ٽرانسڪرپشن

درستگي عام طور تي سپورٽ ٿيل ٻولين ۾ واضح آڊيو لاءِ 95% کان مٿي ٿيندي آهي. اسان OpenAI جي صنعت ۾ اڳواڻ اسپيچ سڃاڻپ استعمال ڪندا آهيون، اهو ساڳيو ماڊل جيڪو ڪيترن ئي پيشه ور ٽرانسڪرپشن اوزارن کي طاقت ڏئي ٿو.

حقيقي دنيا جي درستگي ٽن شين تي منحصر آهي: آڊيو جي وضاحت (پس منظر جو شور نقصان پهچائي ٿو)، اسپيڪر جا لهجا (ڳوري علائقائي لهجا ڪجهه نقطا گهٽائي سگهن ٿا)، ۽ خود ٻولي (انگريزي ۽ اسپيني سڀ کان وڌيڪ اسڪور ڪندا آهن). جيڪڏهن توهان وڌ ۾ وڌ درستگي چاهيو ٿا، ته انهن ننڍين شين لاءِ ڪهڙي آڊيو معيار سان بهترين نتيجا ملن ٿا؟ ڏسو جيڪي وڏو فرق پيدا ڪن ٿيون.

ها — اسپيڪر سڃاڻپ هر پلان تي دستياب آهي، جنهن ۾ مفت پلان به شامل آهي. اپلوڊ فارم تي، اسپيڪرن جي سڃاڻپ کي ها تي مقرر ڪريو ۽ اسان توهان جي ٽرانسڪرپشن ۾ هر اسپيڪر کي Speaker 1، Speaker 2، وغيره طور خودڪار طور ليبل ڪنداسين.

اهو ميٽنگز، انٽرويوز، پوڊڪاسٽ، ۽ ڪنهن به گهڻن ماڻهن واري گفتگو لاءِ بهترين ڪم ڪندو آهي. اسپيڪرن جي تعداد تي ڪابه حد ناهي جنهن کي اسان معلوم ڪنداسين. اسپيڪر سڃاڻپ ٿوري پروسيسنگ وقت شامل ڪندي آهي، تنهنڪري واحد رڪارڊنگن (ليڪچر، آواز جون يادگيريون، اڪيلو راوي مواد) لاءِ ان کي بند ڇڏيو ته جيئن تيز نتيجا حاصل ٿين.

اسان ٽرانسڪرپشن لاءِ 99 ٻوليون سپورٽ ڪريون ٿا، جنهن ۾ انگريزي، اسپيني، پرتگالي، فرينچ، جرمن، اطالوي، جاپاني، چيني، ڪورين، روسي، عربي، هندي ۽ ٻيون ڪيتريون ئي شامل آهن.

توهان بهترين درستگي لاءِ اپلوڊ فارم تي ٻولي واضح طور چونڊي سگهو ٿا، يا ان کي خودڪار تي ڇڏي ڏيو ۽ اسان ان کي توهان لاءِ معلوم ڪنداسين. ٻولين جي فهرست OpenAI Whisper جي سپورٽ ٿيل سيٽ جهڙي آهي، ۽ SoundScript.AI انٽرفيس پاڻ پڻ سڀني 99 ٻولين ۾ دستياب آهي — توهان جي تبديل ڪرڻ لاءِ آءُ پنهنجي انٽرفيس جي ٻولي ڪٿي اپڊيٽ ڪريان؟ ڏسو.

گهٽ ۾ گهٽ پس منظر جي شور سان مائڪروفون جي ويجهو رڪارڊ ٿيل واضح آواز. اهو مختصر ورزن آهي. هتي اهو آهي جيڪو سڀ کان وڌيڪ مدد ڪندو آهي:

• سٺو مائڪروفون استعمال ڪريو — هڪ ابتدائي سطح جو USB مائڪ يا جديد فون به ليپ ٽاپ جي بلٽ ان مائڪ کان گهڻو بهتر آهي.
• خاموش ڪمري ۾ رڪارڊ ڪريو — دريون بند ڪريو، پنکا بند ڪريو، ۽ سخت سطحن کان پاسو ڪريو جيڪي گونج ڪن ٿيون.
• مائڪ جي ويجهو ٿيو — قدرتي تقرير لاءِ 6-12 انچ بهترين جڳهه آهي.
• پس منظر جي موسيقي کان پاسو ڪريو جڏهن ممڪن هجي — جڏهن موسيقي ناگزير هجي ته ڇا توقع رکجي ان لاءِ SoundScript.AI پس منظر جي موسيقي يا شور کي ڪيئن سنڀاليندي آهي؟ ڏسو.

اڪثر فائلون سيڪنڊن کان ٻن منٽن ۾ ٿي وڃن ٿيون. عام طور تي 10 منٽن واري آڊيو فائل 30 سيڪنڊن کان گهٽ ۾ ختم ٿي ويندي آهي.

25MB کان وڏيون فائلون خودڪار طور ٽڪرن ۾ ورهايون وڃن ٿيون ۽ هڪجهڙي وقت ۾ پروسيس ڪيون وڃن ٿيون، تنهنڪري هڪ ڪلاڪ جي رڪارڊنگ به عام طور 2-3 منٽن ۾ تيار ٿي ويندي آهي. اسپيڪر سڃاڻپ فعال ڪرڻ ٿورو اضافي وقت شامل ڪندو آهي. ترقي جي پٽي حقيقي وقت ۾ اپڊيٽ ٿيندي رهي ٿي — ڪجهه به تازو ڪرڻ جي ضرورت ناهي.

