UltKit

تبدیل MP3 به متن

فایل MP3 یک کلاس، مصاحبه، جلسه یا پادکست را بارگذاری کنید و گفته‌ها را به‌صورت متنی تحویل بگیرید که می‌توانید در آن جست‌وجو کنید، ویرایشش کنید و از آن نقل‌قول بیاورید. برای یادداشت متن ساده، برای ویرایش ورد، و اگر متن باید با ویدیو هماهنگ باشد SRT یا VTT را انتخاب کنید.

تبدیل صدا به متن

یا فایل‌های MP3, WAV, M4A … را اینجا رها کنید ·

حداکثر 95 MB برای هر فایل· تا 20 فایل· حذف پس از 30 دقیقه

پیاده‌سازی متن

فایل‌ها روی سرورهای ما پردازش می‌شوند و پس از 30 دقیقه حذف می‌شوند.

نحوه استفاده از این ابزار

  1. 1

    فایل MP3 را بارگذاری کنید

    یک یا چند فایل MP3 را رها کنید؛ حداکثر ۲۰ فایل در هر نوبت و هر کدام تا 95 MB. فایل‌های صوتی و تصویری دیگر مانند M4A، WAV و MP4 هم پذیرفته می‌شوند.

  2. 2

    زبان و نوع خروجی را تعیین کنید

    زبان گفتار روی تشخیص خودکار است که ۳۰ ثانیهٔ اول را گوش می‌دهد. اگر ضبط با موسیقی شروع می‌شود، زبان را خودتان انتخاب کنید. خروجی ابتدا روی متن ساده است؛ در صورت نیاز آن را به Word، PDF، SRT یا VTT تغییر دهید.

  3. 3

    تبدیل به متن و دانلود

    روی تبدیل گفتار به متن بزنید و متن را دانلود کنید. اگر می‌خواهید بخش‌ها را راحت‌تر پیدا کنید یا صداها را از هم تشخیص دهید، ابتدا در تنظیمات پیشرفته گزینهٔ مهر زمانی یا برچسب گوینده را روشن کنید.

تبدیل MP3 به متن، دقایقی گوش دادن را به چند ثانیه خواندن تبدیل می‌کند: یک کلمه را جست‌وجو کنید، نقل قول کپی کنید یا متن را به کسی بدهید که نمی‌تواند صدا پخش کند.

چرا MP3 را به متن تبدیل کنیم

MP3 فرمتی است که بیشتر ضبط‌کننده‌های صدا، برنامه‌های ضبط موبایل و ابزارهای پادکست خروجی می‌دهند، پس معمولاً همان فایلی است که از قبل دارید. دانشجویان جلسات ضبط‌شده را برای مطالعه به یادداشت تبدیل می‌کنند، خبرنگاران نقل قول دقیق مصاحبه‌ها را برمی‌دارند، پژوهشگران گروه‌های متمرکز را کدگذاری می‌کنند و پادکسترها متن قسمت‌ها را منتشر می‌کنند تا موتورهای جست‌وجو آن را پیدا کنند و ناشنوایان و کم‌شنوایان بتوانند بخوانند.

خروجی تعیین می‌کند بعد از آن چه کاری می‌توانید بکنید. متن ساده (TXT) همه‌جا قابل چسباندن است. Word (DOCX) برای ویرایش و افزودن نظر آماده است. PDF برای متنی مناسب است که نباید تغییر کند. SRT و VTT فایل‌های زیرنویس با زمان‌بندی هستند و JSON هر کلمه را با زمانش برای توسعه‌دهندگان فهرست می‌کند.

اگر ضبط داخل یک ویدیو است، می‌توانید خود ویدیو را بارگذاری کنید؛ صدای آن به متن تبدیل می‌شود. یا اگر ویدیو برای بارگذاری زیادی بزرگ است، ابتدا صدا را با تبدیل MP4 به MP3 جدا کنید.

فایل در هر نوبت
20
برای هر فایل
95 MB
زبان به‌علاوهٔ تشخیص خودکار
33
تا حذف فایل‌های بارگذاری‌شده
30 دقیقه

چه عواملی بر دقت تبدیل MP3 به متن اثر دارند

هم‌پوشانی گوینده‌ها
دو صدا در یک زمان سخت‌ترین حالت است. در پنل‌ها و ضبط‌های سر میز شام، جایی که افراد حرف هم را قطع می‌کنند، بیشترین کلمات از دست می‌رود.
صدای پس‌زمینه
موسیقی، ترافیک و صدای کولر با گفتار رقابت می‌کنند. اتاق ساکت از میکروفون گران مهم‌تر است.
ضبط موبایل و تماس تلفنی
خطوط تلفن سنتی فقط یک باند باریک از فرکانس‌ها را منتقل می‌کنند و صامت‌ها محو می‌شوند. در ضبط تماس‌ها انتظار اصلاحات بیشتری داشته باشید.
زبان اشتباه
تشخیص خودکار ممکن است دربارهٔ فایلی که با موسیقی شروع می‌شود یا زبانش عوض می‌شود اشتباه کند. انتخاب دستی زبان گفتار آن را درست می‌کند.

