Ljud till text
Ladda upp en intervju, en föreläsning, ett möte eller ett röstmemo och få tillbaka en skriven transkription. Taligenkänningen skriver ut det som sades, med skiljetecken och valfria tidsstämplar och talaretiketter, som ett dokument eller som undertexter till en video.
Ljud till text
eller släpp MP3, WAV, M4A …-filer här ·
Max 95 MB per fil· Upp till 20 filer· Raderas efter 30 minuter
Filerna bearbetas på våra servrar och raderas efter 30 minuter.
Undertextrader som är längre än så delas. 42 är den vanliga sändningsstandarden.
Valfritt. Sekunder (t.ex. 75) eller minuter:sekunder (1:15). Lämna tomt för att transkribera från början.
Valfritt. Samma format som starttiden. Lämna tomt för att transkribera till slutet.
Så använder du verktyget
- 1
Ladda upp ljud eller video
Lägg till MP3-, M4A-, WAV-, AAC-, FLAC-, OGG-, Opus-, AMR- eller andra ljudfiler, eller videor i MP4, MOV, MKV, WebM och AVI. Upp till 20 filer, 95 MB per fil.
- 2
Välj språk och utdataformat
Talat språk står från början på Identifiera automatiskt. Välj Utdata: ren text, Word, PDF, undertexter i SRT eller VTT, eller JSON med ordtider.
- 3
Transkribera och ladda ner
Tryck på Transkribera; knappen visar också vilket utdataformat du valt. Öppna utskriften, kontrollera namn och siffror och ladda ner den.
Att konvertera ljud till text, även kallat transkribering, gör inspelat tal till skrivna ord. Ladda upp filen, låt Talat språk stå på Identifiera automatiskt eller välj språk, välj utdata och tryck på Transkribera.
Ljud till text: så fungerar taligenkänningen
Taligenkänning lyssnar på inspelningen i korta fönster, omvandlar varje fönster till en bild av dess frekvenser och låter en tränad modell avgöra vilka ord som mest sannolikt gav upphov till ljudet. Moderna modeller lär sig av mycket stora mängder transkriberat tal och hanterar olika röster och dialekter betydligt bättre än dikteringsprogram för tio år sedan. Interpunktion och stora bokstäver förutsägs utifrån meningens flöde; stäng av Interpunktion om du bara vill ha de råa orden.
Språkinställningen spelar roll. Automatisk identifiering lyssnar på de första 30 sekunderna och använder sedan ett språk för hela filen. Om inspelningen börjar med musik, en jingel eller tystnad, eller växlar mellan språk, välj Talat språk själv. Listan omfattar 33 språk, från engelska, spanska och arabiska till hindi, tamil, japanska och ukrainska.
Folk hamnar här av många skäl: en journalist med en intervju på mobilen, en student med en inspelad föreläsning, ett team med en mötesinspelning, en skapare som behöver undertexter. De två vanligaste filtyperna har egna sidor, MP3 till text för inspelnings- och poddfiler och M4A till text för röstmemon från iPhone. Videofiler fungerar direkt, så du behöver inte extrahera ljudet först.
Format för transkriptioner och undertexter
| Utdata | Innehåll | Öppna i |
|---|---|---|
| Ren text (TXT) | Textstycken, valfritt med tidsstämplar och talaretiketter | Valfritt textprogram, anteckningsapp eller e-post |
| Word (DOCX) | Formaterad utskrift redo att redigera och dela | Word, Google Docs, Pages, LibreOffice |
| En fast kopia av utskriften för arkivering | Valfri PDF-läsare eller webbläsare | |
| Undertexter (SRT) | Numrerade undertexter med start- och sluttider | YouTube, videoredigerare, VLC |
| Webbundertexter (VTT) | WebVTT-undertexter, W3C-formatet som används av HTML5-video | Webbspelare, YouTube, kursplattformar |
| JSON (ordtider) | Varje ord med start- och sluttid | Skript, sökindex, redigeringsverktyg |
Tidsstämplar, talare och andra transkriptionsalternativ
- Tidsstämplar
- Tidsstämplar sätter tiden, till exempel [01:15], framför varje stycke i utskrifter som TXT, Word och PDF så att du hittar stället i inspelningen.
- Talaretiketter
- Talaretiketter markerar vem som talar som Talare 1, Talare 2 och så vidare, för intervjuer, möten och poddar. Byt ut etiketterna mot namn efteråt.
- Interpunktion och utfyllnadsord
- Interpunktion är aktiverad som standard. Ta bort utfyllnadsord tar bort ähm, öh och liknande tvekljud.
