ความเป็นส่วนตัวมาก่อน
ไฟล์ที่อัปโหลดจะถูกลบโดยอัตโนมัติและถาวรภายในสองชั่วโมง
การลบอัตโนมัติ
แปลงเสียงเป็นข้อความ
พูดบันทึกเสียง การแจ้งเตือน ข้อความถึงเพื่อนร่วมงาน หรือบันทึกสั้นๆ ได้โดยตรงในเบราว์เซอร์ หรืออัปโหลดไฟล์บันทึกเสียง แล้วรับข้อความเป็นไฟล์ข้อความล้วน (.txt, UTF 8) การถอดเสียงทำงานด้วย Whisper โมเดลรู้จำเสียงพูดแบบโอเพนซอร์ส บนเซิร์ฟเวอร์ของเราเอง รองรับประมาณ 100 ภาษาและตรวจจับภาษาโดยอัตโนมัติ
-
บันทึกเสียง: พูดผ่านเครื่องบันทึกในเบราว์เซอร์ได้ครั้งละสูงสุด 30 นาที หรืออัปโหลดไฟล์ MP3, WAV, M4A, AAC, OGG, FLAC หรือ WebM
-
ถอดเสียง: Whisper เขียนคำพูดพร้อมเครื่องหมายวรรคตอน และเลือกทำเครื่องหมายเมื่อผู้พูดเปลี่ยนได้สำหรับการสัมภาษณ์และการประชุม ผลลัพธ์: ไฟล์ข้อความธรรมดา (.txt, UTF 8)
-
เป็นส่วนตัว: จะไม่มีการอัปโหลดไฟล์จนกว่าคุณจะยืนยัน ไฟล์เสียงและข้อความถอดเสียงจะถูกลบโดยอัตโนมัติหลังการประมวลผล หรืออย่างช้าที่สุดภายในไม่กี่ชั่วโมง
การถอดเสียง
การแปลงเสียงเป็นข้อความทำงานอย่างไร
หน้านี้รวมเครื่องมือบันทึกเสียงในเบราว์เซอร์เข้ากับระบบถอดเสียงด้วย GPU การบันทึกใช้อินเทอร์เฟซ MediaRecorder ที่มีอยู่ใน Chrome, Firefox, Edge และ Safari ส่วนการรู้จำเสียงดำเนินการโดย Whisper ซึ่งเป็นโมเดลโอเพนซอร์สที่เผยแพร่โดย OpenAI และทำงานบนฮาร์ดแวร์ของเราเอง ไม่ใช่ผ่าน API ของบุคคลที่สาม
วิธีใช้ Converter App
1
บันทึกเสียงหรืออัปโหลด
กด "บันทึกด้วยไมโครโฟนของคุณ" อนุญาตการเข้าถึงเพียงครั้งเดียว แล้วเริ่มพูด ตัวจับเวลาและตัววัดระดับเสียงจะยืนยันว่ากำลังรับเสียงอยู่ หรืออัปโหลดไฟล์บันทึกเสียงที่มีอยู่ก็ได้—บันทึกเสียงจากโทรศัพท์ทุกรุ่นใช้ได้ทั้งหมด
2
ตรวจสอบและเริ่มต้น
ฟังไฟล์เสียงในกล่องโต้ตอบ เปิดใช้ "ตรวจจับผู้พูดหลายคน" สำหรับการสัมภาษณ์และการประชุม (ระบบจะระบุว่าใครกำลังพูด แต่จะใช้เวลานานขึ้นอย่างเห็นได้ชัด) จากนั้นเริ่มถอดเสียง
3
ดาวน์โหลดข้อความถอดเสียง
จะแสดงความคืบหน้าขณะที่โมเดลทำงาน โดยเสียงพูดไม่กี่นาทีมักใช้เวลาไม่ถึงหนึ่งนาที ดาวน์โหลดไฟล์ข้อความล้วน (.txt, UTF 8) ได้จากหน้าผลลัพธ์
คุณสมบัติหลัก
ขับเคลื่อนด้วย Whisper