تبدیل MP3 به زیرنویس SRT با زمان‌بندی

دو زیرنویس از یک فایل SRT
1
00:00:01,200 --> 00:00:04,050
به برنامه خوش برگشتید.

2
00:00:04,300 --> 00:00:07,900
امروز دربارهٔ ضبط خانگی صحبت می‌کنیم.

SRT از SubRip، ابزار زیرنویس ویندوز، آمده و پرکاربردترین فرمت زیرنویس است: یک شماره، زمان شروع و پایان با ویرگول پیش از میلی‌ثانیه، و متن زیرنویس. VTT یا WebVTT نسخهٔ W3C برای پخش‌کننده‌های ویدیوی وب است و به‌جای ویرگول از نقطه استفاده می‌کند. هر دو متن ساده‌اند، پس هر کلمهٔ اشتباه شنیده‌شده را در هر ویرایشگری می‌توانید اصلاح کنید.

خطوط زیرنویس به‌طور پیش‌فرض در 42 نویسه شکسته می‌شوند؛ حدی که راهنماهای حرفه‌ای زیرنویس مانند Netflix برای بیشتر زبان‌های با خط لاتین به کار می‌برند. اگر نشانگر زمان را در یک سند می‌خواهید نه فایل زیرنویس، TXT، Word یا PDF را نگه دارید و مهر زمانی را روشن کنید تا نشانگری مانند [01:15] پیش از هر پاراگراف بیاید. زیرنویس دارید و متن ساده می‌خواهید؟ تبدیل SRT به TXT شماره‌ها و زمان‌ها را حذف می‌کند.

پرسش‌های رایج دربارهٔ تبدیل MP3 به متن

دقت تبدیل MP3 به متن چقدر است؟

دقت بیشتر به کیفیت ضبط بستگی دارد تا فرمت فایل. یک صدای واضح نزدیک میکروفون بسیار خوب تبدیل می‌شود؛ تماس تلفنی، کافهٔ شلوغ یا چند نفری که همزمان حرف می‌زنند خطای بیشتری دارد. پیش از نقل قول از متن، حتماً یک بار آن را بخوانید.

آیا می‌توانم فقط بخشی از یک فایل MP3 طولانی را به متن تبدیل کنم؟

بله. در تنظیمات پیشرفته مقدار شروع از و پایان در را به ثانیه یا دقیقه:ثانیه وارد کنید، مثلاً 12:30 تا 18:00. فقط همان بخش به متن تبدیل می‌شود و وقتی از یک مصاحبهٔ طولانی فقط یک پاسخ لازم دارید، سریع‌تر است.

برای زیرنویس یوتیوب کدام خروجی را انتخاب کنم؟

SRT یا VTT. هر دو برای هر خط زمان شروع و پایان دارند و YouTube Studio هنگام بارگذاری فایل زیرنویس هر دو را می‌پذیرد. تعداد نویسه در هر خط را روی 42 نگه دارید تا هر زیرنویس در دو خط کوتاه روی صفحه جا شود.

خروجی JSON شامل چه اطلاعاتی است؟

هر کلمه همراه با زمان شروع و پایانش. توسعه‌دهندگان از آن برای ساخت متن‌های تعاملی، جست‌وجو درون صدا یا برش دقیق کلیپ‌ها استفاده می‌کنند. برای خواندن، TXT یا Word راحت‌تر است.

حجم فایل MP3 من بیشتر از 95 MB است. چه کار کنم؟

گفتار به نرخ بیت بالا نیاز ندارد. فایل را با کاهش حجم فایل صوتی روی 64 kbps تک‌کاناله دوباره کدگذاری کنید؛ حجم یک ضبط طولانی چند برابر کم می‌شود، بدون آسیب به تبدیل به متن. سپس فایل کوچک‌تر را بارگذاری کنید.

آیا می‌تواند تشخیص دهد چه کسی صحبت می‌کند؟

وقتی برچسب گوینده روشن باشد، متن تغییر صدا را با گوینده ۱، گوینده ۲ و غیره مشخص می‌کند. نام افراد را نمی‌داند؛ بعداً در Word برچسب‌ها را با نام واقعی جایگزین کنید.