Zamiana mowy na tekst
Prześlij wywiad, wykład, nagranie ze spotkania lub notatkę głosową i otrzymaj gotową transkrypcję. Rozpoznawanie mowy zapisuje wypowiedzi wraz z interpunkcją, opcjonalnymi znacznikami czasu i oznaczeniami mówców, jako dokument lub jako napisy do filmu.
Audio na tekst
lub upuść Pliki MP3, WAV, M4A … tutaj ·
Maks. 95 MB na plik· Do 20 plików· Usuwane po 30 min
Pliki są przetwarzane na naszych serwerach i usuwane po 30 min.
Linie napisów dłuższe niż ta wartość są dzielone. 42 to powszechny standard telewizyjny.
Opcjonalnie. Sekundy (np. 75) lub minuty:sekundy (1:15). Zostaw puste, aby transkrybować od początku.
Opcjonalnie. Format taki sam jak czas początku. Zostaw puste, aby transkrybować do końca.
Jak korzystać z narzędzia
- 1
Prześlij plik audio lub wideo
Dodaj pliki MP3, M4A, WAV, AAC, FLAC, OGG, Opus, AMR lub inne pliki audio albo wideo MP4, MOV, MKV, WebM i AVI. Do 20 plików, każdy do 95 MB.
- 2
Wybierz język i format wyjściowy
Język nagrania domyślnie ma ustawione automatyczne wykrywanie. Wybierz Plik wynikowy: zwykły tekst, Word, PDF, napisy SRT lub VTT albo JSON z czasami słów.
- 3
Uruchom transkrypcję i pobierz plik
Naciśnij Transkrybuj; przycisk podaje też wybrany format pliku. Otwórz transkrypcję, sprawdź nazwy i liczby, a następnie pobierz plik.
Zamiana audio na tekst, zwana też transkrypcją, zamienia nagraną mowę na zapisane słowa. Prześlij plik, zostaw Język nagrania na automatycznym wykrywaniu albo wybierz język, wskaż format pliku wynikowego i naciśnij Transkrybuj.
Zamiana mowy na tekst: jak działa rozpoznawanie mowy
Rozpoznawanie mowy słucha nagrania w krótkich oknach, zamienia każde z nich w obraz częstotliwości, a wytrenowany model decyduje, jakie słowa najprawdopodobniej wydały ten dźwięk. Nowoczesne modele uczą się na ogromnych zbiorach transkrybowanej mowy, więc radzą sobie z różnymi głosami i akcentami znacznie lepiej niż programy do dyktowania sprzed dekady. Interpunkcja i wielkie litery są przewidywane na podstawie toku zdania; wyłącz Interpunkcja, jeśli chcesz same surowe słowa.
Ustawienie języka ma znaczenie. Automatyczne wykrywanie słucha pierwszych 30 sekund, a potem używa jednego języka dla całego pliku. Jeśli nagranie zaczyna się od muzyki, jingla lub ciszy albo przeskakuje między językami, wybierz Język nagrania samodzielnie. Lista obejmuje 33 języki, od angielskiego, hiszpańskiego i arabskiego po hindi, tamilski, japoński i ukraiński.
Użytkownicy trafiają tu z różnych powodów: dziennikarz z wywiadem nagranym w telefonie, student z nagranym wykładem, zespół z zapisem spotkania, twórca potrzebujący napisów. Dwa najczęstsze typy plików mają własne strony: MP3 na tekst dla nagrań z dyktafonu i podcastów oraz M4A na tekst dla notatek głosowych z iPhone'a. Pliki wideo działają bezpośrednio, więc nie trzeba najpierw wyodrębniać dźwięku.
Formaty transkrypcji i napisów
| Plik wynikowy | Zawartość | Otworzysz w |
|---|---|---|
| Zwykły tekst (TXT) | Akapity tekstu, opcjonalnie ze znacznikami czasu i oznaczeniami mówców | Dowolnym edytorze tekstu, aplikacji do notatek lub poczcie |
| Word (DOCX) | Sformatowana transkrypcja gotowa do edycji i udostępniania | Word, Dokumenty Google, Pages, LibreOffice |
| Niezmienna kopia transkrypcji do dokumentacji | Dowolnym czytniku PDF lub przeglądarce | |
| Napisy (SRT) | Numerowane napisy z czasem początku i końca | YouTube, edytorach wideo, VLC |
| Napisy internetowe (VTT) | Napisy WebVTT, format W3C używany przez wideo HTML5 | Odtwarzaczach internetowych, YouTube, platformach kursów |
| JSON (czasy słów) | Każde słowo z czasem początku i końca | Skryptach, indeksach wyszukiwania, narzędziach do edycji |
Znaczniki czasu, mówcy i inne opcje transkrypcji
- Znaczniki czasu
- Znaczniki czasu dodają godzinę, na przykład [01:15], przed każdym akapitem transkrypcji TXT, Word i PDF, aby łatwo znaleźć moment w nagraniu.
- Oznaczenia mówców
- Oznaczenia mówców pokazują, kto mówi, jako Mówca 1, Mówca 2 i tak dalej, w wywiadach, spotkaniach i podcastach. Potem zastąp oznaczenia imionami.
- Interpunkcja i wtrącenia
- Interpunkcja jest domyślnie włączona. Usuń wtrącenia pomija „yyy”, „eee” i podobne zawahania.