Whisper ได้รับการฝึกด้วยข้อมูลเสียงหลายภาษากว่า 680,000 ชั่วโมง จึงรองรับสำเนียง เสียงรบกวนรอบข้าง และคำศัพท์ทางเทคนิคได้ดีกว่าเครื่องมือถอดเสียงตามคำบอกในช่วงไม่กี่ปีก่อนอย่างมาก ระบบจะตรวจจับภาษาโดยอัตโนมัติ
ตรวจจับผู้พูดได้ตามคำขอ
สำหรับบทสนทนา การตรวจจับผู้พูดแบบเลือกใช้จะระบุการเปลี่ยนผู้พูดในข้อความถอดเสียง โดยจะใช้เวลาในการประมวลผลเพิ่มขึ้นประมาณสองเท่า จึงปิดใช้งานไว้เป็นค่าเริ่มต้น
ผลลัพธ์ข้อความที่เข้ากับขั้นตอนการทำงานของคุณ
บันทึกข้อความถอดเสียงเป็นไฟล์ข้อความ UTF 8 แบบธรรมดา พร้อมเครื่องหมายวรรคตอนและการแบ่งย่อหน้าตามปกติ จึงเปิดได้ในโปรแกรมแก้ไขข้อความ โปรแกรมประมวลผลคำ หรือแอปจดบันทึกทุกชนิด และสามารถวางได้ทุกที่
ฟรีและเป็นส่วนตัว
ไม่ต้องมีบัญชี ไม่มีลายน้ำ ไม่มีตัวนับการทดลองใช้ฟรี ไฟล์บันทึกเสียงจะไม่ออกจากอุปกรณ์ของคุณจนกว่าคุณจะยืนยัน และไฟล์เสียงกับข้อความถอดเสียงจะถูกลบโดยอัตโนมัติหลังประมวลผลเสร็จสิ้น
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
เสียงกลายเป็นข้อความบนหน้านี้ได้อย่างไร
เบราว์เซอร์ของคุณจะบันทึกเสียงจากไมโครโฟนเป็นเสียง Opus (Chrome, Firefox, Edge) หรือ AAC (Safari) และเก็บไว้ในหน่วยความจำ เมื่อคุณยืนยัน ไฟล์จะถูกอัปโหลดผ่าน HTTPS ไปยังเซิร์ฟเวอร์ถอดเสียงของเราเครื่องใดเครื่องหนึ่ง
จากนั้น ffmpeg จะถอดรหัสเสียง และ Whisper – โมเดลรู้จำเสียงพูดแบบโอเพนซอร์ส – จะแปลงเสียงเป็นข้อความในครั้งเดียว รวมถึงเครื่องหมายวรรคตอนและการขึ้นประโยคใหม่ หากเปิดใช้การตรวจจับผู้พูด โมเดลแยกผู้พูดจะแยกเสียงตามผู้พูดก่อน และข้อความถอดเสียงจะถูกระบุข้อมูลตามนั้น
ข้อความถอดเสียงจะถูกบันทึกเป็นไฟล์ข้อความ UTF 8 แบบธรรมดาพร้อมเครื่องหมายวรรคตอนและการแบ่งย่อหน้าตามปกติ จึงเปิดได้ในโปรแกรมแก้ไขข้อความ โปรแกรมประมวลผลคำ หรือแอปจดบันทึกทุกชนิด และสามารถวางได้ทุกที่ หน้าผลลัพธ์ช่วยให้คุณดาวน์โหลดไฟล์ได้ จากนั้นไฟล์เสียงและข้อความถอดเสียงจะถูกลบโดยอัตโนมัติ
เคล็ดลับการบันทึกเสียงที่สำคัญยิ่งกว่าการตั้งค่าใดๆ
การรู้จำเสียงจะทำงานได้ดีเพียงใดขึ้นอยู่กับคุณภาพเสียงเป็นหลัก โดยมี 3 ปัจจัยที่สร้างความแตกต่างมากที่สุด ได้แก่ ระยะห่าง เสียงรบกวน และการพูดทับกัน ควรวางไมโครโฟนให้ห่างจากปาก 10–20 ซม.; การถือโทรศัพท์ไว้ใกล้ปากให้ผลดีกว่าใช้แล็ปท็อปที่วางอยู่อีกฝั่งของโต๊ะ ปิดพัดลม ปิดหน้าต่าง และหลีกเลี่ยงห้องที่มีเสียงก้องมาก
