แปลงเสียงเป็นข้อความ

เสียงพูดกลายเป็น TXT บนหน้านี้ได้อย่างไร

เบราว์เซอร์ของคุณจะบันทึกเสียงจากไมโครโฟนเป็นเสียง Opus (Chrome, Firefox, Edge) หรือ AAC (Safari) และเก็บไว้ในหน่วยความจำ เมื่อคุณยืนยัน ไฟล์จะถูกอัปโหลดผ่าน HTTPS ไปยังเซิร์ฟเวอร์ถอดเสียงของเราเครื่องหนึ่ง

จากนั้น ffmpeg จะถอดรหัสเสียง และ Whisper – โมเดลรู้จำเสียงพูดแบบโอเพนซอร์ส – จะแปลงเป็นข้อความในขั้นตอนเดียว พร้อมเครื่องหมายวรรคตอนและการขึ้นประโยคใหม่ หากเปิดการตรวจจับผู้พูด ระบบแยกผู้พูดจะเริ่มแบ่งเสียงตามผู้พูดก่อน แล้วจึงใส่คำกำกับลงในข้อความถอดเสียงตามนั้น

ข้อความถอดเสียงจะถูกบันทึกเป็นไฟล์ข้อความ UTF 8 แบบธรรมดาที่มีเครื่องหมายวรรคตอนและการแบ่งย่อหน้าตามปกติ จึงเปิดได้ในโปรแกรมแก้ไขข้อความ โปรแกรมประมวลผลคำ หรือแอปจดบันทึกทุกชนิด และสามารถวางได้ทุกที่ หน้าผลลัพธ์ให้คุณดาวน์โหลดไฟล์ได้ โดยเสียงและข้อความถอดเสียงจะถูกลบโดยอัตโนมัติหลังจากนั้น

เคล็ดลับการบันทึกเสียงที่สำคัญยิ่งกว่าการตั้งค่าใดๆ

การรู้จำเสียงพูดจะมีประสิทธิภาพได้ดีเพียงใดขึ้นอยู่กับคุณภาพเสียงเป็นสำคัญ โดยมี 3 ปัจจัยที่ส่งผลมากที่สุด ได้แก่ ระยะห่าง เสียงรบกวน และการพูดทับกัน ควรวางไมโครโฟนให้ห่างจากปาก 10–20 ซม. การถือโทรศัพท์ไว้ใกล้ปากให้ผลดีกว่าใช้แล็ปท็อปที่วางอยู่ฝั่งตรงข้ามโต๊ะ ปิดพัดลม ปิดหน้าต่าง และหลีกเลี่ยงห้องที่มีเสียงสะท้อนมาก

พูดด้วยความเร็วปกติและพูดให้จบประโยค โมเดลจะใช้บริบทในการประมวลผล ดังนั้นประโยคที่พูดไม่จบและคำอุทานแทรกจะทำให้ข้อความที่ได้แย่กว่าการพูดให้ช้าลงเล็กน้อยแต่ครบถ้วน สำหรับการสัมภาษณ์ ควรขอให้ผู้พูดไม่พูดทับกัน เนื่องจากเสียงพูดที่ซ้อนทับกันเป็นกรณีที่ยากที่สุดสำหรับระบบรู้จำเสียงพูดทุกประเภท

ฟังตัวอย่างเสียงก่อนเริ่มใช้งาน หากมิเตอร์ระดับเสียงแทบไม่ขยับหรือขึ้นเต็มตลอดเวลา ควรบันทึกเสียงใหม่แทนที่จะหวังว่าข้อความถอดเสียงจะออกมาถูกต้อง

การใช้งานทั่วไปของการแปลงเสียงพูดเป็น TXT

เครื่องมือนี้ใช้โดยครู ผู้จัดรายการพอดแคสต์ นักข่าว และทุกคนที่คิดและพูดออกมาได้เร็วกว่าการพิมพ์บนแป้นพิมพ์: ร่างอีเมลหรือบทความด้วยการพูด บันทึกรายงานการประชุม เปลี่ยนการบรรยายหรือบันทึกเสียงเป็นโน้ตที่ค้นหาได้ ถอดคำตอบจากการสัมภาษณ์เพื่อการวิจัย และรับข้อความที่อ่านได้จากข้อความเสียงที่ไม่สามารถเล่นได้ในขณะนี้

เนื่องจาก Whisper ตรวจจับภาษาโดยอัตโนมัติ หน้าเดียวกันนี้จึงใช้ได้กับการพูดตามคำบอกภาษาเยอรมัน บันทึกเสียงภาษาสเปน หรือการบรรยายภาษาอังกฤษโดยไม่ต้องตั้งค่าใดๆ ข้อความถอดเสียงจะไม่ถูกแปล แต่จะเขียนเป็นภาษาที่พูด

สำหรับเสียงที่มีอยู่แล้วเป็นไฟล์ เช่น พอดแคสต์ การบรรยาย หรือการโทร ตัวแปลงเสียงเป็นข้อความและ MP3 เป็นข้อความบนเว็บไซต์นี้จะใช้ระบบเดียวกันพร้อมตัวเลือกเดียวกัน

สิ่งที่เครื่องมือนี้ไม่สามารถทำได้

ระบบนี้ไม่แปลภาษา: ข้อความถอดเสียงจะเป็นภาษาที่พูดในไฟล์เสียง ระบบจะไม่สร้างช่วงเวลาของคำบรรยาย – หากต้องการไฟล์ SRT หรือ VTT โปรดใช้เครื่องมือแปลงคำบรรยายบนเว็บไซต์นี้ ระบบจะไม่ระบุชื่อผู้พูด แต่จะระบุเฉพาะการเปลี่ยนผู้พูดเมื่อเปิดใช้การตรวจจับผู้พูด และไม่สามารถกู้คืนคำที่ฟังไม่ออกในไฟล์บันทึกเสียงได้

ชื่อเฉพาะ ชื่อผลิตภัณฑ์ และตัวย่อที่พบไม่บ่อยเป็นข้อผิดพลาดที่เกิดขึ้นบ่อยที่สุด โดยทั่วไปเพียงตรวจทานผลลัพธ์อย่างรวดเร็วโดยคำนึงถึงสิ่งเหล่านี้ ก็เพียงพอสำหรับการแก้ไขไฟล์บันทึกเสียงที่ชัดเจน