Klank na teks
Laai 'n onderhoud, 'n lesing, 'n vergadering of 'n stemboodskap op en kry 'n geskrewe transkripsie terug. Spraakherkenning skryf uit wat gesê is, met leestekens, opsionele tydstempels en sprekeretikette, as 'n dokument of as onderskrifte vir video.
Oudio na teks
of los MP3, WAV, M4A …-lêers hier ·
Maks. 95 MB per lêer· Tot 20 lêers· Uitgevee na 30 minute
Lêers word op ons bedieners verwerk en na 30 minute uitgevee.
Onderskriflyne langer as dit word gesplit. 42 is die algemene uitsaaistandaard.
Opsioneel. Sekondes (bv. 75) of minute:sekondes (1:15). Los leeg om van die begin af te transkribeer.
Opsioneel. Dieselfde formaat as die begintyd. Los leeg om tot aan die einde te transkribeer.
Hoe om hierdie nutsding te gebruik
- 1
Laai klank of video op
Voeg MP3-, M4A-, WAV-, AAC-, FLAC-, OGG-, Opus-, AMR- of ander klanklêers by, of MP4-, MOV-, MKV-, WebM- en AVI-video's. Tot 20 lêers, elk 95 MB.
- 2
Kies taal en uitvoer
Gesproke taal begin op Outomaties bespeur. Kies Uitvoer: gewone teks, Word, PDF, SRT- of VTT-onderskrifte, of JSON met woordtydsberekening.
- 3
Transkribeer en laai af
Druk Transkribeer; die knoppie noem ook die uitvoer wat jy gekies het. Maak die transkripsie oop, proeflees name en syfers, en laai dit af.
Klank-na-teks-omskakeling, ook transkripsie genoem, verander opgetekende spraak in geskrewe woorde. Laai die lêer op, los Gesproke taal op Outomaties bespeur of kies die taal, kies 'n uitvoer, en druk Transkribeer.
Klank na teks transkribeer: hoe spraakherkenning werk
Spraakherkenning luister in kort vensters na die opname, verander elkeen in 'n beeld van sy frekwensies, en laat 'n opgeleide model besluit watter woorde daardie klank heel waarskynlik voortgebring het. Moderne modelle leer uit baie groot hoeveelhede getranskribeerde spraak, so hulle hanteer verskillende stemme en aksente baie beter as die dikteersagteware van 'n dekade gelede. Leestekens en hoofletters word uit die vloei van die sin voorspel; skakel Leestekens af as jy net die rou woorde wil hê.
Die taalinstelling maak saak. Outomatiese bespeuring luister na die eerste 30 sekondes en gebruik dan een taal vir die hele lêer. As die opname met musiek, 'n jingle of stilte begin, of tussen tale wissel, kies self die Gesproke taal. Die lys dek 33 tale, van Engels, Spaans en Arabies tot Hindi, Tamil, Japannees en Oekraïens.
Mense kom van baie kante by hierdie hulpmiddel uit: 'n joernalis met 'n onderhoud op 'n foon, 'n student met 'n opgeneemde lesing, 'n span met 'n vergaderinguitvoer, 'n skepper wat onderskrifte nodig het. Die twee algemeenste lêertipes het hul eie bladsye, MP3 na teks vir opnemer- en potgooilêers en M4A na teks vir iPhone-stemmemo's. Videolêers werk direk, so jy hoef nie eers die klank uit te haal nie.
Transkripsie- en onderskrifformate
| Uitvoer | Wat dit bevat | Maak oop in |
|---|---|---|
| Gewone teks (TXT) | Paragrawe teks, opsionele tydstempels en sprekeretikette | Enige teksredigeerder, notaprogram of e-pos |
| Word (DOCX) | Geformateerde transkripsie gereed om te wysig en te deel | Word, Google Docs, Pages, LibreOffice |
| 'n Vaste kopie van die transkripsie vir rekords | Enige PDF-leser of blaaier | |
| Onderskrifte (SRT) | Genommerde onderskrifte met begin- en eindtye | YouTube, videoredigeerders, VLC |
| Webonderskrifte (VTT) | WebVTT-onderskrifte, die W3C-formaat wat HTML5-video gebruik | Webspelers, YouTube, kursusplatforms |
| JSON (woordtydsberekening) | Elke woord met sy begin- en eindtyd | Skrips, soekindekse, redigeergereedskap |
Tydstempels, sprekers en ander transkripsie-opsies
- Tydstempels
- Tydstempels plaas die tyd, soos [01:15], voor elke paragraaf van TXT-, Word- en PDF-transkripsies sodat jy die oomblik in die opname kan vind.
- Sprekeretikette
- Sprekeretikette merk wie praat as Spreker 1, Spreker 2 ensovoorts, vir onderhoude, vergaderings en potgooie. Vervang die etikette daarna met name.
- Leestekens en stopwoorde
- Leestekens is by verstek aan. Verwyder stopwoorde laat ê, eh en soortgelyke aarselinge weg.
- Karakters per reël
- Vir SRT en VTT verdeel Karakters per reël lang onderskrifte, by verstek 42, die limiet wat Netflix se onderskrifriglyne vir die meeste Latynse-skrif-tale gebruik; enigiets van 20 tot 80 word toegelaat.