พูดด้วยความเร็วปกติและพูดให้จบประโยค – โมเดลใช้บริบท ดังนั้นประโยคที่พูดไม่จบและคำอุทานจะทำให้ข้อความที่ได้แย่กว่าการพูดช้าลงเล็กน้อยแต่พูดครบถ้วน สำหรับการสัมภาษณ์ ควรขอให้ผู้พูดไม่พูดทับกัน เพราะเสียงพูดที่ซ้อนทับกันเป็นกรณีที่ระบบรู้จำเสียงทุกประเภทจัดการได้ยากที่สุด
ฟังตัวอย่างก่อนเริ่มต้น หากมิเตอร์ระดับเสียงแทบไม่ขยับหรือขึ้นเต็มตลอดเวลา ควรบันทึกเสียงใหม่แทนที่จะหวังว่าข้อความถอดเสียงจะออกมาถูกต้อง
การใช้งานทั่วไปของการแปลงเสียงเป็นข้อความ
เครื่องมือนี้เหมาะสำหรับผู้ที่ชอบพูดมากกว่าพิมพ์ หรือต้องการสร้างข้อความเสียงนอกแอปแชต เช่น ร่างอีเมลหรือบทความด้วยการพูด บันทึกรายงานการประชุม เปลี่ยนเนื้อหาการบรรยายหรือบันทึกเสียงให้เป็นโน้ตที่ค้นหาได้ ถอดคำตอบจากการสัมภาษณ์เพื่อการวิจัย และรับข้อความเสียงในรูปแบบที่อ่านได้เมื่อไม่สามารถเล่นเสียงนั้นได้ในขณะนี้
เนื่องจาก Whisper ตรวจจับภาษาโดยอัตโนมัติ หน้าเดียวกันจึงใช้ได้กับการเขียนตามคำบอกภาษาเยอรมัน บันทึกเสียงภาษาสเปน หรือการบรรยายภาษาอังกฤษโดยไม่ต้องตั้งค่าใดๆ ข้อความถอดเสียงจะไม่ถูกแปล แต่จะเขียนด้วยภาษาที่พูดในเสียงนั้น
สำหรับไฟล์เสียงที่มีอยู่แล้ว เช่น พอดแคสต์ การบรรยาย หรือการโทร ตัวแปลงเสียงเป็นข้อความและตัวแปลง MP3 เป็นข้อความบนเว็บไซต์นี้ใช้ระบบเดียวกันพร้อมตัวเลือกเดียวกัน
สิ่งที่เครื่องมือนี้ไม่สามารถทำได้
เครื่องมือนี้ไม่ได้แปลภาษา: ข้อความถอดเสียงจะเป็นภาษาที่พูดในไฟล์เสียง เครื่องมือนี้ไม่ได้สร้างช่วงเวลาของคำบรรยาย – สำหรับไฟล์ SRT หรือ VTT โปรดใช้เครื่องมือแปลงคำบรรยายบนเว็บไซต์นี้ เครื่องมือนี้ไม่สามารถระบุชื่อผู้พูดได้ โดยจะตรวจจับได้เพียงการเปลี่ยนผู้พูดเมื่อเปิดใช้การตรวจจับผู้พูด และไม่สามารถกู้คืนคำที่ได้ยินไม่ชัดจากการบันทึกเสียงได้
ชื่อเฉพาะ ชื่อผลิตภัณฑ์ และตัวย่อที่พบไม่บ่อยมักเป็นจุดที่เกิดข้อผิดพลาดมากที่สุด โดยทั่วไปเพียงตรวจทานผลลัพธ์อย่างรวดเร็วโดยคำนึงถึงสิ่งเหล่านี้ ก็เพียงพอสำหรับการแก้ไขไฟล์บันทึกเสียงที่ชัดเจน
FAQ
คำถามที่พบบ่อย
ข้อความถอดเสียงมีความแม่นยำเพียงใด?
