Traskrizzjoni

Il-preċiżjoni tipikament taqbeż il-95% għal awdjo ċar f'lingwi appoġġati. Aħna nużaw l-għarfien tal-kliem ta' OpenAI li hu fuq quddiem fl-industrija, l-istess mudell li jħaddem ħafna għodod ta' traskrizzjoni professjonali.

Il-preċiżjoni fid-dinja reali tiddependi fuq tliet affarijiet: iċ-ċarezza tal-awdjo (l-istorbju fl-isfond joħloq problemi), l-aċċenti tal-kelliema (aċċenti reġjonali qawwija jistgħu jniżżlu ftit punti), u l-lingwa nnifisha (l-Ingliż u l-Ispanjol normalment jiksbu l-ogħla skor). Jekk trid il-preċiżjoni massima, ara Liema kwalità ta' awdjo tagħti l-aħjar riżultati? għall-affarijiet żgħar li jagħmlu differenza kbira.

Iva — l-identifikazzjoni tal-kelliema hija disponibbli fuq kull pjan, inkluż il-Pjan Free. Fuq il-formola tal-upload, issettja Identifika l-Kelliema għal Iva u aħna nittikkettaw awtomatikament kull kelliem fit-traskrizzjoni tiegħek bħala Speaker 1, Speaker 2, u hekk fuq.

Taħdem tajjeb ħafna għal laqgħat, intervisti, podcasts, u kwalunkwe konverżazzjoni b'diversi persuni. M'hemm l-ebda limitu fuq in-numru ta' kelliema li nidentifikaw. L-identifikazzjoni tal-kelliema żżid ftit ħin ta' proċessar, allura ħalliha mitfija għal reġistrazzjonijiet solo (lekċers, voice memos, kontenut b'narratur wieħed) biex tikseb riżultati aktar veloċi.

Aħna nappoġġjaw 99 lingwi għat-traskrizzjoni, inklużi l-Ingliż, l-Ispanjol, il-Portugiż, il-Franċiż, il-Ġermaniż, it-Taljan, il-Ġappuniż, iċ-Ċiniż, il-Korean, ir-Russu, l-Għarbi, l-Hindi, u ħafna oħrajn.

Tista' tagħżel il-lingwa b'mod espliċitu fuq il-formola tal-upload għall-aħjar preċiżjoni, jew ħalliha fuq Awto u aħna nidentifikawha għalik. Il-lista tal-lingwi hija l-istess bħas-sett appoġġat ta' OpenAI Whisper, u l-interfaċċja ta' SoundScript.AI nnifisha hija wkoll disponibbli fil-99 lingwi kollha — ara Fejn naġġorna l-lingwa tal-interfaċċja tiegħi? biex tibdel tiegħek.

Vuċijiet ċari rreġistrati qrib mikrofonu, b'ħsejjes minimali fl-isfond. Dik hi l-verżjoni qasira. Hawn x'jgħin l-aktar:

• Uża mikrofonu deċenti — anki mikrofonu USB ta' livell tad-dħul jew telefon modern huwa ħafna aħjar mill-mikrofonu integrat ta' laptop.
• Irreġistra f'kamra siekta — agħlaq it-twieqi, itfi l-fannijiet, u evita uċuħ ibsin li jagħmlu eku.
• Oqrob mill-mikrofonu — 6-12 pulzieri huma l-aħjar distanza għal taħdit naturali.
• Evita mużika fl-isfond meta possibbli — ara Kif jiġġestixxi SoundScript.AI l-mużika jew l-istorbju fl-isfond? għal x'għandek tistenna meta l-mużika ma tistax tiġi evitata.

Il-biċċa l-kbira tal-fajls jitlestew f'sekondi sa ftit minuti. Fajl awdjo tipiku ta' 10 minuti normalment jispiċċa f'inqas minn 30 sekonda.