- Tecken per rad
- För SRT och VTT delar Tecken per rad upp långa undertexter, 42 som standard, den gräns som Netflix riktlinjer för undertexter använder för de flesta språk med latinskt skrivsystem; allt från 20 till 80 är tillåtet.
- Del att transkribera
- Börja vid och Sluta vid begränsar arbetet till ett avsnitt, i sekunder (75) eller minuter:sekunder (1:15).
Begränsningar för ljud till text online
- Inspelningar per omgång
- 20
- Per ljud- eller videofil
- 95 MB
- Talade språk plus automatisk identifiering
- 33
- Tills filer och utskrifter raderas
- 30 min
Så får du en mer exakt transkription
Många ord är fel eller saknas
Bakgrundsljud, avstånd till mikrofonen och att folk pratar i mun på varandra orsakar de flesta felen. Spela in närmare talaren när det går och kontrollera att Talat språk stämmer.
Utskriften är på fel språk
Automatisk identifiering hörde musik eller ett annat språk under de första 30 sekunderna. Välj Talat språk själv och transkribera igen.
Undertexterna är för långa för att läsas på skärmen
Sänk Tecken per rad till 32–37 för tittare på mobil, så delas varje undertext upp i kortare rader.
Namn och facktermer är felstavade
Ovanliga ord är svåra för alla modeller. Sök och ersätt dem en gång i Word- eller textfilen; de är oftast felstavade på samma sätt hela vägen.
Frågor om ljud till text
Kan jag omvandla ljud till text gratis utan registrering?
Ja. Ladda upp inspelningen och tryck på Transkribera; du behöver inget konto, ingen provperiod och inget betalkort. Filerna raderas automatiskt 30 minuter efter bearbetningen, så ladda ner utskriften när den är klar.
Vad gör ett verktyg för ljud till text bättre än ett annat?
För en rättvis jämförelse bör du titta på träffsäkerheten för just din typ av inspelning, vilka språk som stöds, utdataformaten och vad som händer med filen efteråt. Här får du 33 språk plus automatisk identifiering, sex utdataformat inklusive undertexter, talaretiketter och tidsstämplar samt automatisk radering efter 30 minuter.
Vilka språk kan transkriberas?
33, som du väljer under Talat språk: bland andra engelska, spanska, franska, tyska, portugisiska, italienska, ryska, arabiska, turkiska, hindi, bengali, tamil, telugu, marathi, gujarati, urdu, japanska, koreanska, kinesiska, indonesiska, vietnamesiska, thailändska, polska, ukrainska, nederländska, svenska, grekiska och hebreiska. Automatisk identifiering väljer ett språk per fil utifrån de första 30 sekunderna.
Kan jag skapa undertexter till en video utifrån ljudet?
Ja. Ladda upp själva videon, välj SRT eller VTT under Utdata, så får du en tidsatt undertextfil som du kan läsa in i YouTube, ett videoredigeringsprogram eller en HTML5-spelare. Vill du ändra undertextformatet senare använder du undertextkonverteraren.
Hur transkriberar jag en inspelning på 3 timmar?
Filerna får vara högst 95 MB, vilket motsvarar ungefär 1 timme och 40 minuter MP3 med 128 kbit/s. Dela upp arbetet med Börja vid och Sluta vid, eller gör filen mindre först: tal som konverterats till 64 kbit/s mono med komprimera ljud ryms cirka 3,5 timmar under gränsen.
Kan transkriptionen översättas till engelska?
Nej, utskriften skrivs på det språk som talas. Transkribera först och klistra sedan in texten i en översättningstjänst; en ren utskrift ger bättre översättning än att översätta direkt från ljud, och du behåller originalformuleringarna för att kontrollera citat.
Är MP3 till text något annat än att transkribera video?
Bara i vad du laddar upp. Samma taligenkänning körs på ljudspåret i en MP4 eller MOV som på en MP3 eller M4A. MP3 till text och M4A till text är förinställningar av det här verktyget för just de filtyperna.
Kommer ”öh” och ”hm” att synas i transkriptionen?
Det gör de som standard, eftersom en ordagrann utskrift ibland behövs, till exempel vid forskningsintervjuer. Aktivera Ta bort utfyllnadsord för en renare utskrift som ska läsas, citeras eller publiceras.
Alla Ljud till text-verktyg
Välj exakt det mål du blivit ombedd att uppfylla. Varje sida nedan är samma verktyg med olika standardinställningar.
- M4A till text – konverterareGör iPhone-röstmemon och andra M4A-inspelningar till text med tidsstämplar och talare. 33 språk, TXT, Word, PDF eller undertexter, utan konto.
- Konvertera MP3 till textTranskribera MP3 till text på 33 språk. Ladda ner text, Word, PDF eller SRT- och VTT-undertexter, med tidsstämplar och talaretiketter vid behov.