Dźwięk na tekst, bez upload.

Jak działa ten darmowy i dokładny konwerter audio na tekst

Upuść plik na stronie i po kolei dzieją się trzy rzeczy. Twoja przeglądarka dekoduje ścieżkę audio na surowy dźwięk. Model mowy jest pobierany raz i zapisywany w pamięci podręcznej, więc przy drugim transkrypcji pliku pomija się to oczekiwanie. Następnie model odczytuje dźwięk i zapisuje tekst na Twoim komputerze, korzystając z własnego procesora lub karty graficznej.

Do wyboru są dwa modele. Ta szybka jest dostępna tylko w języku angielskim i zajmuje około 44 MB, co jest właściwym wyborem w przypadku notatki głosowej, solowego podcastu lub wykładu w języku angielskim, w którym głównie chcesz szybko przeczytać tekst. Zrównoważony jest wielojęzyczny i zajmuje około 80MB. Pobiera się go wolniej i działa wolniej, a także lepiej radzi sobie z akcentami, cichszymi nagraniami i wszystkim, co nie jest w języku angielskim.

Maszyny z WebGPU działają kilka razy szybciej niż w czasie rzeczywistym. Starsze przeglądarki wracają do wolniejszej ścieżki, która nadal działa, tylko zajmuje to więcej czasu. Tak czy inaczej, praca odbywa się lokalnie, więc nic na temat Twojego pliku nie jest nigdzie wysyłane.

Jakie formaty audio i wideo mogę transkrybować?

Wszystkie pliki MP3, WAV, M4A, FLAC i OGG działają, podobnie jak ścieżka dźwiękowa większości filmów MP4 i MOV. Narzędzie odczytuje dźwięk i ignoruje obraz, więc wystarczy nagranie ekranu, eksport Zoom lub wideo nagrane telefonem.

Obsługa formatów pochodzi z dekodera audio Twojej przeglądarki, a nie z utrzymywanej przez nas listy, co oznacza, że większość rzeczy działa, a kilka nietypowych kodeków nie. Jeśli plik zostanie odrzucony, wyeksportowanie go w formacie MP3 lub WAV w dowolnym edytorze lub w programie QuickTime rozwiąże problem.

Długość ma znacznie większe znaczenie niż rozmiar pliku. Duży bezstratny plik WAV z dziesięciominutową przemową kończy się na długo przed małym plikiem MP3 z dwugodzinnego panelu, ponieważ w modelu liczy się czas odczytu, a nie megabajty. Mocno skompresowane nagrania, które po przejściu przez aplikację do czatu brzmią cienko i pusto, powodują więcej błędów, dlatego jeśli nadal je masz, użyj oryginalnego pliku.

Transkrypcja długiego dźwięku bez ograniczeń długości

Większość darmowych narzędzi w tej kategorii Cię gdzieś ogranicza. Dziesięć minut na pierwszym pliku, trzy pliki dziennie po trzydzieści minut każdy, miesięczny limit minut lub poziom bezpłatny, który tak naprawdę jest okresem próbnym z kartą na końcu. Ograniczenia te istnieją, ponieważ nagranie jest przesyłane na serwer i ktoś musi zapłacić za czas przetwarzania.

Nic nie jest tutaj przesyłane, więc nie ponosimy żadnych kosztów za ograniczenie. Trzygodzinna rozmowa kwalifikacyjna jest traktowana tak samo, jak trzydziestosekundowa notatka głosowa. Nie ma dziennego limitu, kolejki ani konta, na którym można by osiągnąć limit.

Prawdziwymi ograniczeniami są Twoja cierpliwość i sprzęt. Długi plik sprawia, że ​​karta przeglądarki jest zajęta przez jakiś czas i karta ta musi pozostać otwarta, więc rozpocznij dwugodzinne nagrywanie, kiedy możesz zostawić laptopa samego na kilka minut. Jeśli możesz, trzymaj kartę na pierwszym planie, ponieważ przeglądarki spowalniają karty działające w tle.

Transkrypuj dźwięk bez przesyłania go na serwer

Brak przesyłania jest tutaj faktem strukturalnym, a nie polityką, o którą prosimy Cię, abyś przyjął ją na wiarę. Plik modelu zostanie pobrany do Twojej przeglądarki i od tego momentu dźwięk, model i gotowy tekst będą znajdować się w tej samej zakładce na Twoim komputerze.

Możesz to sprawdzić sam. Załaduj stronę, poczekaj, aż model zakończy pobieranie, wyłącz Wi-Fi, a następnie upuść plik. Nadal się transkrybuje.

