Տրանսկրիպցիա

Ճշտությունը սովորաբար գերազանցում է 95%-ը մաքուր աուդիոյի համար աջակցվող լեզուներով։ Մենք օգտագործում ենք OpenAI-ի առաջատար խոսքի ճանաչումը կուլիսներում՝ նույն մոդելը, որն ապահովում է բազմաթիվ պրոֆեսիոնալ տրանսկրիպցիոն գործիքներ։

Իրական ճշտությունը կախված է երեք բանից՝ աուդիոյի մաքրությունից (ֆոնային աղմուկը վնասում է), խոսնակների առոգանությունից (ուժեղ տարածաշրջանային առոգանությունները կարող են մի քանի կետ իջեցնել) և հենց լեզվից (անգլերենն ու իսպաներենը սովորաբար ամենաբարձր միավորներն են ստանում)։ Եթե ուզում ես առավելագույն ճշտություն, տես Ի՞նչ աուդիո որակն է տալիս լավագույն արդյունքները այն փոքր բաների համար, որոնք մեծ տարբերություն են ստեղծում։

Այո — խոսնակի նույնականացումը հասանելի է բոլոր պլաններում, ներառյալ Անվճար պլանը։ Վերբեռնման ձևի վրա սահմանիր Նույնականացրեք խոսնակներին որպես Այո, և մենք ավտոմատ կերպով կնշենք յուրաքանչյուր խոսնակի քո տրանսկրիպցիայում որպես Speaker 1, Speaker 2 և այլն։

Այն հիանալի աշխատում է հանդիպումների, հարցազրույցների, փոդքասթների և ցանկացած բազմամարդ խոսակցության համար։ Մենք բացահայտելու ենք խոսնակների թվի սահմանափակում չկա։ Խոսնակի նույնականացումը մի փոքր ավելացնում է մշակման ժամանակը, ուստի անջատիր այն մենակ ձայնագրությունների համար (դասախոսություններ, ձայնային գրառումներ, մեկ պատմողի բովանդակություն)՝ ավելի արագ արդյունքների համար։

Մենք աջակցում ենք 99 լեզու տրանսկրիպցիայի համար, ներառյալ անգլերեն, իսպաներեն, պորտուգալերեն, ֆրանսերեն, գերմաներեն, իտալերեն, ճապոներեն, չինարեն, կորեերեն, ռուսերեն, արաբերեն, հինդի և շատ ուրիշներ։

Կարող ես բացահայտորեն ընտրել լեզուն վերբեռնման ձևի վրա՝ լավագույն ճշտության համար, կամ թողնել Ավտոմատ տարբերակը, և մենք կբացահայտենք այն քեզ համար։ Լեզուների ցանկը նույնն է, ինչ OpenAI Whisper-ի աջակցվող հավաքածուն, և SoundScript.AI-ի ինտերֆեյսն ինքնին նույնպես հասանելի է բոլոր 99 լեզուներով — տես Որտեղի՞ց եմ թարմացնում իմ ինտերֆեյսի լեզուն՝ քո լեզուն փոխելու համար։

Մաքուր ձայներ, որոնք ձայնագրված են խոսափողի մոտ, նվազագույն ֆոնային աղմուկով։ Դա կարճ տարբերակն է։ Ահա թե ինչն է ամենից շատ օգնում.

• Օգտագործիր լավ խոսափող — նույնիսկ սկզբնական մակարդակի USB խոսափողը կամ ժամանակակից հեռախոսը շատ ավելի լավն է, քան նոթբուքի ներկառուցված խոսափողը։
• Ձայնագրիր լուռ սենյակում — փակիր պատուհանները, անջատիր օդափոխիչները և խուսափիր կարծր մակերեսներից, որոնք արձագանք են տալիս։
• Մոտեցիր խոսափողին — 6-12 դյույմը բնական խոսքի համար իդեալական հեռավորությունն է։
• Խուսափիր ֆոնային երաժշտությունից, երբ հնարավոր է — տես Ինչպե՞ս է SoundScript.AI-ն մշակում ֆոնային երաժշտությունը կամ աղմուկը, թե ինչին սպասել, երբ երաժշտությունն անխուսափելի է։

Ֆայլերի մեծ մասը ավարտվում է մի քանի վայրկյանից մինչև մի քանի րոպեում։ Տիպիկ 10-րոպեանոց աուդիո ֆայլը սովորաբար ավարտվում է 30 վայրկյանից պակաս ժամանակում։

25MB-ից մեծ ֆայլերն ավտոմատ կերպով բաժանվում են կտորների և մշակվում են զուգահեռ, այնպես որ նույնիսկ մեկ ժամ տևողությամբ ձայնագրությունը սովորաբար պատրաստ է 2-3 րոպեում։ Խոսնակի նույնականացման միացումը մի փոքր ավելի ժամանակ է ավելացնում։ Առաջընթացի սանդղակը թարմացվում է իրական ժամանակում — ոչինչ թարմացնելու կարիք չկա։

