ट्रांसक्रिप्शन

समर्थित भाषाओं में स्पष्ट ऑडियो के लिए सटीकता आमतौर पर 95% से अधिक होती है। हम OpenAI की उद्योग-अग्रणी वाक् पहचान का उपयोग करते हैं, वही मॉडल जो कई पेशेवर ट्रांसक्रिप्शन उपकरणों को संचालित करता है।

वास्तविक दुनिया की सटीकता तीन चीज़ों पर निर्भर करती है: ऑडियो स्पष्टता (पृष्ठभूमि शोर हानिकारक है), स्पीकर उच्चारण (भारी क्षेत्रीय उच्चारण कुछ अंक कम कर सकते हैं), और भाषा (अंग्रेज़ी और स्पेनिश का स्कोर सबसे अधिक होता है)। यदि आप अधिकतम सटीकता चाहते हैं, तो उन छोटी चीज़ों के लिए किस ऑडियो गुणवत्ता से सबसे अच्छे परिणाम मिलते हैं? देखें जो बड़ा अंतर बनाती हैं।

हां — स्पीकर पहचान हर प्लान पर उपलब्ध है, जिसमें Free प्लान भी शामिल है। अपलोड फ़ॉर्म पर, Identify Speakers को Yes पर सेट करें और हम आपके ट्रांसक्रिप्शन में स्वचालित रूप से प्रत्येक स्पीकर को Speaker 1, Speaker 2, और इसी तरह लेबल करेंगे।

यह मीटिंग, साक्षात्कार, पॉडकास्ट, और किसी भी बहु-व्यक्ति वार्तालाप के लिए बहुत अच्छा काम करता है। हम जितने वक्ताओं का पता लगाएंगे, उसकी कोई सीमा नहीं है। स्पीकर पहचान थोड़ा प्रसंस्करण समय जोड़ती है, इसलिए तेज़ परिणाम के लिए एकल रिकॉर्डिंग (व्याख्यान, वॉइस मेमो, एकल-कथावाचक सामग्री) के लिए इसे बंद रखें।

हम ट्रांसक्रिप्शन के लिए 99 भाषाओं का समर्थन करते हैं, जिनमें अंग्रेज़ी, स्पेनिश, पुर्तगाली, फ्रेंच, जर्मन, इतालवी, जापानी, चीनी, कोरियाई, रूसी, अरबी, हिंदी, और कई अन्य शामिल हैं।

आप सर्वोत्तम सटीकता के लिए अपलोड फ़ॉर्म पर भाषा को स्पष्ट रूप से चुन सकते हैं, या इसे Auto पर छोड़ दें और हम आपके लिए इसका पता लगा लेंगे। भाषा सूची OpenAI Whisper के समर्थित सेट के समान है, और SoundScript.AI इंटरफ़ेस भी सभी 99 भाषाओं में उपलब्ध है — अपनी भाषा बदलने के लिए मैं अपना इंटरफ़ेस भाषा कहां अपडेट करूं? देखें।

माइक्रोफ़ोन के पास रिकॉर्ड की गई स्पष्ट आवाज़ें, न्यूनतम पृष्ठभूमि शोर के साथ। यह छोटा संस्करण है। यहां जो सबसे अधिक मदद करता है:

• एक अच्छे माइक्रोफ़ोन का उपयोग करें — यहां तक कि एक प्रवेश-स्तर USB माइक या आधुनिक फ़ोन भी लैपटॉप के बिल्ट-इन माइक से बहुत बेहतर है।
• शांत कमरे में रिकॉर्ड करें — खिड़कियां बंद करें, पंखे बंद करें, और कठोर सतहों से बचें जो प्रतिध्वनि करती हैं।
• माइक के करीब आएं — प्राकृतिक भाषण के लिए 6-12 इंच आदर्श स्थान है।
• जब संभव हो पृष्ठभूमि संगीत से बचें — जब संगीत अपरिहार्य हो तो क्या उम्मीद करें, इसके लिए SoundScript.AI पृष्ठभूमि संगीत या शोर को कैसे संभालता है? देखें।

अधिकांश फ़ाइलें सेकंड से लेकर कुछ मिनटों में पूरी हो जाती हैं। एक विशिष्ट 10 मिनट की ऑडियो फ़ाइल आमतौर पर 30 सेकंड से कम में समाप्त होती है।

25MB से बड़ी फ़ाइलों को स्वचालित रूप से टुकड़ों में विभाजित किया जाता है और समानांतर में संसाधित किया जाता है, इसलिए एक घंटे की रिकॉर्डिंग भी आमतौर पर 2-3 मिनट में तैयार हो जाती है। स्पीकर पहचान सक्षम करने से थोड़ा अतिरिक्त समय लगता है। प्रगति बार वास्तविक समय में अपडेट होता है — कुछ भी रिफ्रेश करने की आवश्यकता नहीं है।

