Prepis

Presnosť zvyčajne presahuje 95 % pre čistý zvuk v podporovaných jazykoch. Pod kapotou používame špičkové rozpoznávanie reči od OpenAI, rovnaký model, ktorý poháňa mnoho profesionálnych prepisovacích nástrojov.

Skutočná presnosť závisí od troch vecí: čistoty zvuku (hluk v pozadí škodí), prízvuku rečníkov (silné regionálne prízvuky môžu znížiť presnosť o pár bodov) a samotného jazyka (angličtina a španielčina majú zvyčajne najvyššie skóre). Ak chceš maximálnu presnosť, pozri si Aká kvalita zvuku dáva najlepšie výsledky? pre maličkosti, ktoré robia veľký rozdiel.

Áno — identifikácia rečníkov je dostupná v každom pláne vrátane plánu Free. V nahrávacom formulári nastav Identifikovať rečníkov na Áno a každého rečníka v tvojom prepise automaticky označíme ako Speaker 1, Speaker 2 a tak ďalej.

Skvele funguje pre porady, rozhovory, podcasty a akúkoľvek viacosobovú konverzáciu. Počet rečníkov, ktorých dokážeme rozpoznať, nie je obmedzený. Identifikácia rečníkov pridáva trochu času spracovania, takže ju pri sólo nahrávkach (prednášky, hlasové poznámky, obsah s jedným rozprávačom) radšej vypni pre rýchlejšie výsledky.

Podporujeme 99 jazykov na prepis vrátane angličtiny, španielčiny, portugalčiny, francúzštiny, nemčiny, taliančiny, japončiny, čínštiny, kórejčiny, ruštiny, arabčiny, hindčiny a mnohých ďalších.

Pre najlepšiu presnosť môžeš v nahrávacom formulári vybrať jazyk explicitne alebo ho nechaj na Automaticky a my ho za teba zistíme. Zoznam jazykov je rovnaký ako podporovaná sada OpenAI Whisper a samotné rozhranie SoundScript.AI je tiež dostupné vo všetkých 99 jazykoch — pozri Kde si zmením jazyk rozhrania?, ako si svoj zmeniť.

Čisté hlasy nahrané blízko mikrofónu s minimom hluku v pozadí. To je krátka verzia. Tu je, čo pomáha najviac:

• Použi slušný mikrofón — aj základný USB mikrofón alebo moderný telefón je oveľa lepší než zabudovaný mikrofón notebooku.
• Nahrávaj v tichej miestnosti — zatvor okná, vypni ventilátory a vyhni sa tvrdým povrchom, ktoré odrážajú zvuk.
• Buď blízko mikrofónu — 15 – 30 cm je ideálna vzdialenosť pre prirodzenú reč.
• Ak je to možné, vyhni sa hudbe v pozadí — pozri Ako SoundScript.AI spracováva hudbu alebo hluk v pozadí?, čo môžeš očakávať, keď je hudba nevyhnutná.

Väčšina súborov je hotová za niekoľko sekúnd až pár minút. Typický 10-minútový audio súbor sa zvyčajne dokončí za menej než 30 sekúnd.

Súbory väčšie ako 25MB sa automaticky rozdelia na časti a spracujú paralelne, takže aj hodinová nahrávka je zvyčajne hotová za 2 – 3 minúty. Zapnutie identifikácie rečníkov pridáva trochu času navyše. Ukazovateľ priebehu sa aktualizuje v reálnom čase — nie je čo obnovovať.

Veľké súbory v pozadí automaticky rozdelíme na menšie časti, prepíšeme ich paralelne a výsledky znova spojíme. Nemusíš robiť nič — stačí nahrať súbor ako bežne.

Maximálna veľkosť nahrávania je 1GB. Každá časť sa spracováva nezávisle, preto môže byť hodinový súbor hotový za pár minút. Hranice častí sú podľa možnosti umiestnené na prirodzených tichách, aby sa nepretínali slová uprostred vety.

Vlastné mená — mená osôb, značky, technické termíny, skratky — sú najťažšou časťou prepisu, pretože nedodržiavajú bežné jazykové vzory. Aj skvelý zvuk môže vyprodukovať nesprávne napísané mená.

Zopár vecí, ktoré pomáhajú:

• Vyber jazyk explicitne namiesto automatickej detekcie.
• Pri nahrávaní vyslovuj vlastné mená jasne s malou pauzou okolo nich.
• Uprav prepis dodatočne — text môžeš skopírovať do akéhokoľvek editora a mená opraviť pomocou funkcie nájsť a nahradiť. Vlastný slovník zatiaľ nepodporujeme, ale máme to na zozname.

Text prepisu môžeš skopírovať zo stránky s výsledkom a upraviť ho v akomkoľvek textovom editore alebo procesore — Google Docs, Microsoft Word, Poznámkový blok, čo ti vyhovuje.

V aplikácii zatiaľ nemáme editor, takže zmeny, ktoré urobíš mimo SoundScript.AI, sa do našich serverov neuložia. Pôvodný prepis zostáva v tvojom dashboarde, takže si vždy môžeš stiahnuť čerstvú kópiu. Ak chceš upravovať a zachovať si formátovanie, použi formát stiahnutia .doc alebo .txt.

SRT je štandardný formát titulkov — obsahuje časové značky, takže každý riadok textu sa objaví v správnom momente videa. Použi ho pre YouTube, Vimeo, video editory ako Premiere alebo Final Cut, alebo akýkoľvek prehrávač s podporou titulkov.

TXT je čistý text bez časových značiek — ideálny pre dokumenty, blogové príspevky, prepísané rozhovory alebo všetko, kde chceš len slová. Ponúkame aj DOC (formátovaný Word dokument) a PDF (na tlač) — detaily nájdeš v Ako stiahnem prepis ako TXT, DOC alebo PDF?.

Robíme, čo môžeme, ale silná hudba alebo hluk v pozadí presnosť zhorší. Mierny okolitý hluk (tichá kaviareň, bežiaci ventilátor) zvyčajne nespôsobuje problém. Hlasná hudba alebo prekrývajúce sa hlasy sú najťažšie prípady.

Pri obsahu typu rozhovor s úvodnou hudbou zvyčajne uvidíš hudbu prepísanú ako nezmysel alebo preskočenú a potom sa presnosť vráti, keď začne reč. Ak dokážeš nahrať verziu zvuku iba s rečou (alebo vopred odstrániť hudbu nástrojom ako Audacity), presnosť bude výrazne lepšia.