Transkriptimi

Saktësia zakonisht kalon 95% për audio të qartë në gjuhët e mbështetura. Përdorim njohjen e të folurit të nivelit udhëheqës në industri nga OpenAI, të njëjtin model që fuqizon shumë vegla profesionale transkriptimi.

Saktësia në botën reale varet nga tri gjëra: qartësia e audios (zhurma në sfond e dëmton), theksat e folësve (theksat e fortë rajonalë mund të zbresin disa pikë) dhe vetë gjuha (anglishtja dhe spanjishtja priren të kenë rezultatet më të larta). Nëse dëshiron saktësi maksimale, shih Çfarë cilësie audio jep rezultatet më të mira? për gjërat e vogla që bëjnë një ndryshim të madh.

Po — identifikimi i folësve është i disponueshëm në çdo plan, përfshirë Planin Falas. Te forma e ngarkimit, vendos Identifiko Folësit te Po dhe ne do ta etiketojmë automatikisht çdo folës në transkriptim si Folësi 1, Folësi 2 e kështu me radhë.

Funksionon shkëlqyer për takime, intervista, podkaste dhe çdo bisedë me shumë persona. Nuk ka kufi për numrin e folësve që do të zbulojmë. Identifikimi i folësve shton pak kohë përpunimi, kështu që lëre të çaktivizuar për regjistrime solo (leksione, kujtime zanore, përmbajtje me një narrator të vetëm) për të marrë rezultate më të shpejta.

Mbështesim 99 gjuhë për transkriptim, përfshirë anglishten, spanjishten, portugalishten, frëngjishten, gjermanishten, italishten, japonishten, kinezishten, koreanishten, rusishten, arabishten, hindishten dhe shumë të tjera.

Mund ta zgjedhësh gjuhën në mënyrë eksplicite te forma e ngarkimit për saktësi më të mirë, ose lëre te Auto dhe ne do ta zbulojmë për ty. Lista e gjuhëve është e njëjta me grupin e mbështetur nga OpenAI Whisper, dhe vetë ndërfaqja e SoundScript.AI është gjithashtu e disponueshme në të 99 gjuhët — shih Ku ta përditësoj gjuhën e ndërfaqes? për ta ndryshuar tënden.

Zëra të qartë të regjistruar afër një mikrofoni, me sa më pak zhurmë në sfond. Ky është versioni i shkurtër. Ja çfarë ndihmon më shumë:

• Përdor një mikrofon të mirë — edhe një mikrofon USB i nivelit fillestar ose një telefon modern është shumë më i mirë se mikrofoni i integruar i laptopit.
• Regjistro në një dhomë të qetë — mbyll dritaret, fik ventilatorët dhe shmang sipërfaqet e forta që bëjnë jehonë.
• Afrohu mikrofonit — 15-30 centimetra është distanca ideale për të folur natyral.
• Shmang muzikën në sfond kur është e mundur — shih Si i trajton SoundScript.AI muzikën ose zhurmën në sfond? për të kuptuar çfarë të presësh kur muzika është e pashmangshme.

Shumica e skedarëve mbarojnë brenda sekondash deri në disa minuta. Një skedar tipik audio prej 10 minutash zakonisht mbaron në më pak se 30 sekonda.

Skedarët më të mëdhenj se 25MB ndahen automatikisht në copa dhe përpunohen paralelisht, kështu që edhe një regjistrim njëorësh zakonisht është gati në 2-3 minuta. Aktivizimi i identifikimit të folësve shton pak kohë shtesë. Shiriti i progresit përditësohet në kohë reale — nuk ka asgjë për të rifreskuar.

Ne i ndajmë automatikisht skedarët e mëdhenj në copa më të vogla në sfond, i transkriptojmë paralelisht dhe i bashkojmë rezultatet sërish bashkë. Nuk duhet të bësh asgjë — thjesht ngarkoje skedarin tënd si zakonisht.

Madhësia maksimale e ngarkimit është 1GB. Çdo copë përpunohet në mënyrë të pavarur, prandaj një skedar njëorësh mund të jetë gati në vetëm pak minuta. Kufijtë e copave vendosen mbi heshtjet natyrore sa herë që është e mundur, për të shmangur prerjen e fjalëve në mes të një fjalie.

Emrat e përveçëm — emra personash, emra markash, terma teknikë, akronime — janë pjesa më e vështirë e transkriptimit sepse nuk ndjekin modelet normale gjuhësore. Edhe audio shumë e mirë mund të prodhojë emra të shkruar gabim.

Disa gjëra që ndihmojnë:

• Zgjidh gjuhën në mënyrë eksplicite në vend që të përdorësh zbulimin automatik.
• Shqipto emrat e përveçëm qartë kur regjistron, me një pauzë të vogël rreth tyre.
• Redakto transkriptimin më pas — mund ta kopjosh tekstin në çdo redaktues dhe t'i ndreqësh emrat me gjej-dhe-zëvendëso. Aktualisht nuk mbështesim një listë fjalori të personalizuar, por është në planet tona.

Mund ta kopjosh tekstin e transkriptimit nga faqja e rezultatit dhe ta redaktosh në çdo redaktues teksti ose program përpunimi fjalësh — Google Docs, Microsoft Word, Notepad, çfarë të preferosh.

Ende nuk kemi një redaktues brenda aplikacionit, kështu që ndryshimet që bën jashtë SoundScript.AI nuk ruhen sërish në serverët tanë. Transkriptimi origjinal mbetet te paneli yt, kështu që mund të shkarkosh gjithmonë një kopje të freskët. Përdor formatet e shkarkimit .doc ose .txt nëse dëshiron të redaktosh dhe të ruash formatimin.

SRT është formati standard i titrave — përfshin vulat kohore, kështu që çdo rresht teksti shfaqet në momentin e duhur në videon tënde. Përdore për YouTube, Vimeo, redaktues videosh si Premiere ose Final Cut, ose çdo luajtës që mbështet titrat.

TXT është tekst i thjeshtë pa vula kohore — perfekt për dokumente, postime në blog, intervista të transkriptuara ose çdo gjë ku dëshiron vetëm fjalët. Ne ofrojmë gjithashtu DOC (dokument Word i formatuar) dhe PDF (i printueshëm) — shih Si ta shkarkoj si TXT, DOC ose PDF? për më shumë detaje.

Bëjmë më të mirën, por muzika ose zhurma e fortë në sfond do të ulë saktësinë. Zhurma e lehtë e ambientit (një kafene e qetë, një ventilator që punon) zakonisht nuk shkakton problem. Muzika e zhurmshme ose zërat konkurrues janë rastet më të vështira.

Për përmbajtje në stilin e intervistës me muzikë hyrëse, zakonisht do të shohësh që muzika transkriptohet si paqartësi ose anashkalohet, dhe pastaj saktësia kthehet kur fillon e folura. Nëse mund të regjistrosh versionin vetëm me të folur të audios sate (ose t'i heqësh muzikën paraprakisht me një vegël si Audacity), saktësia do të jetë dukshëm më e mirë.