Մենք ավտոմատ կերպով բաժանում ենք մեծ ֆայլերը փոքր կտորների կուլիսներում, տրանսկրիպցիա ենք անում զուգահեռ և ետ կարում արդյունքները։ Քեզ որևէ բան անել չի պետք — պարզապես վերբեռնիր քո ֆայլը ինչպես սովորաբար։

Վերբեռնման առավելագույն չափը 1GB է։ Յուրաքանչյուր կտոր մշակվում է ինքնուրույն, ինչը պատճառն է, որ մեկ ժամ տևողությամբ ֆայլը կարող է պատրաստ լինել մի քանի րոպեում։ Կտորների սահմանները տեղադրվում են բնական լռության վրա, երբ հնարավոր է՝ խոսքերը նախադասության մեջտեղում չկտրելու համար։

Հատուկ անունները — մարդկանց անունները, ապրանքանիշերի անվանումները, տեխնիկական տերմինները, հապավումները — տրանսկրիպցիայի ամենադժվար մասն են, քանի որ դրանք չեն հետևում լեզվի սովորական օրինաչափություններին։ Նույնիսկ հիանալի աուդիոն կարող է առաջացնել սխալ ուղղագրված անուններ։

Մի քանի բան, որ օգնում է.

• Բացահայտորեն ընտրիր լեզուն ավտոմատ բացահայտման փոխարեն։
• Հատուկ անունները հստակ արտասանիր ձայնագրելիս՝ դրանց շուրջը կարճ դադարով։
• Տրանսկրիպցիան խմբագրիր հետո — կարող ես պատճենել տեքստը ցանկացած խմբագրի և ուղղել անունները փնտրել-փոխարինել միջոցով։ Մենք ներկայումս չենք աջակցում հատուկ բառապաշարի ցանկ, բայց այն մեր ուշադրության կենտրոնում է։

Կարող ես պատճենել տրանսկրիպցիայի տեքստը արդյունքների էջից և խմբագրել այն ցանկացած տեքստային խմբագրում կամ բառերի մշակողում — Google Docs, Microsoft Word, Notepad կամ ինչ էլ որ նախընտրում ես։

Մենք դեռ չունենք հավելվածի ներսում խմբագիր, այնպես որ SoundScript.AI-ից դուրս արված փոփոխությունները հետ չեն պահպանվում մեր սերվերներում։ Բնօրինակ տրանսկրիպցիան մնում է քո վահանակում, այնպես որ միշտ կարող ես ներբեռնել թարմ պատճեն։ Օգտագործիր .doc կամ .txt ներբեռնման ձևաչափերը, եթե ուզում ես խմբագրել և պահպանել ֆորմատավորումը։

SRT-ն ենթագրերի ստանդարտ ձևաչափն է — այն ներառում է ժամանակային նշաններ, որպեսզի տեքստի յուրաքանչյուր տող հայտնվի ճիշտ պահին քո վիդեոյում։ Օգտագործիր այն YouTube-ի, Vimeo-ի, Premiere կամ Final Cut-ի նման վիդեո խմբագիրների կամ ցանկացած ենթագրեր ճանաչող նվագարկչի համար։

TXT-ն պարզ տեքստ է առանց ժամանակային նշանների — իդեալական է փաստաթղթերի, բլոգի գրառումների, տրանսկրիպտված հարցազրույցների կամ ցանկացած այլ բանի համար, որտեղ ուզում ես միայն բառերը։ Մենք նաև առաջարկում ենք DOC (ֆորմատավորված Word փաստաթուղթ) և PDF (տպվող) — տես Ինչպե՞ս ներբեռնել որպես TXT, DOC կամ PDF մանրամասների համար։

Մենք անում ենք լավագույնը, բայց ուժեղ ֆոնային երաժշտությունը կամ աղմուկը կնվազեցնի ճշտությունը։ Թեթև շրջակա միջավայրի աղմուկը (լուռ սրճարան, աշխատող օդափոխիչ) սովորաբար խնդիր չի առաջացնում։ Բարձր երաժշտությունը կամ մրցակցող ձայները ամենադժվար դեպքերն են։

Ներածական երաժշտությամբ հարցազրույցային բովանդակության համար սովորաբար կտեսնես, որ երաժշտությունը տրանսկրիպտված է որպես անհասկանալի կամ բաց է թողնվում, ապա ճշտությունը վերադառնում է, երբ խոսքը սկսվում է։ Եթե կարող ես ձայնագրել քո աուդիոյի միայն խոսքով տարբերակը (կամ նախապես հեռացնել երաժշտությունը Audacity-ի նման գործիքով), ճշտությունը զգալիորեն ավելի լավ կլինի։