ఆడియో నుండి టెక్స్ట్ కన్వర్టర్
ఇంటర్వ్యూ, లెక్చర్, మీటింగ్ లేదా వాయిస్ నోట్‌ను అప్లోడ్ చేయండి, రాతపూర్వక ట్రాన్స్క్రిప్ట్ పొందండి. మాట్లాడిన మాటలను స్పీచ్ రికగ్నిషన్ విరామ చిహ్నాలతో, అవసరమైతే టైమ్స్టాంప్లు, స్పీకర్ లేబుళ్లతో రాసి ఇస్తుంది. ఫలితాన్ని డాక్యుమెంట్‌గా లేదా వీడియో కోసం సబ్‌టైటిల్స్‌గా పొందవచ్చు.
ఆడియో నుండి టెక్స్ట్
లేదా MP3, WAV, M4A … ఫైళ్లు ను ఇక్కడ వదలండి ·
ఒక్కో ఫైల్కు గరిష్ఠంగా 95 MB· గరిష్ఠంగా 20 ఫైళ్లు· 30 నిమిషాల తర్వాత తొలగించబడతాయి
ఫైళ్లు మా సర్వర్లలో ప్రాసెస్ చేయబడి 30 నిమిషాల తర్వాత తొలగించబడతాయి.
దీని కంటే పొడవైన సబ్టైటిల్ లైన్లు విభజించబడతాయి. 42 సాధారణ బ్రాడ్కాస్ట్ ప్రమాణం.
ఐచ్ఛికం. సెకన్లు (ఉదా. 75) లేదా నిమిషాలు:సెకన్లు (1:15). ప్రారంభం నుంచి టెక్స్ట్గా మార్చాలంటే ఖాళీగా వదలండి.
ఐచ్ఛికం. ప్రారంభ సమయం లాగే ఫార్మాట్. చివరి వరకు మార్చాలంటే ఖాళీగా వదలండి.
ఈ టూల్‌ను ఎలా ఉపయోగించాలి
- 1
ఆడియో లేదా వీడియో అప్లోడ్ చేయండి
MP3, M4A, WAV, AAC, FLAC, OGG, Opus, AMR లేదా ఇతర ఆడియో ఫైళ్లను, లేదా MP4, MOV, MKV, WebM, AVI వీడియోలను జోడించండి. గరిష్టంగా 20 ఫైళ్లు, ఒక్కొక్కటి 95 MB వరకు.
- 2
భాష, అవుట్పుట్ ఎంచుకోండి
మాట్లాడిన భాష ఆటో-డిటెక్ట్‌తో మొదలవుతుంది. అవుట్పుట్ ఎంచుకోండి: సాదా టెక్స్ట్, Word, PDF, SRT లేదా VTT సబ్టైటిల్స్, లేదా పదాల సమయాలతో JSON.
- 3
ట్రాన్స్క్రైబ్ చేసి డౌన్లోడ్ చేయండి
ట్రాన్స్క్రైబ్ చేయండి నొక్కండి; మీరు ఎంచుకున్న అవుట్పుట్ పేరు కూడా బటన్‌పై కనిపిస్తుంది. ట్రాన్స్క్రిప్ట్ తెరిచి, పేర్లు, సంఖ్యలు సరిచూసి డౌన్లోడ్ చేసుకోండి.
ఆడియో నుండి టెక్స్ట్ మార్పిడి, అంటే ట్రాన్స్‌క్రిప్షన్, రికార్డ్ చేసిన మాటలను రాతపూర్వక పదాలుగా మారుస్తుంది. ఫైల్ అప్లోడ్ చేసి, మాట్లాడిన భాషను ఆటో-డిటెక్ట్‌లో ఉంచండి లేదా భాషను ఎంచుకోండి, అవుట్పుట్ ఎంచుకుని ట్రాన్స్క్రైబ్ చేయండి నొక్కండి.
ఆడియో నుండి టెక్స్ట్: స్పీచ్ రికగ్నిషన్ ఎలా పనిచేస్తుంది
స్పీచ్ రికగ్నిషన్ రికార్డింగ్ను చిన్న విండోలలో వింటుంది, ప్రతి దాన్ని దాని ఫ్రీక్వెన్సీల చిత్రంగా మారుస్తుంది, ఆ శబ్దాన్ని ఏ పదాలు పుట్టించి ఉండవచ్చో శిక్షణ పొందిన మోడల్ నిర్ణయిస్తుంది. ఆధునిక మోడల్స్ చాలా పెద్ద మొత్తంలో ట్రాన్స్క్రైబ్ చేసిన స్పీచ్ నుండి నేర్చుకుంటాయి, అందుకే పదేళ్ల క్రితం డిక్టేషన్ సాఫ్ట్‌వేర్ కంటే వేర్వేరు గొంతులను, యాసలను చాలా బాగా అర్థం చేసుకుంటాయి. విరామ చిహ్నాలు, పెద్ద అక్షరాలు వాక్య ప్రవాహం నుండి అంచనా వేయబడతాయి; కేవలం పదాలు మాత్రమే కావాలంటే విరామ చిహ్నాలు ఆఫ్ చేయండి.
