Umritun

Nákvæmni fer venjulega yfir 95% fyrir skýrt hljóð á studdum tungumálum. Við notum hina leiðandi talgreiningu OpenAI undir niðri, sömu vélina og knýr mörg fagleg umritunartól.

Raunveruleg nákvæmni veltur á þremur þáttum: hljóðskýrleika (bakgrunnshljóð skaðar), talhreim (sterkur svæðisbundinn hreimur getur lækkað gildi um nokkur prósent) og tungumálinu sjálfu (enska og spænska skora yfirleitt hæst). Ef þú vilt hámarka nákvæmni skaltu skoða Hvaða hljóðgæði gefa bestu niðurstöðurnar? fyrir litlu hlutina sem skipta miklu máli.

Já — auðkenning talara er í boði í öllum áskriftarleiðum, þar á meðal Ókeypis áskriftinni. Á upphleðsluforminu skaltu stilla Auðkenna talara á Já og við merkjum sjálfkrafa hvern talara í umrituninni sem Talari 1, Talari 2 og svo framvegis.

Þetta virkar frábærlega fyrir fundi, viðtöl, hlaðvörp og hvers konar samtöl með mörgum talendum. Það eru engin takmörk á fjölda talara sem við greinum. Auðkenning talara bætir örlitlum vinnslutíma við, svo slökktu á henni fyrir einleiksupptökur (fyrirlestra, raddminnispunkta, efni með einum sögumanni) til að fá hraðari niðurstöður.

Við styðjum 99 tungumál fyrir umritun, þar á meðal ensku, spænsku, portúgölsku, frönsku, þýsku, ítölsku, japönsku, kínversku, kóresku, rússnesku, arabísku, hindí og margt fleira.

Þú getur valið tungumálið beint á upphleðsluforminu fyrir bestu nákvæmni, eða skilið það eftir á Sjálfvirkt og við greinum það fyrir þig. Tungumálalistinn er sá sami og OpenAI Whisper styður, og viðmót SoundScript.AI sjálfs er líka í boði á öllum 99 tungumálunum — sjá Hvar uppfæri ég tungumál viðmótsins? til að breyta þínu.

Skýrar raddir teknar upp nálægt hljóðnema, með sem minnstu bakgrunnshljóði. Það er stutta svarið. Þetta hjálpar mest:

• Notaðu þokkalegan hljóðnema — jafnvel ódýr USB-hljóðnemi eða nútíma sími er miklu betri en innbyggður hljóðnemi á fartölvu.
• Taktu upp í hljóðlátu herbergi — lokaðu gluggum, slökktu á viftum og forðastu harða fleti sem mynda bergmál.
• Komdu nálægt hljóðnemanum — 15–30 cm er kjörfjarlægðin fyrir eðlilegt tal.
• Forðastu bakgrunnstónlist þegar mögulegt er — sjá Hvernig meðhöndlar SoundScript.AI bakgrunnstónlist eða hávaða? til að vita við hverju má búast þegar tónlist er óhjákvæmileg.

Flestar skrár eru tilbúnar á sekúndum til örfárra mínútna. Hefðbundin 10 mínútna hljóðskrá klárast venjulega á innan við 30 sekúndum.

Skrár stærri en 25MB eru sjálfkrafa skiptar í búta og unnar samhliða, svo jafnvel klukkutíma upptaka er oftast tilbúin á 2–3 mínútum. Ef þú kveikir á auðkenningu talara bætist örlítill tími við. Framvindustikan uppfærist í rauntíma — það er ekkert til að endurhlaða.

Við skiptum stórum skrám sjálfkrafa í minni búta á bak við tjöldin, umritum þá samhliða og setjum niðurstöðurnar saman aftur. Þú þarft ekki að gera neitt — hladdu skránni þinni upp eins og venjulega.

Hámarks upphleðslustærð er 1GB. Hver búti er unninn sjálfstætt, sem er ástæðan fyrir því að klukkutímaskrá getur verið tilbúin á örfáum mínútum. Bútamörkin eru sett á náttúruleg þagnarbil þegar mögulegt er til að forðast að klippa orð í miðri setningu.

Sérnöfn — nöfn, vörumerki, tækniorð, skammstafanir — eru erfiðasti hluti umritunar því þau fylgja ekki eðlilegum tungumálamynstrum. Jafnvel frábært hljóð getur framleitt rangt stafsett nöfn.

Nokkrir hlutir sem hjálpa:

• Veldu tungumálið beint í staðinn fyrir að nota sjálfvirka greiningu.
• Talaðu sérnöfn skýrt þegar þú tekur upp, með stuttu hléi í kringum þau.
• Lagfærðu umritunina eftir á — þú getur afritað textann í hvaða ritvinnsluforrit sem er og lagfært nöfn með leitar-og-skiptu aðgerðinni. Við styðjum ekki sérsniðinn orðaforðalista eins og er, en það er á radar okkar.

Þú getur afritað umritunartextann af niðurstöðusíðunni og breytt honum í hvaða ritvinnsluforriti sem er — Google Docs, Microsoft Word, Notepad, hvað sem þér finnst best.

Við erum ekki með innbyggðan ritil ennþá, svo breytingar sem þú gerir utan SoundScript.AI vistast ekki aftur á þjónum okkar. Upprunalega umritunin er áfram á stjórnborðinu þínu svo þú getir alltaf hlaðið niður nýju eintaki. Notaðu .doc eða .txt niðurhalssniðin ef þú vilt breyta og halda sniði.

SRT er hefðbundið skjátextasnið — það inniheldur tímamerki svo hver textalína birtist á réttum tímapunkti í myndbandinu þínu. Notaðu það fyrir YouTube, Vimeo, myndvinnsluforrit eins og Premiere eða Final Cut, eða hvaða spilara sem styður skjátexta.

TXT er hreinn texti án tímamerkja — fullkomið fyrir skjöl, bloggfærslur, umrituð viðtöl eða allt þar sem þú vilt bara orðin. Við bjóðum líka upp á DOC (snið Word-skjals) og PDF (prentvænt) — sjá Hvernig hala ég niður sem TXT, DOC eða PDF? fyrir frekari upplýsingar.

Við gerum okkar besta, en mikil bakgrunnstónlist eða hávaði mun draga úr nákvæmni. Léttur umhverfishávaði (rólegt kaffihús, vifta í gangi) veldur yfirleitt engum vandræðum. Hávær tónlist eða samkeppnisraddir eru erfiðustu tilvikin.

Fyrir viðtalsefni með kynningartónlist sérðu yfirleitt tónlistina umritast sem rugl eða sleppast, og svo kemur nákvæmnin aftur þegar tal hefst. Ef þú getur tekið upp aðeins talútgáfu hljóðsins (eða fjarlægt tónlist með tóli eins og Audacity fyrirfram) verður nákvæmnin merkjanlega betri.