หากไฟล์บันทึกเสียงมีความชัดเจนและมีผู้พูดเพียงคนเดียว Whisper มักถอดคำได้ถูกต้องมากกว่า 90 % สำหรับภาษาหลัก ๆ รวมถึงเครื่องหมายวรรคตอน ความแม่นยำจะลดลงเมื่อมีเสียงรบกวนรอบข้างมาก มีหลายคนพูดทับกัน เสียงเบามาก หรือมีสำเนียงท้องถิ่นเข้มข้น โดยเคล็ดลับการบันทึกเสียงด้านล่างช่วยได้มากกว่าการตั้งค่าใด ๆ
รองรับภาษาใดบ้าง?
Whisper รองรับภาษาประมาณ 100 ภาษา และตรวจจับภาษาโดยอัตโนมัติจากช่วงแรกของเสียง จึงไม่ต้องตั้งค่าใด ๆ ไฟล์บันทึกเสียงที่มีหลายภาษาจะถูกถอดเสียงเป็นภาษาหลักที่ใช้พูด ข้อความที่ถอดเสียงจะเป็นภาษาที่พูด ไม่ได้ถูกแปล
ไฟล์เสียงจะถูกอัปโหลดระหว่างที่ฉันพูดหรือไม่?
ไม่ ตัวบันทึกจะเก็บเสียงไว้ในเบราว์เซอร์ของคุณจนกว่าคุณจะกดปุ่มในกล่องโต้ตอบ หากคุณยกเลิกหรือปิดแท็บ จะไม่มีการส่งข้อมูลใด ๆ ไฟล์ที่อัปโหลดและข้อความถอดเสียงจะถูกลบโดยอัตโนมัติหลังการประมวลผล
สามารถบันทึกเสียงได้นานแค่ไหน?
เครื่องบันทึกเสียงในเบราว์เซอร์จะหยุดหลังจาก 30 นาที แต่ไฟล์ที่อัปโหลดสามารถยาวกว่านั้นได้ เวลาในการประมวลผลจะเพิ่มขึ้นตามความยาวของเสียง และการตรวจจับผู้พูดจะใช้เวลาเพิ่มขึ้นอีกประมาณเท่าเดิม
“ตรวจจับผู้พูดหลายคน” ทำอะไร?
ระบบจะดำเนินการแยกผู้พูดก่อนถอดเสียง และแทรกตัวบ่งชี้ทุกครั้งที่ผู้พูดเปลี่ยน ใช้สำหรับการสัมภาษณ์ การประชุม และพอดแคสต์; ปิดไว้สำหรับการเขียนตามคำบอกและบันทึกเสียง เพราะจะเพิ่มเวลารอโดยไม่จำเป็น
ฉันสามารถแก้ไขข้อความภายหลังได้หรือไม่?
ใช่ — ผลลัพธ์เป็นไฟล์ .txt ธรรมดา เปิดไฟล์ด้วยโปรแกรมแก้ไขข้อความใดก็ได้ แก้ไขชื่อหรือคำศัพท์ทางเทคนิคที่โมเดลฟังผิด แล้ววางข้อความในตำแหน่งที่ต้องการ ชื่อเฉพาะและตัวย่อที่พบไม่บ่อยมักเป็นสิ่งที่ควรตรวจสอบมากที่สุด