- Deel om te transkribeer
- Begin by en Eindig by beperk die werk tot een gedeelte, in sekondes (75) of minute:sekondes (1:15).
Beperkings van die aanlyn klank-na-teks-omskakelaar
- Opnames per bondel
- 20
- Per klank- of videolêer
- 95 MB
- Gesproke tale plus outomatiese bespeuring
- 33
- Totdat lêers en transkripsies uitgevee word
- 30 min
'n Akkurater transkripsie kry
Baie woorde is verkeerd of ontbreek
Agtergrondgeraas, afstand van die mikrofoon en mense wat oor mekaar praat veroorsaak die meeste foute. Neem nader aan die spreker op waar jy kan, en kyk dat Gesproke taal reg is.
Die transkripsie is in die verkeerde taal
Outomatiese bespeuring het musiek of 'n ander taal in die eerste 30 sekondes gehoor. Kies self die Gesproke taal en transkribeer weer.
Onderskrifte is te lank om op die skerm te lees
Verlaag Karakters per reël na 32–37 vir foonkykers, sodat elke onderskrif in korter reëls verdeel.
Name en tegniese terme is verkeerd gespel
Seldsame woorde is vir enige model moeilik. Soek en vervang hulle een keer in die Word- of teksuitvoer; hulle is gewoonlik deurgaans op dieselfde manier verkeerd gespel.
Vrae oor klank na teks
Kan ek klank gratis na teks transkribeer sonder registrasie?
Ja. Laai die opname op en druk Transkribeer; daar is geen rekening, proefperiode of kredietkaart betrokke nie. Lêers word 30 minute ná verwerking outomaties uitgevee, so laai die transkripsie af sodra dit gereed is.
Wat maak een klank-na-teks-omskakelaar beter as 'n ander?
Vir 'n regverdige vergelyking, kyk na akkuraatheid op jou eie soort opnames, die tale wat aangebied word, die uitvoerformate en wat daarna met jou lêer gebeur. Hier kry jy 33 tale plus outomatiese bespeuring, ses uitvoere insluitend onderskrifte, sprekeretikette en tydstempels, en outomatiese uitvee ná 30 minute.
Watter tale kan getranskribeer word?
33, gekies onder Gesproke taal: onder meer Engels, Spaans, Frans, Duits, Portugees, Italiaans, Russies, Arabies, Turks, Hindi, Bengali, Tamil, Telugu, Marathi, Gujarati, Oerdoe, Japannees, Koreaans, Chinees, Indonesies, Viëtnamees, Thai, Pools, Oekraïens, Nederlands, Sweeds, Grieks en Hebreeus. Outomatiese bespeuring kies een taal per lêer uit die eerste 30 sekondes.
Kan ek onderskrifte vir 'n video uit die klank maak?
Ja. Laai die video self op, kies SRT of VTT onder Uitvoer, en jy kry 'n getimede onderskriflêer om in YouTube, 'n videoredigeerder of 'n HTML5-speler te laai. Gebruik die onderskrif-omskakelaar om die onderskrifformaat later te verander.
Hoe transkribeer ek 'n opname van 3 uur?
Lêers is beperk tot 95 MB, ongeveer 1 uur 40 minute se 128 kbps MP3. Verdeel die werk met Begin by en Eindig by, of maak die lêer eers kleiner: spraak wat met klank saampers na 64 kbps mono omgeskakel is, pas sowat 3,5 uur onder die limiet in.
Kan die transkripsie in Engels vertaal word?
Nee, die transkripsie word geskryf in die taal wat gepraat word. Transkribeer eers, plak dan die teks in 'n vertaaldiens; 'n skoon transkripsie vertaal beter as direk vanaf klank, en jy hou die oorspronklike bewoording om aanhalings na te gaan.
Verskil 'n MP3-na-teks-omskakelaar van 'n videotranskribeerder?
Slegs in wat jy oplaai. Dieselfde spraakherkenning werk op die klanksnit van 'n MP4 of MOV en op 'n MP3 of M4A. MP3 na teks en M4A na teks is voorinstellings van hierdie hulpmiddel vir daardie lêertipes.
Sal "um" en "uh" in die transkripsie verskyn?
Dit doen by verstek, want 'n woordelikse rekord is soms nodig, byvoorbeeld in navorsingsonderhoude. Skakel Verwyder stopwoorde aan vir 'n skoner transkripsie om te lees, aan te haal of te publiseer.
Alle Klank na teks-nutsmiddels
Kies die presiese teiken wat van jou gevra is. Elke bladsy hieronder is dieselfde nutsding met ander verstellings.
- M4A na teks-omskakelaarSkakel iPhone-stemmemo's en ander M4A-opnames om na teks met tydmerke en sprekeretikette. 33 tale, TXT, Word, PDF of onderskrifte, sonder rekening.
- MP3 na teks-omskakelaarTranskribeer 'n MP3 na teks in 33 tale. Laai teks, Word, PDF of SRT- en VTT-onderskrifte af, met tydstempels en sprekerbenamings indien verlang.