, OGG, FLAC vai WebM.
-
Transkribējiet: Whisper pieraksta vārdus ar pieturzīmēm; pēc izvēles atzīmējiet runātāju maiņu intervijām un sapulcēm. Izvade: vienkārša teksta fails (.txt, UTF 8).
-
Privāti: Nekas netiek augšupielādēts, kamēr neapstiprināt. Audio fails un transkripts pēc apstrādes tiek automātiski dzēsti, vēlākais dažu stundu laikā.
Transkribēšana
Kā darbojas runas pārvēršana TXT formātā
Lapa apvieno pārlūkā iebūvētu ierakstītāju ar GPU transkripcijas sistēmu. Ierakstīšanai tiek izmantota Chrome, Firefox, Edge un Safari iebūvētā MediaRecorder saskarne; runas atpazīšanu nodrošina 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 sāciet runāt. Taimeris un līmeņa indikators apstiprinās, ka tiek saņemts audio. Varat arī augšupielādēt esošu ierakstu — der balss piezīmes no jebkura tālruņa.
2
Pārbaudiet un sāciet
Noklausieties ierakstu dialoglodziņā. Intervijām un sapulcēm ieslēdziet opciju "Noteikt vairākus runātājus" (tā norāda, kurš runā, taču aizņem ievērojami vairāk laika). Pēc tam sāciet transkripciju.
3
Lejupielādēt transkripciju
Progress tiek rādīts, kamēr modelis darbojas; dažu minūšu runas apstrāde parasti aizņem ievērojami mazāk nekā minūti. Rezultātu lapā lejupielādējiet vienkārša teksta failu (.txt, UTF 8).
Galvenās funkcijas
Whisper tehnoloģija pamatā
Whisper ir apmācīts ar 680 000 stundu daudzvalodu audio ierakstiem un daudz labāk nekā pirms dažiem gadiem izmantotās diktēšanas sistēmas spēj apstrādāt akcentus, fona troksni un tehnisko terminoloģiju. Valoda tiek noteikta automātiski.
Runātāju noteikšana pēc pieprasījuma
Sarunām izvēles runātāju noteikšana transkriptā atzīmē runātāja maiņu. Tā aptuveni divkāršo apstrādes laiku, tāpēc pēc noklusējuma ir izslēgta.
TXT izvade, kas atbilst jūsu darba procesam
Transkripts tiek saglabāts kā vienkārša UTF 8 teksta fails ar standarta interpunkciju un rindkopu atdalījumiem, tāpēc to var atvērt jebkurā teksta redaktorā, tekstapstrādes programmā vai piezīmju lietotnē un ielīmēt jebkur.
Bezmaksas un privāti
Nav nepieciešams konts, nav ūdenszīmes, nav izmēģinājuma reižu skaitītāja. Ieraksts nepamet jūsu ierīci, kamēr to neapstiprināt, un pēc apstrādes audio un transkripcija 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 šajā lapā runa tiek pārvērsta TXT formātā
Jūsu pārlūkprogramma ieraksta mikrofonu kā Opus audio (Chrome, Firefox, Edge) vai AAC (Safari) un saglabā to atmiņā. Kad apstiprināt, fails tiek augšupielādēts, izmantojot HTTPS, vienā no mūsu transkribēšanas serveriem.
Tur ffmpeg atkodē audio, un Whisper – atvērtā pirmkoda runas atpazīšanas modelis – vienā reizē pārvērš to tekstā, iekļaujot pieturzīmes un teikumu pārtraukumus. Ja ir ieslēgta runātāju noteikšana, diarizācijas modelis vispirms sadala audio pa runātājiem, un transkripts tiek attiecīgi anotēts.
Transkripts tiek saglabāts 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 transkripts pēc tam tiek automātiski dzēsti.
Ierakstīšanas padomi, kas ir svarīgāki par jebkuru iestatījumu
Runas atpazīšanas kvalitāte ir atkarīga no audio ieraksta 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 galda otrā 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, pilnīga runa. Intervijās lūdziet cilvēkus nerunāt vienlaikus; pārklājoša runa ir vissarežģītākais gadījums jebkurai runas atpazīšanas sistēmai.
Pirms sākšanas noklausieties priekšskatījumu. Ja līmeņa mērītājs tikko kustas vai pastāvīgi rāda maksimālo līmeni, ierakstiet audio no jauna, nevis ceriet, ka transkripcija izdosies pareiza.
Tipiski runas pārvēršanas TXT lietojumi
Šo rīku izmanto skolotāji, podkāstu veidotāji, žurnālisti un ikviens, kurš runājot domā ātrāk nekā rakstot ar tastatūru: e-pasta vai raksta melnraksta veidošanai runājot, sapulču protokolēšanai, lekcijas vai balss piezīmes pārvēršanai meklējamās piezīmēs, interviju atbilžu transkribēšanai pētījumiem un lasāmas balss ziņas versijas iegūšanai, ja to pašlaik nevar atskaņot.
Tā kā Whisper valodu nosaka automātiski, šī pati lapa bez papildu iestatījumiem darbojas vācu diktātam, spāņu balss piezīmei vai angļu lekcijai. Transkripcija netiek tulkota — tā tiek izveidota runātajā valodā.
Audio failiem, kas jau pastāv kā faili — podkāstiem, lekcijām, zvaniem — šīs vietnes audio-uz-tekstu un MP3 uz tekstu konvertētāji izmanto to pašu sistēmu ar tām pašām iespējām.
Ko šis rīks nedara
Tas netulko: transkripti ir runātajā valodā. Tas neveido subtitru laika atzīmes — SRT vai VTT failiem izmantojiet šīs vietnes subtitru konvertētājus. Tas neidentificē runātājus pēc vārda, tikai nosaka runātāja maiņu, ja ir ieslēgta runātāju noteikšana. Tas arī nevar atjaunot vārdus, kas ierakstā nav dzirdami.
Īpašvārdi, produktu nosaukumi un reti saīsinājumi ir visbiežāk sastopamās 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 lielākajās 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 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 audio pirmajām sekundēm, tāpēc nekas nav jāiestata. Ieraksti ar vairākām valodām tiek transkribēti dominējošajā valodā. Transkripts tiek veidots runātajā valodā; tas netiek tulkots.
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 transkripti pēc apstrādes tiek automātiski dzēsti.
Cik ilgs 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 vēlreiz.
Ko dara opcija “Noteikt vairākus runātājus”?
Pirms transkribēšanas tiek veikta runātāju nošķiršana un ikreiz, kad mainās runātājs, tiek ievietota atzīme. Izmantojiet to intervijām, sapulcēm un podkāstiem; diktēšanai un balss piezīmēm to atstājiet izslēgtu, jo tas tikai paildzina gaidīšanas laiku.
Kāpēc .txt fails, nevis Word dokuments?
Vienkāršs teksts ir visplašāk izmantojamais rezultāts: tas atveras jebkurā ierīcē, tīri ielīmējas piezīmēs, e-pastos, CMS redaktoros un tērzēšanā, turklāt aizņem ļoti maz vietas. Ja nepieciešams formatēts dokuments, ielīmējiet tekstu savā tekstapstrādes programmā vai izmantojiet šīs vietnes runas PDF rīku.