Fajls akbar minn 25MB jinqasmu awtomatikament fi blokok u jiġu pproċessati b'mod parallel, allura anki reġistrazzjoni ta' siegħa normalment tkun lesta fi 2-3 minuti. L-attivazzjoni tal-identifikazzjoni tal-kelliema iżżid ftit ħin żejjed. Il-progress bar tiġi aġġornata f'ħin reali — m'hemm xejn x'tirrefreshja.

Aħna naqsmu awtomatikament fajls kbar fi blokok iżgħar wara l-kwinti, nittraskrivuhom b'mod parallel, u ngħaqqdu r-riżultati flimkien mill-ġdid. M'għandekx bżonn tagħmel xejn — sempliċement agħmel upload tal-fajl tiegħek bħas-soltu.

Id-daqs massimu tal-upload huwa 1GB. Kull blokk jiġi pproċessat b'mod indipendenti, u dik hi r-raġuni għaliex fajl ta' siegħa jista' jkun lest fi ftit minuti biss. Il-konfini tal-blokok jitqiegħdu fuq is-skiet naturali kull meta jkun possibbli biex jevitaw it-qtugħ tal-kliem nofs ta' sentenza.

L-ismijiet proprji — ismijiet ta' persuni, ismijiet ta' brands, termini tekniċi, akronimi — huma l-aktar parti diffiċli tat-traskrizzjoni għax ma jsegwux mudelli lingwistiċi normali. Anki awdjo eċċellenti jista' jipproduċi ismijiet miktuba ħażin.

Ftit affarijiet li jgħinu:

• Agħżel il-lingwa b'mod espliċitu minflok tuża d-detezzjoni awtomatika.
• Itkellem l-ismijiet proprji b'mod ċar meta tirreġistra, b'pawża żgħira madwarhom.
• Editja t-traskrizzjoni wara — tista' tikkopja t-test f'kwalunkwe editur u tirranġa l-ismijiet b'find-and-replace. Bħalissa ma nappoġġjawx lista ta' vokabularju personalizzat, imma hu fuq ir-radar tagħna.

Tista' tikkopja t-test tat-traskrizzjoni mill-paġna tar-riżultat u teditja f'kwalunkwe editur tat-test jew word processor — Google Docs, Microsoft Word, Notepad, jew kwalunkwe li tippreferi.

Għad m'għandniex editur fl-app, allura l-bidliet li tagħmel barra SoundScript.AI ma jissejvjawx lura fis-servers tagħna. It-traskrizzjoni oriġinali tibqa' fid-dashboard tiegħek biex tkun tista' dejjem tagħmel download ta' kopja friska. Uża l-formati tad-download .doc jew .txt jekk trid teditja u żżomm il-formattjar.

SRT huwa l-format standard tas-sottotitli — jinkludi timestamps biex kull linja tat-test tidher fil-mument it-tajjeb fil-video tiegħek. Użah għal YouTube, Vimeo, edituri tal-video bħal Premiere jew Final Cut, jew kwalunkwe player li jirrikonoxxi sottotitli.

TXT huwa test pjan mingħajr timestamps — perfett għal dokumenti, blog posts, intervisti traskritti, jew kwalunkwe ħaġa fejn trid biss il-kliem. Aħna noffru wkoll DOC (dokument Word formattjat) u PDF (li jista' jiġi stampat) — ara Kif nagħmel download bħala TXT, DOC, jew PDF? għad-dettalji.

Aħna nagħmlu l-aħjar tagħna, imma mużika jew storbju qawwi fl-isfond inaqqas il-preċiżjoni. Storbju ambjentali ħafif (kafetterija siekta, fan jaħdem) normalment ma jikkawża l-ebda problema. Mużika qawwija jew vuċijiet li jikkompetu huma l-aktar każijiet diffiċli.

Għal kontenut ta' stil ta' intervista b'mużika fil-bidu, normalment tara l-mużika traskritta bħala bla sens jew misħuta, imbagħad il-preċiżjoni terġa' lura meta jibda d-diskors. Jekk tista' tirreġistra l-verżjoni diskors-biss tal-awdjo tiegħek (jew tneħħi l-mużika b'għodda bħal Audacity minn qabel), il-preċiżjoni tkun b'mod notevoli aħjar.