Přepis

Přesnost typicky přesahuje 95 % u čistého audia v podporovaných jazycích. Používáme špičkové rozpoznávání řeči od OpenAI, stejný model, který pohání mnoho profesionálních přepisovacích nástrojů.

Skutečná přesnost závisí na třech věcech: čistotě zvuku (hluk na pozadí škodí), přízvuku mluvčích (silné regionální přízvuky mohou snížit přesnost o pár procent) a samotném jazyce (angličtina a španělština dosahují obecně nejvyšších výsledků). Pro maximální přesnost si přečti Jaká kvalita zvuku dává nejlepší výsledky? — drobné věci dělají velký rozdíl.

Ano — identifikace mluvčích je k dispozici v každém plánu včetně Free plánu. Ve formuláři pro nahrávání nastav Identifikovat mluvčí na Ano a my automaticky označíme každého mluvčího v přepisu jako Speaker 1, Speaker 2 atd.

Skvěle funguje pro schůzky, rozhovory, podcasty a jakékoli vícečlenné konverzace. Počet mluvčích, které rozpoznáme, není omezen. Identifikace mluvčích přidává trochu času na zpracování, takže ji pro sólové nahrávky (přednášky, hlasové poznámky, obsah s jedním vypravěčem) vypni, abys dostal/a výsledky rychleji.

Pro přepis podporujeme 99 jazyků, mimo jiné angličtinu, španělštinu, portugalštinu, francouzštinu, němčinu, italštinu, japonštinu, čínštinu, korejštinu, ruštinu, arabštinu, hindštinu a mnoho dalších.

Ve formuláři pro nahrávání můžeš jazyk vybrat explicitně pro nejlepší přesnost, nebo ho nech na Automaticky a my ho rozpoznáme za tebe. Seznam jazyků je stejný jako sada podporovaná OpenAI Whisper a samotné rozhraní SoundScript.AI je také dostupné ve všech 99 jazycích — jak změnit jazyk rozhraní se dozvíš v části Kde aktualizuji jazyk rozhraní?.

Čisté hlasy nahrané blízko mikrofonu s minimálním hlukem na pozadí. To je stručná odpověď. Tady jsou věci, které nejvíce pomáhají:

• Používej slušný mikrofon — i levný USB mikrofon nebo moderní telefon je mnohem lepší než vestavěný mikrofon notebooku.
• Nahrávej v tiché místnosti — zavři okna, vypni ventilátory a vyhni se tvrdým povrchům, které odrážejí zvuk.
• Přiblíž se k mikrofonu — 15–30 cm je ideální vzdálenost pro přirozený hovor.
• Vyhni se hudbě na pozadí, pokud to jde — viz Jak SoundScript.AI zvládá hudbu nebo hluk na pozadí?, chceš-li vědět, co očekávat, když se hudbě vyhnout nedá.

Většina souborů je hotová za sekundy až pár minut. Typický 10minutový audio soubor bývá zpracován za méně než 30 sekund.

Soubory větší než 25MB jsou automaticky rozděleny na části a zpracovány paralelně, takže i hodinová nahrávka bývá připravena za 2–3 minuty. Zapnutí identifikace mluvčích přidá trochu čas navíc. Indikátor průběhu se aktualizuje v reálném čase — nic nemusíš obnovovat.

Velké soubory automaticky rozdělíme na menší části na pozadí, přepíšeme je paralelně a výsledky zpět spojíme dohromady. Nemusíš dělat nic — jen nahraj soubor jako obvykle.

Maximální velikost nahrávání je 1GB. Každá část je zpracována samostatně, proto může být hodinový soubor připraven za pouhých několik minut. Hranice mezi částmi jsou umísťovány na přirozené tiché úseky, kdykoli je to možné, aby nedocházelo k přerušení slov uprostřed věty.

Vlastní jména — osobní jména, názvy značek, odborné termíny, zkratky — jsou nejtěžší částí přepisu, protože nesledují běžné jazykové vzory. I při vynikající kvalitě zvuku mohou být jména špatně zapsána.

Několik věcí, které pomohou:

• Zvolte jazyk explicitně místo použití automatické detekce.
• Vyslovujte vlastní jména zřetelně při nahrávání a udělejte kolem nich malou pauzu.
• Upravte přepis následně — text můžeš zkopírovat do libovolného editoru a opravit jména pomocí funkce Najít a nahradit. Vlastní slovník zatím nepodporujeme, ale máme ho na seznamu.

Text přepisu můžeš zkopírovat ze stránky s výsledkem a upravit ho v libovolném textovém editoru nebo textovém procesoru — Google Dokumenty, Microsoft Word, Poznámkový blok, co chceš.

Vestavěný editor zatím nemáme, takže změny provedené mimo SoundScript.AI se neuloží zpět na naše servery. Původní přepis zůstává v tvém přehledu, takže si vždy můžeš stáhnout čerstvou kopii. Chceš-li text upravovat a zachovat formátování, použij formáty ke stažení .doc nebo .txt.

SRT je standardní formát titulků — obsahuje časová razítka, takže každý řádek textu se zobrazí ve správný okamžik ve videu. Použij ho pro YouTube, Vimeo, video editory jako Premiere nebo Final Cut nebo jakýkoli přehrávač podporující titulky.

TXT je prostý text bez časových razítek — ideální pro dokumenty, příspěvky na blogu, přepsané rozhovory nebo cokoli, kde chceš jen slova. Nabízíme také DOC (formátovaný dokument Word) a PDF (tisknutelný) — podrobnosti najdeš v části Jak stáhnout jako TXT, DOC nebo PDF?.

Děláme, co můžeme, ale silná hudba nebo hluk na pozadí přesnost sníží. Lehký okolní hluk (klidná kavárna, běžící ventilátor) obvykle nečiní problém. Hlasitá hudba nebo soupeřící hlasy jsou nejtěžší případy.

U obsahu ve stylu rozhovoru s úvodní hudbou obvykle uvidíš, že hudba je přepsána jako nesmysl nebo přeskočena, přičemž přesnost se obnoví, jakmile začne řeč. Pokud dokážeš nahrát pouze verzi svého audia s řečí (nebo předem odstraníš hudbu nástrojem jako Audacity), přesnost bude znatelně lepší.