ความเป็นส่วนตัวมาก่อน
ไฟล์ที่อัปโหลดจะถูกลบโดยอัตโนมัติและถาวรภายในสองชั่วโมง
การลบอัตโนมัติ
เสียงเป็น TXT
พูดบันทึกเสียง การแจ้งเตือน ข้อความถึงเพื่อนร่วมงาน หรือบันทึกย่อสั้น ๆ ลงในเบราว์เซอร์ได้โดยตรง หรืออัปโหลดไฟล์บันทึกเสียง แล้วรับข้อความเป็นไฟล์ข้อความล้วน (.txt, UTF 8) ระบบถอดเสียงทำงานด้วย Whisper โมเดลรู้จำเสียงพูดโอเพนซอร์ส บนเซิร์ฟเวอร์ของเราเอง รองรับประมาณ 100 ภาษา พร้อมตรวจจับภาษาโดยอัตโนมัติ
-
บันทึกเสียง: พูดผ่านเครื่องบันทึกเสียงในเบราว์เซอร์ได้สูงสุด 30 นาทีต่อครั้ง หรืออัปโหลดไฟล์ MP3, WAV, M4A, AAC, OGG, FLAC หรือ WebM
-
ถอดเสียง: Whisper เขียนคำพูดพร้อมเครื่องหมายวรรคตอน และสามารถระบุการเปลี่ยนผู้พูดได้สำหรับการสัมภาษณ์และการประชุม ผลลัพธ์: ไฟล์ข้อความธรรมดา (.txt, UTF 8)
-
เป็นส่วนตัว: จะไม่มีการอัปโหลดข้อมูลจนกว่าคุณจะยืนยัน ไฟล์เสียงและข้อความถอดเสียงจะถูกลบโดยอัตโนมัติหลังการประมวลผล หรืออย่างช้าที่สุดภายในไม่กี่ชั่วโมง
การถอดเสียง
การแปลงเสียงเป็น TXT ทำงานอย่างไร
หน้านี้รวมเครื่องมือบันทึกเสียงในเบราว์เซอร์เข้ากับระบบถอดเสียงด้วย GPU การบันทึกใช้ интерфейс MediaRecorder ที่มีอยู่ใน Chrome, Firefox, Edge และ Safari ส่วนการรู้จำเสียงดำเนินการโดย Whisper ซึ่งเป็นโมเดลโอเพนซอร์สที่เผยแพร่โดย OpenAI และทำงานบนฮาร์ดแวร์ของเราเอง ไม่ใช่ผ่าน API ของบุคคลที่สาม
วิธีใช้ Converter App
1
บันทึกเสียงหรืออัปโหลด
กด "บันทึกด้วยไมโครโฟนของคุณ" อนุญาตการเข้าถึงเพียงครั้งเดียว แล้วเริ่มพูด ตัวจับเวลาและตัววัดระดับเสียงจะยืนยันว่ามีเสียงเข้ามา หรืออัปโหลดไฟล์บันทึกเสียงที่มีอยู่แล้วก็ได้ – บันทึกเสียงจากโทรศัพท์ทุกรุ่นใช้ได้
2
ตรวจสอบและเริ่มต้น
ฟังไฟล์เสียงในกล่องโต้ตอบ เปิดใช้ "ตรวจจับผู้พูดหลายคน" สำหรับการสัมภาษณ์และการประชุม (ระบบจะระบุว่าใครกำลังพูด แต่จะใช้เวลานานขึ้นอย่างเห็นได้ชัด) จากนั้นเริ่มถอดเสียงเป็นข้อความ
3
ดาวน์โหลดข้อความถอดเสียง
แสดงความคืบหน้าระหว่างที่โมเดลทำงาน โดยเสียงพูดไม่กี่นาทีมักใช้เวลาไม่ถึงหนึ่งนาที ดาวน์โหลดไฟล์ข้อความธรรมดา (.txt, UTF 8) ได้จากหน้าผลลัพธ์
คุณสมบัติหลัก
ขับเคลื่อนด้วย Whisper
Whisper ได้รับการฝึกด้วยข้อมูลเสียงหลายภาษากว่า 680,000 ชั่วโมง จึงรองรับสำเนียง เสียงรบกวนรอบข้าง และคำศัพท์เฉพาะทางได้ดีกว่าเครื่องมือถอดเสียงเมื่อไม่กี่ปีก่อนมาก ระบบจะตรวจจับภาษาโดยอัตโนมัติ
ตรวจจับผู้พูดได้ตามต้องการ
สำหรับบทสนทนา การตรวจจับผู้พูดแบบเลือกใช้จะระบุการเปลี่ยนผู้พูดในข้อความถอดเสียง โดยจะเพิ่มเวลาในการประมวลผลประมาณสองเท่า จึงปิดไว้เป็นค่าเริ่มต้น
ไฟล์ TXT ที่เข้ากับขั้นตอนการทำงานของคุณ