اسان وڏين فائلن کي خودڪار طور پس منظر ۾ ننڍن ٽڪرن ۾ ورهائيندا آهيون، انهن کي هڪجهڙي وقت ۾ ٽرانسڪرائب ڪندا آهيون، ۽ نتيجن کي واپس گڏ ڪندا آهيون. توهان کي ڪجهه ڪرڻ جي ضرورت ناهي — بس عام طور پنهنجي فائل اپلوڊ ڪريو.

وڌ ۾ وڌ اپلوڊ سائيز 1GB آهي. هر ٽڪرو آزادانه طور پروسيس ڪيو ويندو آهي، اهو ئي سبب آهي ته هڪ ڪلاڪ جي فائل صرف چند منٽن ۾ تيار ٿي سگهي ٿي. ٽڪرن جون حدون جڏهن به ممڪن هجن قدرتي خاموشين تي رکيون وڃن ٿيون ته جيئن لفظن کي جملي جي وچ ۾ ڪٽڻ کان بچائي سگهجي.

خاص نالا — نالا، برانڊ نالا، فني اصطلاح، اختصار — ٽرانسڪرپشن جو سڀ کان مشڪل حصو آهن ڇو ته اهي عام ٻوليءَ جي نمونن جي پيروي نٿا ڪن. سٺي آڊيو به غلط لکيل نالا پيدا ڪري سگهي ٿي.

ڪجهه شيون جيڪي مدد ڪن ٿيون:

• ٻولي واضح طور چونڊيو خودڪار ڳولڻ استعمال ڪرڻ بدران.
• رڪارڊ ڪرڻ وقت خاص نالا واضح طور ڳالهايو، انهن جي چوڌاري ننڍي وقفي سان.
• بعد ۾ ٽرانسڪرپشن کي ايڊٽ ڪريو — توهان متن کي ڪنهن به ايڊيٽر ۾ نقل ڪري سگهو ٿا ۽ نالا ڳولڻ-۽-تبديل ڪرڻ سان درست ڪري سگهو ٿا. اسان في الحال ڪسٽم لفظن جي فهرست کي سپورٽ نٿا ڪريون، پر اها اسان جي راڊار تي آهي.

توهان نتيجي جي صفحي مان ٽرانسڪرپشن متن کي نقل ڪري سگهو ٿا ۽ ان کي ڪنهن به متن ايڊيٽر يا ورڊ پروسيسر ۾ ايڊٽ ڪري سگهو ٿا — Google Docs، Microsoft Word، Notepad، جيڪو به توهان کي پسند هجي.

اسان وٽ اڃا تائين ايپ ۾ ايڊيٽر ناهي، تنهنڪري SoundScript.AI کان ٻاهر ڪيل تبديليون اسان جي سرورن تي واپس محفوظ نٿيون ٿين. اصل ٽرانسڪرپشن توهان جي ڊيش بورڊ ۾ رهي ٿي ته جيئن توهان هميشه تازي ڪاپي ڊائون لوڊ ڪري سگهو. جيڪڏهن توهان ايڊٽ ڪرڻ ۽ فارميٽنگ رکڻ چاهيو ٿا، ته .doc يا .txt ڊائون لوڊ فارميٽ استعمال ڪريو.

SRT معياري سب ٽائيٽل فارميٽ آهي — اهو ٽائم اسٽيمپ شامل ڪري ٿو ته جيئن متن جي هر لائين توهان جي وڊيو ۾ صحيح وقت تي ظاهر ٿئي. ان کي YouTube، Vimeo، Premiere يا Final Cut جهڙن وڊيو ايڊيٽر، يا ڪنهن به سب ٽائيٽل کان واقف پليئر لاءِ استعمال ڪريو.

TXT بنا ٽائم اسٽيمپ جي سادو متن آهي — دستاويزن، بلاگ پوسٽن، ٽرانسڪرائب ٿيل انٽرويوز، يا ڪنهن به شيءِ لاءِ بهترين جتي توهان صرف لفظ چاهيو. اسان DOC (فارميٽ ٿيل ورڊ دستاويز) ۽ PDF (پرنٽ لائق) به پيش ڪندا آهيون — تفصيل لاءِ آءُ TXT، DOC، يا PDF طور ڪيئن ڊائون لوڊ ڪريان؟ ڏسو.

اسان پنهنجي بهترين ڪوشش ڪندا آهيون، پر ڳري پس منظر جي موسيقي يا شور درستگي کي گهٽائيندو. هلڪو ماحولي شور (هڪ خاموش ڪيفي، هلندڙ پنکو) عام طور ڪوبه مسئلو پيدا نٿو ڪري. اونچي موسيقي يا مقابلي وارا آواز سڀ کان مشڪل ڪيس آهن.

انٽرويو طرز جي مواد لاءِ جنهن ۾ تعارفي موسيقي هجي، توهان عام طور موسيقي کي بي مطلب طور ٽرانسڪرائب ٿيل يا اڇلايل ڏسندا، پوءِ جڏهن تقرير شروع ٿيندي تڏهن درستگي واپس ايندي. جيڪڏهن توهان پنهنجي آڊيو جو صرف تقرير وارو ورزن رڪارڊ ڪري سگهو ٿا (يا اڳ ۾ Audacity جهڙي اوزار سان موسيقي ڪڍي سگهو ٿا)، ته درستگي قابل ذڪر طور بهتر ٿيندي.