ความเป็นส่วนตัวมาก่อน
ไฟล์ที่อัปโหลดจะถูกลบโดยอัตโนมัติและถาวรภายในสองชั่วโมง
การลบอัตโนมัติ
แปลงเสียงพูดเป็น PDF
พูดตามคำบอก บรรยาย จดบันทึกการบรรยาย ตอบสัมภาษณ์ หรือพากย์เสียงสั้น ๆ ลงในเบราว์เซอร์ได้โดยตรง หรืออัปโหลดไฟล์บันทึกเสียง แล้วรับข้อความเป็นเอกสาร PDF ระบบถอดเสียงทำงานด้วย Whisper โมเดลรู้จำเสียงพูดแบบโอเพนซอร์ส บนเซิร์ฟเวอร์ของเรา รองรับประมาณ 100 ภาษาและตรวจจับภาษาโดยอัตโนมัติ
-
บันทึกเสียง: พูดผ่านเครื่องบันทึกเสียงในเบราว์เซอร์ได้สูงสุด 30 นาทีต่อครั้ง หรืออัปโหลดไฟล์ MP3, WAV, M4A, AAC, OGG, FLAC หรือ WebM
-
ถอดเสียง: Whisper เขียนคำพูดพร้อมเครื่องหมายวรรคตอน และสามารถระบุการเปลี่ยนผู้พูดสำหรับการสัมภาษณ์และการประชุมได้ตามต้องการ ผลลัพธ์: เอกสาร PDF
-
เป็นส่วนตัว: จะไม่มีการอัปโหลดสิ่งใดจนกว่าคุณจะยืนยัน ไฟล์เสียงและข้อความถอดเสียงจะถูกลบโดยอัตโนมัติหลังการประมวลผล หรืออย่างช้าที่สุดภายในไม่กี่ชั่วโมง
การถอดเสียง
วิธีการแปลงเสียงพูดเป็น PDF მუშაობിക്കുന്നു
หน้านี้รวมเครื่องบันทึกเสียงในเบราว์เซอร์เข้ากับระบบถอดเสียงด้วย GPU การบันทึกใช้อินเทอร์เฟซ MediaRecorder ที่มีอยู่ใน Chrome, Firefox, Edge และ Safari ส่วนการรู้จำเสียงดำเนินการโดย Whisper โมเดลโอเพนซอร์สที่เผยแพร่โดย OpenAI ซึ่งทำงานบนฮาร์ดแวร์ของเราเอง ไม่ใช่ผ่าน API ของบุคคลที่สาม
วิธีใช้ Converter App
1
บันทึกเสียงหรืออัปโหลด
กด "บันทึกด้วยไมโครโฟนของคุณ" อนุญาตการเข้าถึงหนึ่งครั้ง แล้วพูดได้เลย ตัวจับเวลาและมาตรวัดระดับเสียงจะยืนยันว่ามีเสียงเข้ามา หรืออัปโหลดไฟล์บันทึกเสียงที่มีอยู่แล้วก็ได้ เช่น บันทึกเสียงจากโทรศัพท์ทุกรุ่น
2
ตรวจสอบและเริ่มต้น
ฟังไฟล์เสียงในกล่องโต้ตอบ เปิดใช้ "ตรวจจับผู้พูดหลายคน" สำหรับการสัมภาษณ์และการประชุม (ระบบจะระบุว่าใครกำลังพูด แต่ใช้เวลานานขึ้นอย่างเห็นได้ชัด) จากนั้นเริ่มการถอดเสียง
3
ดาวน์โหลดข้อความถอดเสียง
ระบบจะแสดงความคืบหน้าขณะที่โมเดลทำงาน โดยเสียงพูดไม่กี่นาทีมักใช้เวลาไม่ถึงหนึ่งนาที ดาวน์โหลดเอกสาร PDF ได้จากหน้าผลลัพธ์
คุณสมบัติหลัก
ขับเคลื่อนด้วย Whisper
Whisper ได้รับการฝึกด้วยเสียงหลายภาษากว่า 680,000 ชั่วโมง จึงรองรับสำเนียง เสียงรบกวนรอบข้าง และคำศัพท์เฉพาะทางได้ดีกว่าระบบถอดเสียงเมื่อไม่กี่ปีก่อนมาก ระบบจะตรวจจับภาษาโดยอัตโนมัติ
ตรวจจับผู้พูดตามคำขอ
