Transkripsiya

Dəstəklənən dillərdə aydın audio üçün dəqiqlik adətən 95%-dən çoxdur. Biz bir çox peşəkar transkripsiya alətinə güc verən eyni model olan OpenAI-nin sənaye liderli nitq tanıma texnologiyasından istifadə edirik.

Real dünya dəqiqliyi üç şeydən asılıdır: audio aydınlığı (arxa fon səs-küyü zərər verir), natiqlerin aksentləri (güclü regional aksentlər bir neçə faiz aşağı düşə bilər) və dilin özü (İngilis dili və İspan dili ən yüksək bal toplamağa meyillidir). Maksimum dəqiqlik istəyirsinizsə, böyük fərq yaradan kiçik şeylər üçün Ən yaxşı nəticəni hansı audio keyfiyyəti verir? baxın.

Bəli — natiq identifikasiyası Free plan daxil olmaqla hər planda mövcuddur. Yükləmə formasında Natiqleri Müəyyən Et-i Bəli olaraq qurun, biz transkripsiyada hər natiqi avtomatik olaraq Natiq 1, Natiq 2 və s. şəklində etiketləyəcəyik.

Görüşmələr, müsahibələr, podkastlar və istənilən çoxnəfərli söhbət üçün mükəmməl işləyir. Aşkarlayacağımız natiq sayına heç bir məhdudiyyət yoxdur. Natiq identifikasiyası bir az emal vaxtı artırır, buna görə tək nitq yazıları (mühazirələr, səs notları, tək anlatıcılı məzmun) üçün daha sürətli nəticə əldə etmək üçün onu söndürün.

İngilis, İspan, Portuqal, Fransız, Alman, İtalyan, Yapon, Çin, Koreya, Rus, Ərəb, Hind dili və daha bir çoxu daxil olmaqla transkripsi üçün 99 dili dəstəkləyirik.

Ən yaxşı dəqiqlik üçün yükləmə formasında dili açıq şəkildə seçə bilərsiniz, ya da Avtomatik olaraq buraxın — biz onu sizin üçün aşkarlayacağıq. Dil siyahısı OpenAI Whisper-in dəstəklənən dəstilə eynidır; SoundScript.AI interfeysi özü də bütün 99 dildə mövcuddur — dəyişdirmək üçün İnterfeys dilimi harada yeniləyə bilərəm? baxın.

Mikrofona yaxın qeyd edilmiş, minimal arxa fon səs-küyü olan aydın səslər. Bu qısa versiyası. Ən çox kömək edən şeylər bunlardır:

• Yaxşı bir mikrofon istifadə edin — hətta giriş səviyyəli USB mikrofon və ya müasir telefon noutbukun daxili mikrofonundan çox daha yaxşıdır.
• Sakit otaqda qeyd edin — pəncərələri bağlayın, ventilyatorları söndürün və əks-səda verən sərt səthlərindən qaçının.
• Mikrofona yaxın olun — təbii nitq üçün ideal məsafə 15-30 santimetrdir.
• Arxa fon musiqisindən mümkün qədər qaçın — musiqi qaçınılmaz olduqda nə gözlənildiyini bilmək üçün SoundScript.AI arxa fon musiqisi və ya səs-küylə necə işləyir? baxın.

Əksər fayllar saniyələrdən bir neçə dəqiqəyə qədər hazır olur. Tipik 10 dəqiqəlik audio fayl adətən 30 saniyədən az müddətdə tamamlanır.

25MB-dan böyük fayllar avtomatik olaraq parçalara bölünür və paralel emal edilir, buna görə hətta saatlıq bir qeyd adətən 2-3 dəqiqə ərzində hazır olur. Natiq identifikasiyasının aktivləşdirilməsi bir az əlavə vaxt əlavə edir. Tərəqqi çubuğu real vaxtda yenilənir — yeniləməyə ehtiyac yoxdur.

Böyük faylları avtomatik olaraq arxa planda daha kiçik parçalara bölürük, onları paralel emal edirik və nəticələri bir yerə yığırıq. Heç bir şey etməyinizə ehtiyac yoxdur — sadəcə faylınızı normal olaraq yükləyin.

Maksimum yükləmə ölçüsü 1GB-dir. Hər parça müstəqil şəkildə emal edilir, buna görə saatlıq bir fayl sadəcə bir neçə dəqiqədə hazır ola bilər. Sözcükləri cümlə ortasında kəsməmək üçün parça sərhədləri mümkün olduqda təbii sükutlara yerləşdirilir.

Xüsusi adlar — şəxs adları, marka adları, texniki terminlər, abbreviaturalar — transkripsiyada ən çətin hissədir, çünki onlar normal dil nümunələrinə uyğun gəlmir. Hətta əla audio belə yanlış yazılmış adlar yarada bilər.

Kömək edən bir neçə şey:

• Avtomatik aşkarlamadan istifadə etmək əvəzinə dili açıq şəkildə seçin.
• Qeyd edərkən xüsusi adları aydın deyin, ətrafında kiçik fasilə buraxın.
• Transkripsiyadan sonra redaktə edin — mətni istənilən redaktora kopyalayıb adları tap-əvəzlə ilə düzəldə bilərsiniz. Hazırda xüsusi söz ehtiyatı siyahısını dəstəkləmirik, lakin bu planımızdadır.

Nəticə səhifəsindən transkripsiya mətnini kopyalayıb istənilən mətn redaktoru və ya söz işləyicisində redaktə edə bilərsiniz — Google Docs, Microsoft Word, Notepad, istədiyiniz hər nə.

Hələlik tətbiq daxi redaktorumuz yoxdur, buna görə SoundScript.AI xaricində etdiyiniz dəyişikliklər serverlərimizə saxlanılmır. Orijinal transkripsiya idarə panelinizde qalır, buna görə həmişə təzə nüsxəsini yükləyə bilərsiniz. Formatlamağı redaktə edib saxlamaq istəyirsinizsə, .doc və ya .txt yükləmə formatlarından istifadə edin.

SRT standart altyazı formatıdır — hər mətn sətirinin videoda doğru anda görünməsi üçün zaman damğalarını özündə saxlayır. YouTube, Vimeo, Premiere və ya Final Cut kimi video redaktorlar üçün və ya istənilən altyazı uyumlu pleyerdə istifadə edin.

TXT zaman damğası olmayan düz mətndir — sənədlər, bloq yazıları, transkript edilmiş müsahibələr və ya sadəcə sözlər istədiyiniz hər şey üçün mükəmməldir. Həmçinin DOC (formatlanmış Word sənədi) və PDF (çap edilə bilən) təklif edirik — ətraflı məlumat üçün TXT, DOC və ya PDF kimi necə yükləyə bilərəm? baxın.

Əlimizdən gələni edirik, lakin güclü arxa fon musiqisi və ya səs-küyü dəqiqliyi azaldacaq. Yüngül ətraf mühit səs-küyü (sakit bir kafe, işləyən ventilyator) adətən problem yaratmır. Yüksək musiqi və ya rəqabətli səslər ən çətin hallardır.

Giriş musiqisi olan müsahibə tipli məzmun üçün, musiqinin mənasız kimi transkript edildiyi və ya atlandığı, sonra nitq başlayanda dəqiqliyin geri döndüyünü görəcəksiniz. Audionuzun yalnız nitq versiyasını qeyd edə bilsəniz (və ya əvvəlcə Audacity kimi alətlə musiqini çıxara bilsəniz), dəqiqlik fərqli olacaq.