Ma to największe znaczenie, gdy nagranie nie jest Twoją własnością i nie możesz go przekazać. Rozmowy z klientami, rozmowy z pacjentami, spotkania HR, wywiady badawcze objęte formularzem zgody, materiały niepublikowane objęte embargiem. Przesłanie dowolnego z nich do bezpłatnego narzędzia internetowego powoduje przeniesienie ich do infrastruktury innej osoby i do zasad przechowywania innej osoby.

Nie będziemy twierdzić, że dzięki temu narzędzie jest zgodne z jakimkolwiek konkretnym przepisem, ponieważ to zależy od Twojej organizacji i od tego, co później zrobisz z transkrypcją. Możemy wyraźnie powiedzieć, że ta strona w ogóle nie przesyła Twojego nagrania.

Eksportuj zwykły tekst, tekst ze znacznikiem czasu lub plik SRT

Jedno uruchomienie daje trzy eksporty.

Zwykły tekst to transkrypcja w postaci ciągłej prozy, gotowa do wklejenia do dokumentu, e-maila lub notatki. Tego właśnie oczekuje większość ludzi od rozmowy kwalifikacyjnej lub wykładu.

Tekst ze znacznikiem czasu umieszcza znacznik czasu w każdej linii. Używaj go, gdy chcesz znaleźć moment, w którym ktoś coś powiedział: wyciągaj cytaty, sprawdzaj roszczenia na taśmie lub pisz notatki z programów ze znacznikami rozdziałów.

SRT to format napisów czytany przez edytory wideo, YouTube, Vimeo i większość odtwarzaczy. Upuść plik obok swojego filmu, a podpisy będą zgodne z przemową.

Możesz skopiować dowolne z trzech do schowka lub pobrać je jako plik. Nic nie jest przechowywane pomiędzy wizytami, więc zapisz to, czego potrzebujesz, zanim zamkniesz kartę. Jeśli napisy są jedynym powodem, dla którego tu przyszedłeś, nasz generator napisów korzysta z tego samego silnika, a przepływ pracy opiera się na taktowaniu sygnału i długości linii.

Czego nie może zrobić: rozróżnienia głośników

Nie jest w stanie rozpoznać, kto mówi. Wywiad z dwiema osobami to jeden ciągły blok tekstu bez etykiet. To jedyna rzecz, której darmowe narzędzie tak naprawdę nie robi i wolelibyśmy to powiedzieć tutaj, niż pozwolić ci dowiedzieć się, ile godzin minęło od nagrania.

Powodem jest waga. Dzielenie nagrania na głos wymaga drugiego modelu działającego równolegle z transkrypcją, porównującego każdy segment mowy z każdym innym. To zbyt wiele, aby wymagać od strony internetowej, która już pobrała model mowy, a złe wykonanie tego jest gorsze niż nie zrobienie tego, ponieważ naprawienie transkrypcji z dołączonymi błędnymi nazwami zajmuje więcej czasu niż transkrypcji bez nazw.

Jeśli kto powiedział, jaki jest cały sens nagrania, aplikacja komputerowa Yaps tworzy transkrypcje spotkań i wywiadów z etykietami prelegentów na Twoim własnym komputerze, przy tej samej zasadzie bez przesyłania. Dla jednego głośnika ta strona wystarczy.

Transkrypcja wywiadów, wykładów, podcastów i notatek głosowych

Dziennikarze używają tego do nagrywania taśm z wywiadami, a to właśnie jest materiał, którego nie należy przekazywać do darmowego serwisu internetowego. Studenci przepisują nagrane wykłady, a następnie wyszukują w tekście część, której dotyczy egzamin. Podcasterzy pobierają notatki i cytaty z odcinków, zanim trafią one do redaktora. Badacze przepuszczają za jego pośrednictwem nagrania terenowe, nie łamiąc przy tym zgody etycznej, która stanowi, że dźwięk pozostaje na zatwierdzonych urządzeniach.

Zespoły wsparcia i sprzedaży transkrybują nagrania rozmów, aby znaleźć powtarzające się sformułowania. Pisarze przekształcają chodzącą notatkę głosową w wstępną wersję roboczą. Zespoły ds. ułatwień dostępu tworzą tekstową alternatywę dla filmu, w którym nigdy takiej nie było.

Wspólny wątek to plik, który już istnieje i tekst, który musi z niego wyjść. Jeśli zamiast tego chcesz pisać, mówiąc, na żywo, w dowolnej aplikacji, którą masz przed sobą otwartą, jest to raczej dyktando niż transkrypcja i jest to inne narzędzie o innym kształcie.