ไฟล์ถอดเสียงจะถูกบันทึกเป็นไฟล์ข้อความ UTF 8 แบบธรรมดา พร้อมเครื่องหมายวรรคตอนและการขึ้นย่อหน้าตามปกติ จึงสามารถเปิดได้ในโปรแกรมแก้ไขข้อความ โปรแกรมประมวลผลคำ หรือแอปจดบันทึกทุกประเภท และคัดลอกวางได้ทุกที่
ฟรีและเป็นส่วนตัว
ไม่ต้องสมัครบัญชี ไม่มีลายน้ำ ไม่มีตัวนับช่วงทดลองใช้ 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
วิธีแปลงเสียงเป็น TXT บนหน้านี้
เบราว์เซอร์ของคุณจะบันทึกเสียงจากไมโครโฟนเป็นเสียง Opus (Chrome, Firefox, Edge) หรือ AAC (Safari) และเก็บไว้ในหน่วยความจำ เมื่อคุณยืนยัน ไฟล์จะถูกอัปโหลดผ่าน HTTPS ไปยังเซิร์ฟเวอร์ถอดเสียงของเราเครื่องหนึ่ง
จากนั้น ffmpeg จะถอดรหัสเสียง และ Whisper – โมเดลรู้จำเสียงพูดแบบโอเพนซอร์ส – จะแปลงเป็นข้อความในขั้นตอนเดียว รวมถึงเครื่องหมายวรรคตอนและการแบ่งประโยค หากเปิดการตรวจจับผู้พูด ระบบแยกผู้พูดจะจัดกลุ่มเสียงตามผู้พูดก่อน และคำถอดเสียงจะมีการระบุผู้พูดตามนั้น
คำถอดเสียงจะถูกบันทึกเป็นไฟล์ข้อความ UTF 8 แบบธรรมดาพร้อมเครื่องหมายวรรคตอนและการแบ่งย่อหน้าตามปกติ จึงเปิดได้ในโปรแกรมแก้ไขข้อความ โปรแกรมประมวลผลคำ หรือแอปจดบันทึกทุกชนิด และสามารถวางไว้ที่ใดก็ได้ หน้าผลลัพธ์ให้คุณดาวน์โหลดไฟล์ได้ โดยไฟล์เสียงและคำถอดเสียงจะถูกลบโดยอัตโนมัติหลังจากนั้น
เคล็ดลับการบันทึกเสียงที่สำคัญยิ่งกว่าการตั้งค่าใด ๆ
การรู้จำเสียงจะมีความแม่นยำได้ดีเพียงใดขึ้นอยู่กับคุณภาพเสียงเป็นสำคัญ โดยมี 3 ปัจจัยที่ส่งผลมากที่สุด ได้แก่ ระยะห่าง เสียงรบกวน และการพูดทับกัน ควรวางไมโครโฟนให้ห่างจากปาก 10–20 ซม.; การถือโทรศัพท์ไว้ใกล้ปากให้ผลดีกว่าใช้แล็ปท็อปที่วางอยู่อีกฝั่งของโต๊ะ ปิดพัดลม ปิดหน้าต่าง และหลีกเลี่ยงห้องที่มีเสียงก้องมาก
พูดด้วยความเร็วปกติและพูดให้จบประโยค โมเดลใช้บริบทในการประมวลผล ดังนั้นการพูดไม่จบประโยคและคำอุทานจะทำให้ได้ข้อความที่แย่กว่าการพูดช้าลงเล็กน้อยแต่ครบถ้วน สำหรับการสัมภาษณ์ ควรขอให้ผู้พูดไม่พูดทับกัน เพราะเสียงพูดที่ซ้อนทับกันเป็นกรณีที่ระบบรู้จำเสียงทุกประเภทจัดการได้ยากที่สุด
ฟังตัวอย่างเสียงก่อนเริ่มใช้งาน หากมิเตอร์ระดับเสียงแทบไม่ขยับหรือขึ้นเต็มตลอดเวลา ควรบันทึกเสียงใหม่ แทนที่จะหวังว่าข้อความถอดเสียงจะออกมาถูกต้อง
การใช้งานทั่วไปสำหรับการแปลงเสียงเป็น TXT
เครื่องมือนี้เหมาะสำหรับผู้ที่ต้องการพูดแทนการพิมพ์ หรือต้องการสร้างข้อความเสียงนอกแอปแชต เช่น ร่างอีเมลหรือบทความด้วยการพูด บันทึกรายงานการประชุม เปลี่ยนการบรรยายหรือบันทึกเสียงให้เป็นโน้ตที่ค้นหาได้ ถอดคำตอบจากการสัมภาษณ์เพื่อใช้ในการวิจัย และรับข้อความเสียงในรูปแบบที่อ่านได้เมื่อยังไม่สามารถเปิดฟังได้ในขณะนี้
เนื่องจาก Whisper ตรวจจับภาษาโดยอัตโนมัติ หน้าเดียวกันนี้จึงใช้ได้กับการเขียนตามคำบอกภาษาเยอรมัน บันทึกเสียงภาษาสเปน หรือการบรรยายภาษาอังกฤษโดยไม่ต้องตั้งค่าใด ๆ ข้อความถอดเสียงจะไม่ถูกแปล แต่จะเขียนเป็นภาษาที่พูดในไฟล์เสียง