हम स्वचालित रूप से बड़ी फ़ाइलों को पर्दे के पीछे छोटे टुकड़ों में विभाजित करते हैं, उन्हें समानांतर में ट्रांसक्राइब करते हैं, और परिणामों को वापस एक साथ जोड़ते हैं। आपको कुछ करने की आवश्यकता नहीं है — बस सामान्य रूप से अपनी फ़ाइल अपलोड करें।

अधिकतम अपलोड आकार 1GB है। प्रत्येक टुकड़ा स्वतंत्र रूप से संसाधित होता है, यही कारण है कि एक घंटे की फ़ाइल कुछ ही मिनटों में तैयार हो सकती है। शब्दों को बीच में काटने से बचने के लिए जब भी संभव हो, टुकड़े की सीमाओं को प्राकृतिक मौन पर रखा जाता है।

उचित संज्ञाएं — नाम, ब्रांड नाम, तकनीकी शब्द, संक्षिप्त रूप — ट्रांसक्रिप्शन का सबसे कठिन हिस्सा हैं क्योंकि वे सामान्य भाषा पैटर्न का पालन नहीं करते हैं। यहां तक कि बेहतरीन ऑडियो भी गलत वर्तनी वाले नाम उत्पन्न कर सकता है।

कुछ चीज़ें जो मदद करती हैं:

• ऑटो-डिटेक्ट का उपयोग करने के बजाय भाषा को स्पष्ट रूप से चुनें।
• रिकॉर्डिंग करते समय उचित संज्ञाओं को स्पष्ट रूप से बोलें, उनके आसपास एक छोटा विराम लें।
• बाद में ट्रांसक्रिप्शन संपादित करें — आप टेक्स्ट को किसी भी संपादक में कॉपी कर सकते हैं और खोज-और-बदलें से नामों को ठीक कर सकते हैं। हम वर्तमान में कस्टम शब्दावली सूची का समर्थन नहीं करते हैं, लेकिन यह हमारी योजना में है।

आप परिणाम पृष्ठ से ट्रांसक्रिप्शन टेक्स्ट को कॉपी कर सकते हैं और इसे किसी भी टेक्स्ट संपादक या वर्ड प्रोसेसर में संपादित कर सकते हैं — Google Docs, Microsoft Word, Notepad, जो आप पसंद करें।

हमारे पास अभी तक इन-ऐप संपादक नहीं है, इसलिए SoundScript.AI के बाहर आप जो बदलाव करते हैं वे हमारे सर्वर पर वापस सहेजे नहीं जाते हैं। मूल ट्रांसक्रिप्शन आपके डैशबोर्ड में रहता है ताकि आप हमेशा एक नई प्रति डाउनलोड कर सकें। यदि आप संपादित करना और स्वरूपण रखना चाहते हैं तो .doc या .txt डाउनलोड प्रारूपों का उपयोग करें।

SRT मानक सबटाइटल प्रारूप है — इसमें टाइमस्टैम्प शामिल हैं ताकि टेक्स्ट की प्रत्येक पंक्ति आपके वीडियो में सही क्षण पर दिखाई दे। इसका उपयोग YouTube, Vimeo, Premiere या Final Cut जैसे वीडियो संपादकों, या किसी भी सबटाइटल-जागरूक प्लेयर के लिए करें।

TXT बिना टाइमस्टैम्प वाला सादा टेक्स्ट है — दस्तावेज़ों, ब्लॉग पोस्ट, ट्रांसक्राइब किए गए साक्षात्कारों, या कुछ भी जहां आप केवल शब्द चाहते हैं, के लिए एकदम सही। हम DOC (स्वरूपित वर्ड दस्तावेज़) और PDF (मुद्रण योग्य) भी प्रदान करते हैं — विवरण के लिए मैं TXT, DOC, या PDF के रूप में कैसे डाउनलोड करूं? देखें।

हम अपना सर्वश्रेष्ठ करते हैं, लेकिन भारी पृष्ठभूमि संगीत या शोर सटीकता को कम कर देगा। हल्का परिवेशी शोर (एक शांत कैफे, एक चलता पंखा) आमतौर पर कोई समस्या नहीं पैदा करता है। तेज़ संगीत या प्रतिस्पर्धी आवाज़ें सबसे कठिन मामले हैं।

इंट्रो संगीत वाले साक्षात्कार-शैली की सामग्री के लिए, आप आमतौर पर देखेंगे कि संगीत को बकवास के रूप में ट्रांसक्राइब किया जाता है या छोड़ दिया जाता है, फिर भाषण शुरू होने पर सटीकता वापस आ जाती है। यदि आप अपने ऑडियो का केवल-भाषण संस्करण रिकॉर्ड कर सकते हैं (या पहले से Audacity जैसे उपकरण से संगीत हटा सकते हैं), तो सटीकता काफी बेहतर होगी।