Konvertera MP3 till text

Q: Kan jag transkribera bara en del av en lång MP3?

Ja. Ange **Börja vid** och **Sluta vid** under **Avancerade inställningar** i sekunder eller minuter:sekunder, till exempel 12:30 till 18:00. Bara det avsnittet transkriberas, vilket går snabbare när du behöver ett enda svar ur en lång intervju.

Q: Kan verktyget avgöra vem som talar?

Med **Talaretiketter** aktiverade markerar transkriptionen röstbyten som Talare 1, Talare 2 och så vidare. Den känner inte till namn, så byt ut etiketterna mot de riktiga namnen i Word efteråt.

Ladda upp en MP3 med en föreläsning, intervju, ett möte eller en podcast och få tillbaka det som sägs som text du kan söka i, redigera och citera. Välj ren text för anteckningar, Word för redigering eller SRT och VTT när texten ska synkas med en video.

eller släpp MP3, WAV, M4A …-filer här ·

Max 95 MB per fil· Upp till 20 filer· Raderas efter 30 minuter

Transkribering

Talat språk

Utdata

Filerna bearbetas på våra servrar och raderas efter 30 minuter.

Så använder du verktyget

1
Ladda upp MP3-filen
Släpp en eller flera MP3-filer, upp till 20 åt gången och 95 MB per fil. Andra ljud- och videofiler som M4A, WAV och MP4 fungerar också.
2
Välj språk och utdataformat
Talat språk är inställt på automatisk identifiering, som lyssnar på de första 30 sekunderna. Välj språk själv om inspelningen börjar med musik. Utdata är från början ren text; byt till Word, PDF, SRT eller VTT vid behov.
3
Transkribera och ladda ner
Tryck på Transkribera och ladda ner transkriptionen. Aktivera Tidsstämplar eller Talaretiketter under Avancerade inställningar först om du behöver hitta avsnitt eller skilja röster åt.

Att transkribera en MP3 gör minuter av lyssnande till sekunder av läsning: sök efter ett ord, kopiera ett citat eller ge texten till någon som inte kan spela upp ljud.

Varför transkribera MP3 till text

MP3 är det som de flesta diktafoner, inspelningsappar i telefonen och poddverktyg exporterar, så det är oftast den fil du redan har. Studenter transkriberar inspelade föreläsningar för att plugga från anteckningar, journalister hämtar exakta citat ur intervjuer, forskare kodar fokusgrupper, och poddare publicerar transkriptioner så att avsnittet kan hittas via sökmotorer och läsas av döva och hörselskadade.

Utdata avgör vad du kan göra sedan. Ren text (TXT) kan klistras in var som helst. Word (DOCX) är redo för redigering och kommentarer. PDF passar en transkription som inte ska ändras. SRT och VTT är undertextfiler med tider, och JSON listar varje ord med sin tid för utvecklare.

Om inspelningen finns i en video kan du ladda upp själva videon; ljudspåret transkriberas. Eller extrahera ljudet först med MP4 till MP3 när videon är för stor att ladda upp.

filer per omgång: 20
per fil: 95 MB
språk plus automatisk identifiering: 33
tills uppladdningarna raderas: 30 min

Vad påverkar träffsäkerheten vid MP3 till text

Talare som överlappar: Två röster samtidigt är det svåraste fallet. Paneldiskussioner och inspelningar vid middagsbord tappar flest ord där människor avbryter varandra.
Bakgrundsljud: Musik, trafik och luftkonditionering konkurrerar med talet. Ett tyst rum betyder mer än en dyr mikrofon.
Telefon- och samtalsinspelningar: Traditionella telefonlinjer överför bara ett smalt frekvensband, så konsonanter flyter ihop. Räkna med fler rättelser i samtalsinspelningar.
Fel språkinställning: Automatisk identifiering kan missbedöma en fil som börjar med musik eller byter språk. Om du ställer in Talat språk själv löses det.

MP3 till SRT-undertexter med tidsstämplar

Två textrader ur en SRT-fil

1
00:00:01,200 --> 00:00:04,050
Välkommen tillbaka till programmet.

2
00:00:04,300 --> 00:00:07,900
Idag pratar vi om hemmainspelning.

SRT kommer från SubRip, ett undertextverktyg för Windows, och är det mest accepterade undertextformatet: ett nummer, en start- och sluttid med kommatecken före millisekunderna samt själva texten. VTT, eller WebVTT, är W3C:s version för videospelare på webben och använder punkt i stället för kommatecken. Båda är ren text, så du kan rätta ett felhört ord i vilken textredigerare som helst.

Textrader bryts som standard vid 42 tecken, gränsen som används i professionella stilguider för undertexter, som Netflix, för de flesta språk med latinskt alfabet. Vill du ha tidsmarkeringar i ett dokument i stället för en undertextfil, behåll TXT, Word eller PDF och aktivera Tidsstämplar, som sätter en markering som [01:15] före varje stycke. Har du redan undertexter och behöver ren text? SRT till TXT tar bort numren och tiderna.

Frågor om MP3 till text

Hur exakt är transkribering av MP3 till text?

Det beror mycket mer på inspelningen än på filformatet. En tydlig röst nära en mikrofon transkriberas mycket bra, medan ett telefonsamtal, ett bullrigt kafé eller flera personer som pratar i mun på varandra ger fler fel. Läs alltid igenom transkriptionen en gång innan du citerar ur den.

Kan jag transkribera bara en del av en lång MP3?

Ja. Ange Börja vid och Sluta vid under Avancerade inställningar i sekunder eller minuter:sekunder, till exempel 12:30 till 18:00. Bara det avsnittet transkriberas, vilket går snabbare när du behöver ett enda svar ur en lång intervju.

Vilket format ska jag välja för undertexter på YouTube?

SRT eller VTT. Båda innehåller start- och sluttid för varje rad, och YouTube Studio godtar båda när du laddar upp en undertextfil. Behåll Tecken per rad på 42 så att varje textning ryms på två korta rader på skärmen.

Vad innehåller JSON-filen?

Varje ord med start- och sluttid. Utvecklare använder det för att bygga interaktiva transkriptioner, söka i ljud eller klippa ut avsnitt vid exakta ord. För läsning är TXT eller Word enklare.

Min MP3 är större än 95 MB. Vad kan jag göra?

Tal kräver ingen hög bithastighet. Koda om filen till 64 kbps mono med Komprimera ljud, vilket gör en lång inspelning flera gånger mindre utan att försämra transkriptionen, och ladda sedan upp den mindre filen.

Kan verktyget avgöra vem som talar?

Med Talaretiketter aktiverade markerar transkriptionen röstbyten som Talare 1, Talare 2 och så vidare. Den känner inte till namn, så byt ut etiketterna mot de riktiga namnen i Word efteråt.