สำหรับบทสนทนา การตรวจจับผู้พูดแบบเลือกใช้จะระบุการเปลี่ยนผู้พูดในข้อความถอดเสียง โดยจะใช้เวลาในการประมวลผลเพิ่มขึ้นประมาณสองเท่า จึงปิดไว้เป็นค่าเริ่มต้น
ไฟล์ PDF ที่เข้ากับขั้นตอนการทำงานของคุณ
ข้อความถอดเสียงจะถูกเขียนเป็นข้อความก่อน แล้วจึงจัดรูปแบบเป็น PDF ด้วย LibreOffice – เอกสารธรรมดาที่พิมพ์ได้ มีข้อความที่เลือกได้ ไม่มีไฟล์สแกนหรือรูปภาพ
ฟรีและเป็นส่วนตัว
ไม่ต้องมีบัญชี ไม่มีลายน้ำ ไม่มีตัวนับช่วงทดลองใช้ การบันทึกจะไม่ออกจากอุปกรณ์ของคุณจนกว่าคุณจะยืนยัน และไฟล์เสียงกับข้อความถอดเสียงจะถูกลบโดยอัตโนมัติหลังการประมวลผล
ประสบการณ์ & ความเป็นส่วนตัว
สร้างขึ้นเพื่อเวิร์กโฟลว์การถอดความที่เชื่อถือได้
พัฒนาโดยวิศวกรที่มีประสบการณ์มากกว่า 10 ปี ในโครงสร้างพื้นฐานขนาดใหญ่, ระบบข้อมูล และการประมวลผลเชิงวิทยาศาสตร์ ออกแบบมาสำหรับเวิร์กโฟลว์เสียงในโลกจริงที่ความเป็นส่วนตัว การประมวลผลที่เชื่อถือได้ และการใช้งานที่เหมาะสมมีความสำคัญ.
ได้รับความไว้วางใจจากผู้ใช้งาน
ได้รับคะแนน 5 ดาว บน Trustpilot ในด้านความเร็ว ความน่าเชื่อถือ และความง่ายในการใช้งาน
ความไว้วางใจของผู้ใช้
การใช้งานทางวิชาการ
อ้างอิงในงานวิจัยที่เผยแพร่ และใช้สำหรับการถอดความบทสัมภาษณ์และการวิเคราะห์ข้อมูลเชิงคุณภาพ
การใช้งานเพื่อการวิจัย
เสียงพูดกลายเป็น PDF บนหน้านี้ได้อย่างไร
เบราว์เซอร์ของคุณจะบันทึกเสียงจากไมโครโฟนเป็นเสียง Opus (Chrome, Firefox, Edge) หรือ AAC (Safari) และเก็บไว้ในหน่วยความจำ เมื่อคุณยืนยัน ไฟล์จะถูกอัปโหลดผ่าน HTTPS ไปยังเซิร์ฟเวอร์ถอดเสียงของเรา
จากนั้น ffmpeg จะถอดรหัสเสียง และ Whisper – โมเดลรู้จำเสียงพูดแบบโอเพนซอร์ส – จะแปลงเป็นข้อความในขั้นตอนเดียว พร้อมเครื่องหมายวรรคตอนและการขึ้นประโยคใหม่ หากเปิดใช้การตรวจจับผู้พูด โมเดลแยกผู้พูดจะแบ่งเสียงตามผู้พูดก่อน และจะใส่คำอธิบายกำกับไว้ในข้อความถอดเสียงตามนั้น
ข้อความถอดเสียงจะถูกเขียนเป็นข้อความก่อน แล้วจัดรูปแบบเป็น PDF ด้วย LibreOffice ซึ่งเป็นเอกสารธรรมดาที่พิมพ์ได้ มีข้อความที่เลือกได้ ไม่มีการสแกนหรือรูปภาพ หน้าผลลัพธ์ให้คุณดาวน์โหลดไฟล์ได้ และเสียงกับข้อความถอดเสียงจะถูกลบโดยอัตโนมัติหลังจากนั้น
เคล็ดลับการบันทึกเสียงที่สำคัญกว่าการตั้งค่าใด ๆ