- Znaków w wierszu
- W SRT i VTT opcja Znaków w wierszu dzieli długie napisy; domyślnie 42, czyli limit z wytycznych Netflixa dla większości języków z alfabetem łacińskim; dozwolone są wartości od 20 do 80.
- Fragment do transkrypcji
- Początek i Koniec ograniczają pracę do jednego fragmentu, podawanego w sekundach (75) lub minutach:sekundach (1:15).
Limity zamiany mowy na tekst online
- Nagrań w jednej partii
- 20
- Na plik audio lub wideo
- 95 MB
- Języków nagrania plus automatyczne wykrywanie
- 33
- Do usunięcia plików i transkrypcji
- 30 min
Jak uzyskać dokładniejszą transkrypcję
Wiele słów jest błędnych lub brakuje ich
Większość błędów powodują hałas w tle, odległość od mikrofonu i mówienie jednocześnie. Nagrywaj bliżej mówiącego, jeśli to możliwe, i sprawdź, czy Język nagrania jest właściwy.
Transkrypcja jest w złym języku
Automatyczne wykrywanie usłyszało muzykę lub inny język w pierwszych 30 sekundach. Wybierz Język nagrania samodzielnie i transkrybuj ponownie.
Napisy są zbyt długie, by czytać je na ekranie
Zmniejsz Znaków w wierszu do 32–37 dla widzów na telefonach, aby każdy napis dzielił się na krótsze wiersze.
Imiona i terminy techniczne są błędnie zapisane
Rzadkie słowa sprawiają trudność każdemu modelowi. Zamień je jednorazowo w pliku Word lub tekstowym; zwykle są przekręcone w ten sam sposób w całym tekście.
Pytania o zamianę mowy na tekst
Czy zamiana mowy na tekst jest możliwa za darmo i bez rejestracji?
Tak. Prześlij nagranie i naciśnij Transkrybuj; nie trzeba zakładać konta, nie ma okresu próbnego ani karty kredytowej. Pliki są usuwane automatycznie 30 minut po przetworzeniu, więc pobierz transkrypcję, gdy będzie gotowa.
Co sprawia, że jeden konwerter audio na tekst jest lepszy od innego?
Aby uczciwie porównać narzędzia, sprawdź trafność na własnych nagraniach, dostępne języki, formaty wynikowe i to, co dzieje się z plikiem po przetworzeniu. Tutaj dostajesz 33 języki i automatyczne wykrywanie, sześć formatów wynikowych, w tym napisy, oznaczenia mówców i znaczniki czasu, oraz automatyczne usuwanie plików po 30 minutach.
Jakie języki obsługuje zamiana mowy na tekst?
33, wybierane w polu Język nagrania: między innymi angielski, hiszpański, francuski, niemiecki, portugalski, włoski, rosyjski, arabski, turecki, hindi, bengalski, tamilski, telugu, marathi, gudżarati, urdu, japoński, koreański, chiński, indonezyjski, wietnamski, tajski, polski, ukraiński, niderlandzki, szwedzki, grecki i hebrajski. Automatyczne wykrywanie wybiera jeden język dla pliku na podstawie pierwszych 30 sekund.
Czy mogę zrobić napisy do filmu na podstawie jego dźwięku?
Tak. Prześlij samo wideo, wybierz SRT lub VTT w polu Plik wynikowy, a otrzymasz plik napisów z czasami, który wczytasz do YouTube, edytora wideo lub odtwarzacza HTML5. Aby później zmienić format napisów, użyj konwertera napisów.
Jak zrobić transkrypcję 3-godzinnego nagrania?
Pliki mogą mieć do 95 MB, czyli około 1 godziny 40 minut MP3 w 128 kb/s. Podziel pracę za pomocą pól Początek i Koniec albo najpierw zmniejsz plik: mowa przekonwertowana do 64 kb/s mono za pomocą kompresji audio mieści się w limicie przy około 3,5 godziny nagrania.
Czy transkrypcję można przetłumaczyć na angielski?
Nie, transkrypcja powstaje w języku nagrania. Najpierw transkrybuj, a potem wklej tekst do tłumacza; tłumaczenie czystej transkrypcji daje lepsze efekty niż tłumaczenie bezpośrednio z dźwięku, a oryginalne brzmienie zostaje do sprawdzania cytatów.
Czy konwerter MP3 na tekst różni się od transkrypcji wideo?
Tylko w tym, co przesyłasz. To samo rozpoznawanie mowy działa na ścieżce dźwiękowej MP4 lub MOV oraz na MP3 lub M4A. MP3 na tekst i M4A na tekst to gotowe ustawienia tego narzędzia dla tych typów plików.
Czy „yyy” i „eee” pojawią się w transkrypcji?
Domyślnie tak, bo czasem potrzebny jest zapis dosłowny, na przykład w wywiadach badawczych. Włącz Usuń wtrącenia, aby uzyskać czystszą transkrypcję do czytania, cytowania lub publikacji.
Wszystkie narzędzia: Audio na tekst
Wybierz dokładnie ten wariant, którego od Ciebie wymagano. Każda ze stron poniżej to to samo narzędzie z innymi ustawieniami domyślnymi.
- Konwerter M4A na tekstZamień notatki głosowe z iPhone’a i inne nagrania M4A na tekst ze znacznikami czasu i mówcami. 33 języki, TXT, Word, PDF lub napisy, bez konta.
- Konwerter MP3 na tekstZamień MP3 na tekst w 33 językach. Pobierz zwykły tekst, Word, PDF lub napisy SRT i VTT, opcjonalnie ze znacznikami czasu i mówcami.