Privātums pirmajā vietā
Augšupielādētie faili tiek automātiski un neatgriezeniski dzēsti divu stundu laikā.
Automātiska dzēšana
Balss pārveidošana tekstā
Diktējiet balss piezīmi, atgādinājumu, ziņu kolēģim vai īsu piezīmi tieši pārlūkprogrammā vai augšupielādējiet ierakstu un saņemiet tekstu vienkārša teksta failā (.txt, UTF 8). Transkribēšana tiek veikta ar atvērtā pirmkoda runas atpazīšanas modeli Whisper mūsu serveros — aptuveni 100 valodās, kas tiek noteiktas 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 maiņas intervijās un sapulcēs. Izvade: vienkārša teksta fails (.txt, UTF 8).
-
Privāti: Nekas netiek augšupielādēts, līdz neesat to apstiprinājis. Audio fails un transkripts pēc apstrādes tiek automātiski dzēsti, vēlākais dažu stundu laikā.
Transkribēšana
Kā darbojas runas pārvēršana tekstā
Lapa apvieno pārlūkā pieejamu ierakstītāju ar GPU transkripcijas aizmugursistēmu. Ierakstīšanai tiek izmantota pārlūkprogrammās Chrome, Firefox, Edge un Safari iebūvētā MediaRecorder saskarne; runas atpazīšanu nodrošina Whisper — OpenAI publicētais atvērtā pirmkoda modelis, kas darbojas uz mūsu pašu aparatūras, nevis izmantojot 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. Varat arī augšupielādēt 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
Tiek rādīts progress, kamēr modelis darbojas; dažu minūšu ilga runa parasti tiek apstrādāta krietni mazāk nekā minūtē. Rezultātu lapā lejupielādējiet vienkārša teksta failu (.txt, UTF 8).
Galvenās funkcijas
Whisper tehnoloģija pamatā
Whisper ir apmācīts, izmantojot 680 000 stundu daudzvalodu audioierakstu, un tas daudz labāk nekā pirms dažiem gadiem pieejamās diktēšanas sistēmas spēj apstrādāt akcentus, fona troksni un tehnisko terminoloģiju. Valoda tiek noteikta automātiski.
Runātāju noteikšana pēc pieprasījuma
Sarunām izvēles runātāju noteikšana atzīmē runātāja maiņu transkriptā. Tā aptuveni divkāršo apstrādes laiku, tāpēc pēc noklusējuma 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 konta, nav ūdenszīmes, nav izmēģinājuma reižu skaitītāja. Ieraksts nepamet jūsu ierīci, kamēr to neapstiprināt, 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 šajā lapā balss tiek pārvērsta tekstā
Jūsu pārlūkprogramma ieraksta skaņu no mikrofona Opus audio formātā (Chrome, Firefox, Edge) vai AAC formātā (Safari) un saglabā to atmiņā. Kad apstiprināt, fails tiek augšupielādēts, izmantojot HTTPS, uz kādu no mūsu transkripcijas serveriem.
Tur ffmpeg atkodē 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 transkripts tiek attiecīgi anotēts.
Transkripts tiek saglabāts kā vienkāršs UTF 8 teksta fails ar parastām pieturzīmēm un rindkopu pārtraukumiem, tāpēc to var atvērt jebkurā teksta redaktorā, tekstapstrādes programmā vai piezīmju lietotnē un ielīmēt jebkur. Rezultātu lapā to var lejupielādēt; pēc tam audio un transkripts 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 vienlaicīga runāšana. Turiet mikrofonu 10–20 cm attālumā no mutes; tālrunis, ko turat tuvu, nodrošina labāku rezultātu nekā klēpjdators 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 sarežģītākais gadījums jebkurai atpazīšanas sistēmai.
Pirms sākšanas noklausieties priekšskatījumu. Ja līmeņa indikators tik tikko kustas vai pastāvīgi rāda maksimumu, ierakstiet audio vēlreiz, nevis ceriet, ka transkripts būs pareizs.
Tipiski balss pārvēršanas tekstā lietojumi
Šo rīku izmanto cilvēki, kuri labprātāk runā, nevis raksta, vai kuriem nepieciešams balss ziņojums ārpus tērzēšanas lietotnes: e-pasta vēstules vai raksta sagatavošanai runājot, sapulces protokola fiksēšanai, lekcijas vai balss piezīmes pārvēršanai meklējamās piezīmēs, interviju atbilžu transkribēšanai pētījumiem un lasāmas balss ziņojuma versijas iegūšanai, ja to pašlaik nevar atskaņot.
Tā kā Whisper automātiski nosaka valodu, šī pati lapa darbojas gan vācu diktātam, gan spāņu balss piezīmei, gan angļu lekcijai bez jebkādu iestatījumu pielāgošanas. Transkripcija netiek tulkota — tā tiek rakstīta runātajā valodā.
Audio failiem, kas jau ir saglabāti kā faili — podkāstiem, lekcijām, zvaniem — šīs vietnes audio pārvēršanas tekstā un MP3 pārvēršanas tekstā rīki izmanto to pašu sistēmu ar tām pašām iespējām.
Ko šis rīks nedara
Tas netulko: transkripcijas ir runātajā valodā. Tas neveido subtitru laika kodus — SRT vai VTT failiem izmantojiet šīs vietnes subtitru konvertētājus. Tas neidentificē runātājus pēc vārda, tikai nosaka runātāja maiņu, ja ir ieslēgta runātāju noteikšana. Un tas nevar atjaunot vārdus, kas ierakstā nav sadzirdami.
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 atšifrējums?
Ar skaidru ierakstu un vienu runātāju Whisper galvenajās valodās, ieskaitot pieturzīmes, parasti pareizi atpazīst krietni vairāk nekā 90 % vārdu. Precizitāte samazinās, ja ir izteikts fona troksnis, vairāki cilvēki runā vienlaikus, audio ir ļoti kluss vai tiek lietots izteikts dialekts – tālāk sniegtie ierakstīšanas padomi palīdz 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. Transkripts tiek izveidots runātajā valodā; tas netiek tulkots.
Vai audio tiek augšupielādēts, kamēr es runāju?
Nē. Ierakstītājs saglabā audio 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 ilgumu, un runātāju noteikšana aptuveni dubulto šo laiku.
Ko dara opcija “Noteikt vairākus runātājus”?
Pirms transkripcijas tiek veikta runātāju nošķiršana un ikreiz, kad mainās runātājs, tiek ievietota atzīme. Izmantojiet to intervijām, sapulcēm un podkāstiem; atstājiet to izslēgtu diktēšanai un balss piezīmēm, kur tas tikai paildzina gaidīšanas laiku.
Vai es pēc tam varu rediģēt tekstu?
Jā – rezultāts ir vienkāršs .txt fails. Atveriet to jebkurā redaktorā, izlabojiet vārdus vai tehniskos terminus, kurus modelis ir nepareizi sadzirdējis, un ielīmējiet to tur, kur nepieciešams. Īpašvārdi un reti saīsinājumi ir visbiežāk pārbaudāmās lietas.