భాష సెట్టింగ్ ముఖ్యం. ఆటో-డిటెక్ట్ మొదటి 30 సెకన్లు విని, మొత్తం ఫైల్కు ఒకే భాషను వాడుతుంది. రికార్డింగ్ సంగీతం, జింగిల్ లేదా నిశ్శబ్దంతో మొదలైతే, లేదా భాషలు మారుతూ ఉంటే, మాట్లాడిన భాషను మీరే ఎంచుకోండి. జాబితాలో English, Spanish, Arabic నుండి Hindi, Tamil, Japanese, Ukrainian వరకు 33 భాషలు ఉన్నాయి.
ఈ టూల్‌కు చాలా మంది చాలా దారుల్లో వస్తారు: ఫోన్‌లో ఇంటర్వ్యూ ఉన్న జర్నలిస్ట్, రికార్డ్ చేసిన లెక్చర్ ఉన్న విద్యార్థి, మీటింగ్ ఎగుమతి ఉన్న టీమ్, క్యాప్షన్లు కావాల్సిన క్రియేటర్. రెండు సాధారణ ఫైల్ రకాలకు సొంత పేజీలున్నాయి: రికార్డర్, పాడ్‌కాస్ట్ ఫైళ్ల కోసం MP3 నుండి టెక్స్ట్, iPhone వాయిస్ మెమోల కోసం M4A నుండి టెక్స్ట్. వీడియో ఫైళ్లు నేరుగా పనిచేస్తాయి, కాబట్టి ముందుగా సౌండ్ తీయాల్సిన అవసరం లేదు.
ట్రాన్స్క్రిప్ట్, సబ్టైటిల్ ఫార్మాట్లు
| అవుట్పుట్ | అందులో ఏముంటుంది | దీనిలో తెరవండి |
|---|---|---|
| సాదా టెక్స్ట్ (TXT) | టెక్స్ట్ పేరాలు, ఐచ్ఛికంగా టైమ్స్టాంప్లు, మాట్లాడేవారి లేబుల్స్ | ఏదైనా టెక్స్ట్ ఎడిటర్, నోట్స్ యాప్ లేదా ఇమెయిల్ |
| Word (DOCX) | ఎడిట్ చేసి షేర్ చేయడానికి సిద్ధమైన ఫార్మాట్ చేసిన ట్రాన్స్క్రిప్ట్ | Word, Google Docs, Pages, LibreOffice |
| రికార్డుల కోసం ట్రాన్స్క్రిప్ట్ స్థిర ప్రతి | ఏదైనా PDF రీడర్ లేదా బ్రౌజర్ | |
| సబ్టైటిల్స్ (SRT) | ప్రారంభ, ముగింపు సమయాలతో నంబర్ ఉన్న క్యాప్షన్లు | YouTube, వీడియో ఎడిటర్లు, VLC |
| వెబ్ సబ్టైటిల్స్ (VTT) | WebVTT క్యాప్షన్లు, HTML5 వీడియో వాడే W3C ఫార్మాట్ | వెబ్ ప్లేయర్లు, YouTube, కోర్సు ప్లాట్‌ఫామ్‌లు |
| JSON (పదాల సమయాలు) | ప్రతి పదం, దాని ప్రారంభ, ముగింపు సమయంతో | స్క్రిప్ట్‌లు, సెర్చ్ ఇండెక్స్‌లు, ఎడిటింగ్ టూల్స్ |
టైమ్స్టాంప్లు, స్పీకర్లు, ఇతర ట్రాన్స్క్రిప్ట్ ఎంపికలు
- టైమ్స్టాంప్లు
- టైమ్స్టాంప్లు TXT, Word, PDF ట్రాన్స్‌క్రిప్ట్‌లలో ప్రతి పేరా ముందు [01:15] వంటి సమయాన్ని ఉంచుతాయి, దీనివల్ల రికార్డింగ్‌లో ఆ క్షణాన్ని సులభంగా కనుగొనవచ్చు.
- మాట్లాడేవారి లేబుల్స్
- మాట్లాడేవారి లేబుల్స్ ఇంటర్వ్యూలు, మీటింగ్‌లు, పాడ్‌కాస్ట్‌లలో ఎవరు మాట్లాడుతున్నారో Speaker 1, Speaker 2 అని గుర్తిస్తాయి. తర్వాత లేబుల్స్‌ను పేర్లతో మార్చుకోండి.
- విరామ చిహ్నాలు, ఊతపదాలు
- విరామ చిహ్నాలు డిఫాల్ట్గా ఆన్‌లో ఉంటుంది. ఊతపదాలను తొలగించండి um, uh వంటి తడబాట్లను తీసివేస్తుంది.
