Transcriere

Acuratețea depășește de obicei 95% pentru audio clar în limbile acceptate. Folosim recunoașterea vorbirii de top din industrie a OpenAI sub capotă, același model care alimentează multe unelte profesionale de transcriere.

Acuratețea în lumea reală depinde de trei lucruri: claritatea audio (zgomotul de fundal dăunează), accentele vorbitorilor (accentele regionale pronunțate pot scădea câteva puncte) și limba în sine (engleza și spaniola tind să aibă cele mai mari scoruri). Dacă vrei acuratețe maximă, vezi Ce calitate audio dă cele mai bune rezultate? pentru lucrurile mici care fac o diferență mare.

Da — identificarea vorbitorilor este disponibilă în fiecare plan, inclusiv în Planul gratuit. Pe formularul de încărcare, setează Identifică vorbitorii pe Da și vom eticheta automat fiecare vorbitor din transcrierea ta ca Speaker 1, Speaker 2 și așa mai departe.

Funcționează excelent pentru ședințe, interviuri, podcasturi și orice conversație cu mai multe persoane. Nu există o limită pentru numărul de vorbitori pe care îi detectăm. Identificarea vorbitorilor adaugă puțin timp de procesare, așa că las-o dezactivată pentru înregistrări solo (cursuri, note vocale, conținut cu un singur narator) pentru rezultate mai rapide.

Acceptăm 99 de limbi pentru transcriere, inclusiv engleză, spaniolă, portugheză, franceză, germană, italiană, japoneză, chineză, coreeană, rusă, arabă, hindi și multe altele.

Poți alege limba explicit pe formularul de încărcare pentru cea mai bună acuratețe sau o poți lăsa pe Auto și o vom detecta noi. Lista de limbi este aceeași cu cea acceptată de OpenAI Whisper, iar interfața SoundScript.AI în sine este disponibilă tot în 99 de limbi — vezi De unde îmi actualizez limba interfeței? ca să o schimbi.

Voci clare înregistrate aproape de microfon, cu zgomot de fundal minim. Aceasta e versiunea scurtă. Iată ce ajută cel mai mult:

• Folosește un microfon decent — chiar și un microfon USB de bază sau un telefon modern este mult mai bun decât microfonul integrat al unui laptop.
• Înregistrează într-o cameră liniștită — închide ferestrele, oprește ventilatoarele și evită suprafețele dure care produc ecou.
• Apropie-te de microfon — 15–30 cm este distanța ideală pentru vorbire naturală.
• Evită muzica de fundal când este posibil — vezi Cum gestionează SoundScript.AI muzica sau zgomotul de fundal? pentru la ce să te aștepți când muzica este inevitabilă.

Majoritatea fișierelor sunt gata în câteva secunde până la câteva minute. Un fișier audio tipic de 10 minute se termină de obicei în mai puțin de 30 de secunde.

Fișierele mai mari de 25MB sunt împărțite automat în segmente și procesate în paralel, așa că până și o înregistrare de o oră este de obicei gata în 2–3 minute. Activarea identificării vorbitorilor adaugă puțin timp în plus. Bara de progres se actualizează în timp real — nu e nimic de reîmprospătat.

Împărțim automat fișierele mari în segmente mai mici în culise, le transcriem în paralel și recompunem rezultatele. Nu trebuie să faci nimic — pur și simplu încarcă fișierul ca de obicei.

Dimensiunea maximă pentru încărcare este de 1GB. Fiecare segment este procesat independent, motiv pentru care un fișier de o oră poate fi gata în doar câteva minute. Limitele segmentelor sunt plasate pe pauzele naturale ori de câte ori este posibil, pentru a evita tăierea cuvintelor la mijlocul propoziției.

Substantivele proprii — nume, mărci, termeni tehnici, acronime — sunt cea mai grea parte a transcrierii, pentru că nu urmează tipare normale ale limbii. Chiar și audio-ul excelent poate produce nume scrise greșit.

Câteva lucruri care ajută:

• Alege limba explicit în loc să folosești detectarea automată.
• Pronunță substantivele proprii clar când înregistrezi, cu o mică pauză în jurul lor.
• Editează transcrierea ulterior — poți copia textul în orice editor și să corectezi numele cu căutare și înlocuire. În prezent nu acceptăm o listă de vocabular personalizată, dar este pe radarul nostru.

Poți copia textul transcrierii de pe pagina cu rezultate și să-l editezi în orice editor de text sau procesor de cuvinte — Google Docs, Microsoft Word, Notepad, ce preferi.

Nu avem încă un editor în aplicație, așa că modificările făcute în afara SoundScript.AI nu se salvează înapoi pe serverele noastre. Transcrierea originală rămâne în tabloul tău de bord, așa că poți descărca oricând o copie nouă. Folosește formatele de descărcare .doc sau .txt dacă vrei să editezi și să păstrezi formatarea.

SRT este formatul standard pentru subtitrări — include marcaje de timp astfel încât fiecare linie de text să apară la momentul potrivit în videoclipul tău. Folosește-l pentru YouTube, Vimeo, editoare video precum Premiere sau Final Cut sau orice player compatibil cu subtitrări.

TXT este text simplu fără marcaje de timp — perfect pentru documente, articole de blog, interviuri transcrise sau orice altceva unde vrei doar cuvintele. Oferim și DOC (document Word formatat) și PDF (printabil) — vezi Cum descarc în format TXT, DOC sau PDF? pentru detalii.

Facem tot posibilul, dar muzica sau zgomotul puternic de fundal vor reduce acuratețea. Zgomotul ambiental ușor (o cafenea liniștită, un ventilator) nu cauzează de obicei probleme. Muzica puternică sau vocile concurente sunt cele mai dificile cazuri.

Pentru conținut de tip interviu cu muzică de intro, vei vedea de obicei muzica transcrisă ca text fără sens sau ignorată, apoi acuratețea revine când începe vorbirea. Dacă poți înregistra o versiune doar cu vorbire a audio-ului tău (sau să elimini muzica cu o unealtă precum Audacity înainte), acuratețea va fi vizibil mai bună.