Prepis reči do textu.

Ako sa na tejto stránke reč mení na TXT

Váš prehliadač zaznamenáva zvuk z mikrofónu vo formáte Opus (Chrome, Firefox, Edge) alebo AAC (Safari) a uchováva ho v pamäti. Po potvrdení sa súbor nahrá cez HTTPS na jeden z našich serverov na prepis.

Server ffmpeg zvuk dekóduje a Whisper – model na rozpoznávanie reči s otvoreným zdrojovým kódom – ho v jednom kroku prevedie na text vrátane interpunkcie a zalomení viet. Ak je zapnuté rozpoznávanie hovorcov, model diarizácie najprv rozdelí zvuk podľa hovorcov a prepis sa príslušne označí.

Prepis sa uloží ako obyčajný textový súbor UTF 8 s bežnou interpunkciou a odsekmi, takže ho môžete otvoriť v ľubovoľnom editore, textovom procesore alebo aplikácii na poznámky a vložiť kamkoľvek. Na stránke s výsledkom si ho môžete stiahnuť; zvuk aj prepis sa potom automaticky odstránia.

Tipy na nahrávanie, ktoré sú dôležitejšie než akékoľvek nastavenie

Rozpoznávanie reči je len také dobré ako zvukový záznam. Najväčší rozdiel robia tri veci: vzdialenosť, šum a prekrývanie hlasov. Mikrofón majte 10–20 cm od úst; telefón držaný blízko je lepší než notebook na druhej strane stola. Vypnite ventilátory, zatvorte okno a vyhnite sa miestnostiam so silnou ozvenou.

Hovorte bežným tempom a dokončujte vety – model využíva kontext, takže nedokončené vety a slovné výplne vytvárajú horší text než o niečo pomalšia, súvislá reč. Pri rozhovoroch požiadajte ľudí, aby nehovorili jeden cez druhého; prekrývajúca sa reč je najťažším prípadom pre akýkoľvek systém rozpoznávania.

Pred začatím si vypočujte ukážku. Ak sa indikátor úrovne sotva pohybuje alebo je neustále na maxime, nahrajte záznam znova namiesto toho, aby ste dúfali, že prepis bude správny.

Typické použitia prevodu reči na TXT

Tento nástroj používajú učitelia, podcasteri, novinári a všetci, ktorí myslia rýchlejšie nahlas než pri klávesnici: na vytvorenie návrhu e-mailu alebo článku hovorením, zaznamenanie zápisnice zo stretnutia, premenu prednášky alebo hlasovej poznámky na poznámky s možnosťou vyhľadávania, prepis odpovedí z rozhovorov na výskumné účely či získanie čitateľnej verzie hlasovej správy, ktorú si práve nemožno prehrať.

Keďže Whisper automaticky rozpoznáva jazyk, tá istá stránka funguje pre nemecký diktát, španielsku hlasovú poznámku aj anglickú prednášku bez akéhokoľvek nastavovania. Prepis sa neprekladá – zapíše sa v jazyku, ktorým sa hovorilo.

Pre zvuk, ktorý už existuje ako súbor – podcasty, prednášky, hovory – používajú prevodníky zvuku na text a MP3 na text na tejto stránke rovnaký inteligentný systém s rovnakými možnosťami.

Čo tento nástroj nerobí

Neprekladá: prepisy sú v hovorenom jazyku. Nevytvára časovanie titulkov – pre súbory SRT alebo VTT použite prevodníky titulkov na tejto stránke. Neidentifikuje hovoriacich podľa mena, iba zmenu hovoriaceho, keď je zapnutá detekcia hovoriacich. Nedokáže ani obnoviť slová, ktoré v nahrávke nie je počuť.

Vlastné mená, názvy produktov a zriedkavé skratky sú najčastejšími chybami; pri čistej nahrávke zvyčajne stačí výsledok rýchlo prečítať so zameraním na tieto prvky.