การรู้จำเสียงจะมีประสิทธิภาพได้ดีเพียงใดขึ้นอยู่กับคุณภาพเสียงเป็นสำคัญ โดยมี 3 ปัจจัยที่ส่งผลมากที่สุด ได้แก่ ระยะห่าง เสียงรบกวน และการพูดทับกัน ควรวางไมโครโฟนให้ห่างจากปาก 10–20 ซม. การถือโทรศัพท์ไว้ใกล้ปากให้ผลดีกว่าใช้แล็ปท็อปที่วางอยู่อีกฝั่งของโต๊ะ ปิดพัดลม ปิดหน้าต่าง และหลีกเลี่ยงห้องที่มีเสียงก้องมาก
พูดด้วยความเร็วปกติและพูดให้จบประโยค เพราะระบบจะใช้บริบทในการประมวลผล ดังนั้นประโยคที่พูดไม่จบและคำอุทานแทรกจะทำให้ข้อความที่ถอดเสียงมีคุณภาพแย่กว่าการพูดช้าลงเล็กน้อยแต่ครบถ้วน สำหรับการสัมภาษณ์ ควรขอให้ผู้พูดไม่พูดทับกัน เนื่องจากเสียงพูดที่ซ้อนทับกันเป็นกรณีที่ระบบรู้จำเสียงทุกประเภทจัดการได้ยากที่สุด
ฟังตัวอย่างก่อนเริ่มใช้งาน หากมิเตอร์ระดับเสียงแทบไม่ขยับหรือขึ้นเต็มตลอดเวลา ควรบันทึกเสียงใหม่แทนที่จะหวังว่าข้อความถอดเสียงจะออกมาถูกต้อง
การใช้งานทั่วไปของการแปลงเสียงพูดเป็น PDF
เครื่องมือนี้เหมาะสำหรับครู ผู้จัดพอดแคสต์ นักข่าว และทุกคนที่คิดได้เร็วกว่าเมื่อพูดออกเสียงมากกว่าพิมพ์บนแป้นพิมพ์: ร่างอีเมลหรือบทความด้วยการพูด บันทึกรายงานการประชุม เปลี่ยนการบรรยายหรือบันทึกเสียงให้เป็นโน้ตที่ค้นหาได้ ถอดคำตอบจากการสัมภาษณ์เพื่อใช้ในการวิจัย และรับข้อความเสียงในรูปแบบที่อ่านได้เมื่อไม่สามารถเล่นข้อความเสียงนั้นได้ในขณะนี้
เนื่องจาก Whisper ตรวจจับภาษาโดยอัตโนมัติ หน้าเดียวกันนี้จึงใช้ได้กับการเขียนตามคำบอกภาษาเยอรมัน บันทึกเสียงภาษาสเปน หรือการบรรยายภาษาอังกฤษโดยไม่ต้องตั้งค่าใด ๆ ข้อความถอดเสียงจะไม่ถูกแปล แต่จะเขียนด้วยภาษาที่พูด
สำหรับไฟล์เสียงที่มีอยู่แล้ว เช่น พอดแคสต์ การบรรยาย หรือการโทร เครื่องมือแปลงเสียงเป็นข้อความและแปลง MP3 เป็นข้อความบนเว็บไซต์นี้ใช้ระบบเดียวกันพร้อมตัวเลือกเดียวกัน
สิ่งที่เครื่องมือนี้ไม่สามารถทำได้
ระบบจะไม่แปลภาษา: ข้อความถอดเสียงจะเป็นภาษาที่พูดในไฟล์เสียง ระบบจะไม่สร้างช่วงเวลาของคำบรรยาย หากต้องการไฟล์ SRT หรือ VTT โปรดใช้เครื่องมือแปลงคำบรรยายบนเว็บไซต์นี้ ระบบจะไม่ระบุชื่อผู้พูด แต่จะตรวจจับเฉพาะการเปลี่ยนผู้พูดเมื่อเปิดใช้การตรวจจับผู้พูด และระบบไม่สามารถกู้คืนคำที่ฟังไม่ออกจากไฟล์บันทึกเสียงได้
ชื่อเฉพาะ ชื่อผลิตภัณฑ์ และตัวย่อที่พบไม่บ่อยมักเป็นข้อผิดพลาดที่พบบ่อยที่สุด โดยปกติการอ่านตรวจทานผลลัพธ์อย่างรวดเร็วโดยคำนึงถึงสิ่งเหล่านี้ก็เพียงพอสำหรับการแก้ไขไฟล์บันทึกเสียงที่ชัดเจน
FAQ
คำถามที่พบบ่อย
ข้อความถอดเสียงมีความแม่นยำเพียงใด?
