Govor v besedilo

Kako se govor na tej strani pretvori v TXT

Vaš brskalnik posname mikrofon kot zvok Opus (Chrome, Firefox, Edge) ali AAC (Safari) in ga ohrani v pomnilniku. Ko potrdite, se datoteka prek HTTPS naloži na enega od naših strežnikov za prepisovanje.

Tam ffmpeg dekodira zvok, Whisper – odprtokodni model za prepoznavanje govora – pa ga v enem koraku pretvori v besedilo, vključno z ločili in prelomi stavkov. Če je zaznavanje govorcev vklopljeno, model za diarizacijo najprej razdeli zvok po govorcih, prepis pa se ustrezno označi.

Prepis se shrani kot navadna besedilna datoteka UTF 8 z običajnimi ločili in prelomi odstavkov, zato se odpre v katerem koli urejevalniku, programu za obdelavo besedil ali aplikaciji za zapiske ter ga lahko prilepite kamor koli. Na strani z rezultatom ga lahko prenesete; zvok in prepis se nato samodejno izbrišeta.

Nasveti za snemanje, ki so pomembnejši od vseh nastavitev

Prepoznavanje govora je lahko le tako dobro, kot je dober zvok. Največjo razliko naredijo tri stvari: razdalja, hrup in prekrivanje govora. Mikrofon imejte 10–20 cm od ust; telefon, ki ga držite blizu, je boljši od prenosnika na drugi strani mize. Izklopite ventilatorje, zaprite okno in se izogibajte prostorom z močnim odmevom.

Govorite z običajnim tempom in dokončajte stavke – model uporablja kontekst, zato nedokončani stavki in mašila ustvarijo slabše besedilo kot nekoliko počasnejši, celovit govor. Pri intervjujih ljudi prosite, naj ne govorijo drug čez drugega; prekrivajoč se govor je najtežji primer za vsak program za prepoznavanje govora.

Pred začetkom poslušajte predogled. Če se merilnik ravni komaj premika ali je ves čas na najvišji ravni, posnetek raje naredite znova, namesto da upate, da bo prepis pravilen.

Običajne uporabe pretvorbe govora v TXT

To orodje uporabljajo učitelji, ustvarjalci podkastov, novinarji in vsi, ki razmišljajo hitreje na glas kot pri tipkovnici: za pripravo e-pošte ali članka z govorjenjem, zapisovanje zapisnikov sestankov, pretvorbo predavanja ali glasovnega zapisa v zapiske, po katerih je mogoče iskati, prepisovanje odgovorov iz intervjujev za raziskave ter pridobivanje berljive različice glasovnega sporočila, ki ga trenutno ni mogoče predvajati.

Ker Whisper samodejno zazna jezik, ista stran deluje za narekovanje v nemščini, glasovni zapis v španščini ali predavanje v angleščini brez kakršnih koli nastavitev. Prepis ni preveden – zapisan je v jeziku, v katerem je bilo govorjeno.

Za zvok, ki že obstaja kot datoteka – podkaste, predavanja, klice – pretvornika zvoka v besedilo in MP3 v besedilo na tem spletnem mestu uporabljata isti mehanizem z enakimi možnostmi.

Česa to orodje ne omogoča

Ne prevaja: prepisi so v govorjenem jeziku. Ne ustvarja časovnih oznak podnapisov – za datoteke SRT ali VTT uporabite pretvornike podnapisov na tem spletnem mestu. Govorcev ne prepozna po imenu, temveč le zazna menjavo govorca, kadar je zaznavanje govorcev vklopljeno. Prav tako ne more obnoviti besed, ki jih na posnetku ni mogoče slišati.

Lastna imena, imena izdelkov in redke okrajšave so najpogostejši viri napak; pri čistem posnetku je običajno dovolj hiter pregled rezultata z upoštevanjem teh dejavnikov.