- ఒక్కో లైన్‌కు అక్షరాలు
- SRT, VTT కోసం ఒక్కో లైన్‌కు అక్షరాలు పొడవైన క్యాప్షన్లను విభజిస్తుంది; డిఫాల్ట్ 42, ఇది లాటిన్ లిపి భాషలకు Netflix సబ్టైటిల్ మార్గదర్శకాలు వాడే పరిమితి; 20 నుండి 80 వరకు ఏదైనా అనుమతించబడుతుంది.
- ట్రాన్స్క్రైబ్ చేసే భాగం
- ప్రారంభం, ముగింపు పనిని ఒక భాగానికి పరిమితం చేస్తాయి, సెకన్లలో (75) లేదా నిమిషాలు:సెకన్లలో (1:15).
ఆన్‌లైన్ ఆడియో నుండి టెక్స్ట్ కన్వర్టర్ పరిమితులు
- ఒక్కో బ్యాచ్‌కు రికార్డింగ్‌లు
- 20
- ఒక్కో ఆడియో లేదా వీడియో ఫైల్కు
- 95 MB
- మాట్లాడే భాషలు, ఆటో-డిటెక్ట్ కాకుండా
- 33
- ఫైళ్లు, ట్రాన్స్‌క్రిప్ట్‌లు తొలగే వరకు
- 30 నిమిషాలు
మరింత కచ్చితమైన ట్రాన్స్క్రిప్ట్ పొందడం ఎలా
చాలా పదాలు తప్పుగా ఉన్నాయి లేదా లేవు
నేపథ్య శబ్దం, మైక్రోఫోన్ నుండి దూరం, ఒకరిపై ఒకరు మాట్లాడటం వల్ల ఎక్కువ తప్పులు వస్తాయి. వీలైతే మాట్లాడేవారికి దగ్గరగా రికార్డ్ చేయండి, మాట్లాడిన భాష సరైనదో చూడండి.
ట్రాన్స్క్రిప్ట్ తప్పు భాషలో ఉంది
ఆటో-డిటెక్ట్ మొదటి 30 సెకన్లలో సంగీతం లేదా మరో భాషను విన్నది. మాట్లాడిన భాషను మీరే ఎంచుకుని మళ్లీ ట్రాన్స్క్రైబ్ చేయండి.
సబ్టైటిల్స్ తెరపై చదవడానికి చాలా పొడవుగా ఉన్నాయి
ఫోన్‌లో చూసేవారి కోసం ఒక్కో లైన్‌కు అక్షరాలును 32–37కు తగ్గించండి, దీనివల్ల ప్రతి క్యాప్షన్ చిన్న లైన్లుగా విడిపోతుంది.
పేర్లు, సాంకేతిక పదాల స్పెల్లింగ్ తప్పు
అరుదైన పదాలు ఏ మోడల్‌కైనా కష్టం. Word లేదా టెక్స్ట్ అవుట్‌పుట్‌లో ఒకసారి శోధించి మార్చండి; అవి సాధారణంగా అంతటా ఒకే విధంగా తప్పుగా వస్తాయి.
ఆడియో నుండి టెక్స్ట్ ప్రశ్నలు
సైన్-అప్ లేకుండా ఆడియోను ఉచితంగా టెక్స్ట్గా మార్చవచ్చా?
అవును. రికార్డింగ్ను అప్లోడ్ చేసి ట్రాన్స్క్రైబ్ చేయండి నొక్కండి; అకౌంట్, ట్రయల్, క్రెడిట్ కార్డ్ ఏవీ అవసరం లేదు. ప్రాసెసింగ్ తర్వాత 30 నిమిషాలకు ఫైళ్లు ఆటోమేటిక్గా తొలగిపోతాయి, కాబట్టి ట్రాన్స్క్రిప్ట్ సిద్ధమైన వెంటనే డౌన్లోడ్ చేసుకోండి.
ఒక ఆడియో నుండి టెక్స్ట్ కన్వర్టర్ను మరొకదాని కంటే మెరుగ్గా చేసేది ఏమిటి?
సరైన పోలిక కోసం మీ రకం రికార్డింగ్పై కచ్చితత్వం, అందుబాటులో ఉన్న భాషలు, అవుట్పుట్ ఫార్మాట్లు, తర్వాత మీ ఫైల్కు ఏమవుతుంది అనేవి చూడండి. ఇక్కడ 33 భాషలు మరియు ఆటో-డిటెక్ట్, సబ్టైటిల్స్తో సహా ఆరు అవుట్పుట్లు, మాట్లాడేవారి లేబుల్స్, టైమ్స్టాంప్లు, 30 నిమిషాల తర్వాత ఆటోమేటిక్ తొలగింపు లభిస్తాయి.
ఏ భాషలను ట్రాన్స్క్రైబ్ చేయవచ్చు?
33, వీటిని మాట్లాడిన భాష కింద ఎంచుకోవచ్చు: వాటిలో English, Spanish, French, German, Portuguese, Italian, Russian, Arabic, Turkish, Hindi, Bengali, Tamil, Telugu, Marathi, Gujarati, Urdu, