ऑडियो को टेक्स्ट में बदलें
इंटरव्यू, लेक्चर, मीटिंग या वॉइस नोट अपलोड करें और उसका लिखित ट्रांसक्रिप्ट पाएँ। स्पीच रिकग्निशन बोली गई बातों को विराम चिह्नों के साथ लिख देता है। चाहें तो टाइमस्टैम्प और स्पीकर लेबल भी जोड़ सकते हैं। नतीजा डॉक्यूमेंट के रूप में या वीडियो के सबटाइटल के रूप में मिलता है।
ऑडियो से टेक्स्ट
या MP3, WAV, M4A … फ़ाइलें यहाँ ड्रop करें ·
प्रति फ़ाइल अधिकतम 95 MB· अधिकतम 20 फ़ाइलें· 30 मिनट बाद हटा दी जाती हैं
फ़ाइलें हमारे सर्वर पर प्रोसेस होती हैं और 30 मिनट बाद हटा दी जाती हैं।
इससे लंबी सबटाइटल लाइनें तोड़ दी जाती हैं। 42 आम ब्रॉडकास्ट मानक है।
वैकल्पिक। सेकंड (जैसे 75) या मिनट:सेकंड (1:15)। शुरुआत से ट्रांसक्राइब करने के लिए खाली छोड़ें।
वैकल्पिक। शुरुआती समय वाला ही फ़ॉर्मैट। अंत तक ट्रांसक्राइब करने के लिए खाली छोड़ें।
इस टूल का उपयोग कैसे करें
- 1
ऑडियो या वीडियो अपलोड करें
MP3, M4A, WAV, AAC, FLAC, OGG, Opus, AMR या दूसरी ऑडियो फ़ाइलें जोड़ें, या MP4, MOV, MKV, WebM और AVI वीडियो। एक बार में 20 फ़ाइलें, हर फ़ाइल 95 MB तक।
- 2
भाषा और आउटपुट चुनें
बोली गई भाषा शुरू में Auto-detect पर रहती है। आउटपुट चुनें: सादा टेक्स्ट, Word, PDF, SRT या VTT सबटाइटल, या शब्दों के समय वाला JSON।
- 3
ट्रांसक्राइब करें और डाउनलोड करें
ट्रांसक्राइब करें दबाएँ; बटन पर आपका चुना हुआ आउटपुट भी लिखा होता है। ट्रांसक्रिप्ट खोलें, नाम और संख्याएँ जाँच लें, और उसे डाउनलोड करें।
ऑडियो से टेक्स्ट बदलना, जिसे ट्रांसक्रिप्शन भी कहते हैं, रिकॉर्ड की गई आवाज़ को लिखित शब्दों में बदलता है। फ़ाइल अपलोड करें, बोली गई भाषा को Auto-detect पर रखें या भाषा चुनें, आउटपुट चुनें और ट्रांसक्राइब करें दबाएँ।
ऑडियो को टेक्स्ट में बदलें: स्पीच रिकग्निशन कैसे काम करता है
स्पीच रिकग्निशन रिकॉर्डिंग को छोटी-छोटी खिड़कियों में सुनता है, हर खिड़की को उसकी फ़्रीक्वेंसी की तस्वीर में बदलता है, और एक प्रशिक्षित मॉडल तय करता है कि वह आवाज़ सबसे संभावित रूप से किन शब्दों से बनी है। आधुनिक मॉडल बहुत बड़ी मात्रा में ट्रांसक्राइब की गई बोली से सीखते हैं, इसलिए वे अलग-अलग आवाज़ों और लहजों को दस साल पुराने डिक्टेशन सॉफ़्टवेयर से कहीं बेहतर संभालते हैं। विराम चिह्न और कैपिटल अक्षर वाक्य के प्रवाह से अनुमानित होते हैं; सिर्फ़ कच्चे शब्द चाहिए तो विराम चिह्न बंद करें।
भाषा की सेटिंग मायने रखती है। Auto-detect पहले 30 सेकंड सुनता है और फिर पूरी फ़ाइल के लिए एक ही भाषा इस्तेमाल करता है। अगर रिकॉर्डिंग संगीत, जिंगल या खामोशी से शुरू होती है, या बीच में भाषा बदलती है, तो बोली गई भाषा खुद चुनें। सूची में 33 भाषाएँ हैं, अंग्रेज़ी, स्पेनिश और अरबी से लेकर हिंदी, तमिल, जापानी और यूक्रेनी तक।
लोग कई वजहों से इस टूल तक पहुँचते हैं: फ़ोन में इंटरव्यू वाला पत्रकार, रिकॉर्ड किया लेक्चर वाला छात्र, मीटिंग एक्सपोर्ट वाली टीम, या कैप्शन चाहने वाला क्रिएटर। दो सबसे आम फ़ाइल प्रकारों के अपने पेज हैं: रिकॉर्डर और पॉडकास्ट फ़ाइलों के लिए MP3 से टेक्स्ट और iPhone वॉइस मेमो के लिए M4A से टेक्स्ट। वीडियो फ़ाइलें सीधे चलती हैं, इसलिए पहले आवाज़ निकालने की ज़रूरत नहीं।
ट्रांसक्रिप्ट और सबटाइटल फॉर्मेट
| आउटपुट | इसमें क्या होता है | इसमें खोलें |
|---|---|---|
| सादा टेक्स्ट (TXT) | टेक्स्ट के पैराग्राफ़, वैकल्पिक टाइमस्टैम्प और वक्ता के लेबल | कोई भी टेक्स्ट एडिटर, नोट्स ऐप या ईमेल |
| Word (DOCX) | फ़ॉर्मेट किया हुआ ट्रांसक्रिप्ट, एडिट और शेयर करने के लिए तैयार | Word, Google Docs, Pages, LibreOffice |
| रिकॉर्ड के लिए ट्रांसक्रिप्ट की स्थिर कॉपी | कोई भी PDF रीडर या ब्राउज़र | |
| सबटाइटल (SRT) | शुरू और खत्म होने के समय वाले क्रमांकित कैप्शन | YouTube, वीडियो एडिटर, VLC |
| वेब सबटाइटल (VTT) | WebVTT कैप्शन, HTML5 वीडियो में इस्तेमाल होने वाला W3C फ़ॉर्मेट | वेब प्लेयर, YouTube, कोर्स प्लेटफ़ॉर्म |
| JSON (शब्दों का समय) | हर शब्द अपने शुरू और खत्म होने के समय के साथ | स्क्रिप्ट, सर्च इंडेक्स, एडिटिंग टूल |
टाइमस्टैम्प, स्पीकर और ट्रांसक्रिप्ट के दूसरे विकल्प
- टाइमस्टैम्प
- टाइमस्टैम्प TXT, Word और PDF ट्रांसक्रिप्ट के हर पैराग्राफ़ के आगे समय, जैसे [01:15], लगाते हैं ताकि आप रिकॉर्डिंग में वह पल ढूँढ सकें।
- वक्ता के लेबल
- वक्ता के लेबल इंटरव्यू, मीटिंग और पॉडकास्ट में बताते हैं कि कौन बोल रहा है: वक्ता 1, वक्ता 2 और इसी तरह। बाद में लेबल की जगह नाम लिख दें।
- विराम चिह्न और भराव शब्द
- विराम चिह्न डिफ़ॉल्ट रूप से चालू रहते हैं। भराव वाले शब्द हटाएँ um, uh जैसी हिचकिचाहट के शब्द हटा देता है।
- प्रति लाइन अक्षर
- SRT और VTT के लिए प्रति लाइन अक्षर लंबे कैप्शन को तोड़ता है। डिफ़ॉल्ट 42 है, जो ज़्यादातर लैटिन-लिपि भाषाओं के लिए Netflix की सबटाइटल गाइडलाइन की सीमा है; 20 से 80 तक कुछ भी चुन सकते हैं।
- ट्रांसक्राइब करने का हिस्सा
- शुरुआत और अंत काम को एक हिस्से तक सीमित करते हैं, सेकंड (75) या मिनट:सेकंड (1:15) में।
ऑनलाइन ऑडियो से टेक्स्ट कन्वर्टर की सीमाएँ
- प्रति बैच रिकॉर्डिंग
- 20
- प्रति ऑडियो या वीडियो फ़ाइल
- 95 MB
- बोली जाने वाली भाषाएँ और ऑटो-डिटेक्ट
- 33
- फ़ाइलें और ट्रांसक्रिप्ट डिलीट होने तक
- 30 मिनट
ज़्यादा सटीक ट्रांसक्रिप्ट कैसे पाएँ
कई शब्द गलत हैं या छूट गए हैं
ज़्यादातर गलतियाँ पृष्ठभूमि के शोर, माइक्रोफ़ोन से दूरी और एक-दूसरे के ऊपर बोलने से होती हैं। जहाँ हो सके वक्ता के पास रिकॉर्ड करें, और जाँचें कि बोली गई भाषा सही है।
ट्रांसक्रिप्ट गलत भाषा में है
Auto-detect ने पहले 30 सेकंड में संगीत या कोई दूसरी भाषा सुनी। बोली गई भाषा खुद चुनें और दोबारा ट्रांसक्राइब करें।
सबटाइटल स्क्रीन पर पढ़ने के लिए बहुत लंबे हैं
फ़ोन पर देखने वालों के लिए प्रति लाइन अक्षर घटाकर 32–37 करें, ताकि हर कैप्शन छोटी लाइनों में बँटे।
नाम और तकनीकी शब्दों की स्पेलिंग गलत है
दुर्लभ शब्द किसी भी मॉडल के लिए मुश्किल होते हैं। Word या टेक्स्ट आउटपुट में उन्हें एक बार सर्च और रिप्लेस करें; वे आमतौर पर पूरे समय एक ही तरह गलत लिखे जाते हैं।
ऑडियो को टेक्स्ट में बदलने से जुड़े सवाल
क्या बिना साइन-अप के ऑडियो को टेक्स्ट में फ्री बदल सकते हैं?
हाँ। रिकॉर्डिंग अपलोड करें और ट्रांसक्राइब करें दबाएँ; इसमें न अकाउंट चाहिए, न ट्रायल, न क्रेडिट कार्ड। फ़ाइलें प्रोसेसिंग के 30 मिनट बाद अपने आप डिलीट हो जाती हैं, इसलिए ट्रांसक्रिप्ट तैयार होते ही डाउनलोड कर लें।
एक ऑडियो से टेक्स्ट कन्वर्टर दूसरे से बेहतर कैसे होता है?
सही तुलना के लिए देखें कि आपकी अपनी तरह की रिकॉर्डिंग पर सटीकता कैसी है, कितनी भाषाएँ मिलती हैं, कौन-से आउटपुट फ़ॉर्मेट हैं और बाद में आपकी फ़ाइल का क्या होता है। यहाँ 33 भाषाएँ और ऑटो-डिटेक्ट, सबटाइटल सहित छह आउटपुट, वक्ता के लेबल, टाइमस्टैम्प और 30 मिनट बाद अपने आप डिलीट होना मिलता है।
किन भाषाओं में ऑडियो को टेक्स्ट में बदला जा सकता है?
33, जिन्हें बोली गई भाषा में चुना जाता है: इनमें अंग्रेज़ी, स्पेनिश, फ़्रेंच, जर्मन, पुर्तगाली, इतालवी, रूसी, अरबी, तुर्की, हिंदी, बांग्ला, तमिल, तेलुगु, मराठी, गुजराती, उर्दू, जापानी, कोरियाई, चीनी, इंडोनेशियाई, वियतनामी, थाई, पोलिश, यूक्रेनी, डच, स्वीडिश, ग्रीक और हिब्रू शामिल हैं। Auto-detect शुरुआती 30 सेकंड सुनकर हर फ़ाइल के लिए एक भाषा चुनता है।
क्या वीडियो के ऑडियो से उसके सबटाइटल बना सकते हैं?
हाँ। वीडियो ही अपलोड करें, आउटपुट में SRT या VTT चुनें, और आपको समय वाली सबटाइटल फ़ाइल मिलेगी जिसे YouTube, वीडियो एडिटर या HTML5 प्लेयर में लोड कर सकते हैं। सबटाइटल का फ़ॉर्मेट बाद में बदलना हो तो सबटाइटल कन्वर्टर इस्तेमाल करें।
3 घंटे की रिकॉर्डिंग को टेक्स्ट में कैसे बदलें?
फ़ाइल की सीमा 95 MB है, जो 128 kbps MP3 के लगभग 1 घंटा 40 मिनट के बराबर है। काम को शुरुआत और अंत से बाँटें, या पहले फ़ाइल छोटी करें: ऑडियो कंप्रेस करें से 64 kbps मोनो में बदली गई स्पीच सीमा में लगभग 3.5 घंटे आ जाती है।
क्या ट्रांसक्रिप्ट का अंग्रेज़ी में अनुवाद हो सकता है?
नहीं, ट्रांसक्रिप्ट उसी भाषा में लिखा जाता है जिसमें बोला गया है। पहले ट्रांसक्राइब करें, फिर टेक्स्ट को किसी अनुवाद सेवा में डालें; साफ़ ट्रांसक्रिप्ट का अनुवाद सीधे ऑडियो से अनुवाद करने से बेहतर होता है, और उद्धरण जाँचने के लिए मूल शब्द भी आपके पास रहते हैं।
क्या MP3 से टेक्स्ट कन्वर्टर और वीडियो ट्रांसक्राइबर अलग हैं?
सिर्फ़ इसमें कि आप क्या अपलोड करते हैं। वही स्पीच रिकग्निशन MP4 या MOV के साउंडट्रैक पर भी चलता है और MP3 या M4A पर भी। MP3 से टेक्स्ट और M4A से टेक्स्ट इन्हीं फ़ाइल प्रकारों के लिए इस टूल के प्रीसेट हैं।
क्या ट्रांसक्रिप्ट में "अं" और "उम्म" जैसे शब्द भी आएँगे?
डिफ़ॉल्ट रूप से रहते हैं, क्योंकि कभी-कभी हूबहू रिकॉर्ड चाहिए होता है, जैसे रिसर्च इंटरव्यू में। पढ़ने, उद्धृत करने या प्रकाशित करने के लिए साफ़ ट्रांसक्रिप्ट चाहिए तो भराव वाले शब्द हटाएँ चालू करें।
सभी ऑडियो से टेक्स्ट टूल
वही सटीक लक्ष्य चुनें जो आपसे माँगा गया है। नीचे दिया हर पेज वही टूल है, बस डिफ़ॉल्ट सेटिंग अलग हैं।
- M4A को टेक्स्ट में बदलेंiPhone वॉइस मेमो और दूसरी M4A रिकॉर्डिंग को टाइमस्टैम्प और स्पीकर लेबल के साथ टेक्स्ट में बदलें। 33 भाषाएँ, TXT, Word, PDF या सबटाइटल, बिना अकाउंट।
- MP3 को टेक्स्ट में बदलेंMP3 ऑडियो को 33 भाषाओं में टेक्स्ट में बदलें। सादा टेक्स्ट, Word, PDF या SRT और VTT सबटाइटल डाउनलोड करें, टाइमस्टैम्प और स्पीकर लेबल के साथ।