สำหรับไฟล์เสียงที่มีอยู่แล้ว เช่น พอดแคสต์ การบรรยาย หรือการโทร เครื่องมือแปลงเสียงเป็นข้อความและแปลง MP3 เป็นข้อความบนเว็บไซต์นี้ใช้ระบบเดียวกันพร้อมตัวเลือกเดียวกัน
สิ่งที่เครื่องมือนี้ไม่สามารถทำได้
ระบบนี้ไม่แปลภาษา: ข้อความถอดเสียงจะเป็นภาษาที่พูดในไฟล์เสียง ระบบจะไม่สร้างช่วงเวลาของคำบรรยาย – สำหรับไฟล์ SRT หรือ VTT โปรดใช้เครื่องมือแปลงคำบรรยายบนเว็บไซต์นี้ ระบบจะไม่ระบุชื่อผู้พูด แต่จะแสดงเฉพาะการเปลี่ยนผู้พูดเมื่อเปิดใช้การตรวจจับผู้พูด และไม่สามารถกู้คืนคำที่ฟังไม่ชัดในไฟล์บันทึกได้
ชื่อเฉพาะ ชื่อผลิตภัณฑ์ และตัวย่อที่พบไม่บ่อยมักเป็นข้อผิดพลาดที่พบบ่อยที่สุด โดยปกติเพียงอ่านตรวจทานผลลัพธ์อย่างรวดเร็วโดยคำนึงถึงสิ่งเหล่านี้ ก็เพียงพอสำหรับการแก้ไขไฟล์บันทึกที่มีเสียงชัดเจน
FAQ
คำถามที่พบบ่อย
ข้อความถอดเสียงมีความแม่นยำเพียงใด?
เมื่อไฟล์บันทึกเสียงชัดเจนและมีผู้พูดคนเดียว Whisper มักถอดคำได้ถูกต้องมากกว่า 90 % สำหรับภาษาหลัก ๆ รวมถึงเครื่องหมายวรรคตอน ความแม่นยำจะลดลงหากมีเสียงรบกวนรอบข้างมาก มีหลายคนพูดทับกัน เสียงเบามาก หรือมีสำเนียงท้องถิ่นเข้มข้น โดยคำแนะนำในการบันทึกเสียงด้านล่างช่วยได้มากกว่าการตั้งค่าใด ๆ
รองรับภาษาใดบ้าง?
Whisper รองรับภาษาประมาณ 100 ภาษา และตรวจจับภาษาโดยอัตโนมัติจากช่วงไม่กี่วินาทีแรกของเสียง จึงไม่ต้องตั้งค่าใด ๆ การบันทึกเสียงที่มีหลายภาษาจะถูกถอดเสียงเป็นภาษาหลักที่ใช้พูด ข้อความถอดเสียงจะเขียนเป็นภาษาที่พูด ไม่ได้แปลภาษา
ระบบจะอัปโหลดเสียงขณะที่ฉันพูดอยู่หรือไม่?
ไม่ ระบบบันทึกเสียงจะเก็บเสียงไว้ในเบราว์เซอร์ของคุณจนกว่าคุณจะกดปุ่มในกล่องโต้ตอบ หากคุณยกเลิกหรือปิดแท็บ จะไม่มีการส่งข้อมูลใดๆ ไฟล์ที่อัปโหลดและข้อความถอดเสียงจะถูกลบโดยอัตโนมัติหลังจากประมวลผลเสร็จสิ้น
บันทึกเสียงได้นานแค่ไหน?
เครื่องบันทึกเสียงในเบราว์เซอร์จะหยุดหลังจาก 30 นาที ส่วนไฟล์ที่อัปโหลดสามารถยาวกว่านั้นได้ เวลาประมวลผลจะเพิ่มขึ้นตามความยาวของเสียง และการตรวจจับผู้พูดจะใช้เวลาเพิ่มขึ้นอีกราว ๆ เท่ากัน
“ตรวจจับผู้พูดหลายคน” ทำอะไรได้บ้าง?
ระบบจะทำขั้นตอนแยกผู้พูดก่อนถอดเสียง และเพิ่มตัวระบุทุกครั้งที่ผู้พูดเปลี่ยน ใช้สำหรับการสัมภาษณ์ การประชุม และพอดแคสต์; ปิดไว้สำหรับการเขียนตามคำบอกและบันทึกเสียง เพราะจะทำให้ต้องรอนานขึ้นเท่านั้น
ทำไมจึงเป็นไฟล์ .txt แทนเอกสาร Word?
ข้อความธรรมดาเป็นผลลัพธ์ที่พกพาได้มากที่สุด: เปิดได้บนทุกอุปกรณ์ คัดลอกไปวางในโน้ต อีเมล โปรแกรมแก้ไข CMS และแชตได้อย่างสะอาดตา และมีขนาดเล็ก หากคุณต้องการเอกสารที่มีการจัดรูปแบบ ให้วางข้อความลงในโปรแกรมประมวลผลคำของคุณ หรือใช้เครื่องมือแปลงเสียงเป็น PDF บนเว็บไซต์นี้