Transcription

Ang katumpakan ay karaniwang lumalampas sa 95% para sa malinaw na audio sa mga suportadong wika. Gumagamit kami ng nangungunang speech recognition ng OpenAI sa industriya, ang parehong modelo na nagpapatakbo ng maraming propesyonal na transcription tool.

Ang totoong katumpakan ay nakadepende sa tatlong bagay: kalinawan ng audio (nakakasama ang background noise), mga accent ng nagsasalita (maaaring bumaba ng ilang puntos ang mga mabigat na regional accent), at ang wika mismo (ang English at Spanish ay karaniwang may pinakamataas na puntos). Kung gusto mo ng maximum na katumpakan, tingnan ang Anong audio quality ang nagbibigay ng pinakamahusay na resulta? para sa maliliit na bagay na may malaking pagkakaiba.

Oo — magagamit ang speaker identification sa bawat plano, kasama ang Free plan. Sa upload form, itakda ang Identify Speakers sa Yes at awtomatikong lalagyan namin ng label ang bawat nagsasalita sa iyong transcription bilang Speaker 1, Speaker 2, at iba pa.

Mahusay itong gumagana para sa mga miting, panayam, podcast, at anumang multi-person na pag-uusap. Walang limitasyon sa bilang ng mga nagsasalita na ide-detect namin. Ang speaker identification ay nagdaragdag ng kaunting oras ng pagproseso, kaya iwanan itong naka-off para sa mga solo recording (lecture, voice memo, single-narrator content) para makakuha ng mas mabilis na resulta.

Sinusuportahan namin ang 99 wika para sa transcription, kabilang ang English, Spanish, Portuguese, French, German, Italian, Japanese, Chinese, Korean, Russian, Arabic, Hindi, at marami pang iba.

Maaari mong tahasang piliin ang wika sa upload form para sa pinakamahusay na katumpakan, o iwan ito sa Auto at kami ang magde-detect para sa iyo. Ang listahan ng wika ay kapareho ng suportadong set ng OpenAI Whisper, at ang interface ng SoundScript.AI mismo ay available din sa lahat ng 99 wika — tingnan ang Saan ko ia-update ang aking interface language? para baguhin ang iyo.

Malinaw na boses na nai-record malapit sa mikropono, na may kaunting background noise. Iyon ang maikling sagot. Heto ang pinakanakakatulong:

• Gumamit ng disenteng mikropono — kahit ang entry-level USB mic o modernong telepono ay mas mahusay kaysa sa built-in mic ng laptop.
• Mag-record sa tahimik na silid — isara ang mga bintana, patayin ang mga fan, at iwasan ang matitigas na surface na nag-eecho.
• Lumapit sa mic — 6-12 pulgada ang sweet spot para sa natural na pananalita.
• Iwasan ang background music kapag maaari — tingnan ang Paano hina-handle ng SoundScript.AI ang background music o noise? para sa kung ano ang aasahan kapag hindi maiiwasan ang musika.

Karamihan sa mga file ay tapos sa loob ng ilang segundo hanggang ilang minuto. Ang karaniwang 10-minutong audio file ay karaniwang natatapos sa wala pang 30 segundo.

Ang mga file na mas malaki sa 25MB ay awtomatikong hinahati sa mga chunk at pinoproseso nang parallel, kaya kahit ang oras na recording ay karaniwang handa na sa loob ng 2-3 minuto. Ang pag-enable ng speaker identification ay nagdaragdag ng kaunting karagdagang oras. Ang progress bar ay nag-a-update sa real time — walang kailangang i-refresh.

Awtomatikong hinahati namin ang malalaking file sa mas maliliit na chunk sa likod ng eksena, tina-transcribe ang mga ito nang parallel, at pinagdudugtong ang mga resulta. Hindi mo kailangang gumawa ng anuman — i-upload lang ang iyong file gaya ng dati.

Ang maximum upload size ay 1GB. Ang bawat chunk ay pinoproseso nang nakapag-iisa, na siyang dahilan kung bakit ang oras na file ay maaaring maging handa sa loob lamang ng ilang minuto. Ang mga hangganan ng chunk ay inilalagay sa mga natural na katahimikan kapag posible para maiwasan ang pagputol ng mga salita sa kalagitnaan ng pangungusap.

Ang mga proper noun — pangalan, brand name, teknikal na termino, acronym — ay ang pinakamahirap na bahagi ng transcription dahil hindi sila sumusunod sa normal na language pattern. Kahit ang mahusay na audio ay maaaring gumawa ng maling baybay ng pangalan.

Ilang bagay na nakakatulong:

• Piliin ang wika nang tahasan sa halip na gumamit ng auto-detect.
• Sabihin ang mga proper noun nang malinaw kapag nagre-record, na may maliit na pause sa paligid nito.
• I-edit ang transcription pagkatapos — maaari mong kopyahin ang teksto sa anumang editor at ayusin ang mga pangalan gamit ang find-and-replace. Hindi pa namin sinusuportahan ang custom vocabulary list, ngunit nasa radar namin ito.

Maaari mong kopyahin ang teksto ng transcription mula sa result page at i-edit ito sa anumang text editor o word processor — Google Docs, Microsoft Word, Notepad, anumang gusto mo.

Wala pa kaming in-app editor, kaya ang mga pagbabagong ginawa mo sa labas ng SoundScript.AI ay hindi sini-save pabalik sa aming mga server. Ang orihinal na transcription ay nananatili sa iyong dashboard kaya maaari kang laging mag-download ng sariwang kopya. Gamitin ang .doc o .txt na download format kung gusto mong i-edit at panatilihin ang formatting.

Ang SRT ay ang standard subtitle format — kasama dito ang mga timestamp para lumitaw ang bawat linya ng teksto sa tamang sandali sa iyong video. Gamitin ito para sa YouTube, Vimeo, mga video editor tulad ng Premiere o Final Cut, o anumang subtitle-aware player.

Ang TXT ay plain text na walang mga timestamp — perpekto para sa mga dokumento, blog post, na-transcribe na panayam, o anumang gusto mo ang mga salita lamang. Inaalok din namin ang DOC (formatted Word document) at PDF (printable) — tingnan ang Paano ako magda-download bilang TXT, DOC, o PDF? para sa mga detalye.

Ginagawa namin ang aming makakaya, ngunit ang malakas na background music o noise ay magpapababa ng katumpakan. Ang magaang ambient noise (tahimik na café, umiikot na fan) ay karaniwang walang problema. Ang malakas na musika o nagkukumpitensyang boses ang pinakamahirap na kaso.

Para sa interview-style content na may intro music, karaniwang makikita mong ang musika ay na-transcribe bilang kalokohan o nilaktawan, pagkatapos ay babalik ang katumpakan kapag nagsimula ang pananalita. Kung maaari mong i-record ang speech-only na bersyon ng iyong audio (o tanggalin ang musika gamit ang tool tulad ng Audacity bago i-upload), ang katumpakan ay magiging kapansin-pansing mas mahusay.