เมื่อไฟล์บันทึกเสียงมีความชัดเจนและมีผู้พูดเพียงคนเดียว Whisper มักถอดคำได้ถูกต้องมากกว่า 90 % สำหรับภาษาหลัก ๆ รวมถึงเครื่องหมายวรรคตอน ความแม่นยำจะลดลงหากมีเสียงรบกวนรอบข้างมาก มีหลายคนพูดทับกัน เสียงเบามาก หรือมีสำเนียงท้องถิ่นเข้มข้น โดยเคล็ดลับการบันทึกเสียงด้านล่างช่วยได้มากกว่าการตั้งค่าใด ๆ
รองรับภาษาใดบ้าง?
Whisper รองรับภาษาประมาณ 100 ภาษา และตรวจจับภาษาโดยอัตโนมัติจากช่วงแรกของเสียง จึงไม่ต้องตั้งค่าใด ๆ การบันทึกเสียงที่มีหลายภาษาจะถูกถอดเสียงเป็นภาษาหลักที่ใช้พูด ข้อความถอดเสียงจะเขียนเป็นภาษาที่พูด โดยไม่มีการแปลภาษา
ระบบจะอัปโหลดเสียงขณะที่ฉันพูดหรือไม่?
ไม่ ระบบบันทึกเสียงจะเก็บเสียงไว้ในเบราว์เซอร์ของคุณจนกว่าคุณจะกดปุ่มในกล่องโต้ตอบ หากคุณยกเลิกหรือปิดแท็บ จะไม่มีการส่งข้อมูลใด ๆ ไฟล์ที่อัปโหลดและข้อความถอดเสียงจะถูกลบโดยอัตโนมัติหลังการประมวลผล
บันทึกเสียงได้นานแค่ไหน?
เครื่องบันทึกเสียงในเบราว์เซอร์จะหยุดหลังจาก 30 นาที แต่ไฟล์ที่อัปโหลดสามารถมีความยาวมากกว่านั้นได้ เวลาในการประมวลผลจะเพิ่มขึ้นตามความยาวของเสียง และการตรวจจับผู้พูดจะใช้เวลาเพิ่มขึ้นอีกราว ๆ เท่ากัน
“ตรวจจับผู้พูดหลายคน” ทำหน้าที่อะไร?
ระบบจะทำขั้นตอนแยกแยะผู้พูดก่อนถอดเสียง และแทรกเครื่องหมายทุกครั้งที่ผู้พูดเปลี่ยน ใช้สำหรับการสัมภาษณ์ การประชุม และพอดแคสต์; ปิดไว้สำหรับการเขียนตามคำบอกและบันทึกเสียง เพราะจะเพิ่มเวลารอเท่านั้น
PDF มีลักษณะอย่างไร?
เอกสาร A4 แบบเรียบง่ายที่มีข้อความถอดเสียงเป็นข้อความที่เลือกได้ โดยไม่มีกราฟิกส่วนหัวและไม่มีลายน้ำ เหมาะสำหรับจัดเก็บ พิมพ์ หรือแนบไปกับอีเมล หากต้องการแก้ไขข้อความ เครื่องมือแปลงเสียงเป็นข้อความบนเว็บไซต์นี้จะให้ข้อความถอดเสียงเดียวกันในรูปแบบไฟล์ .txt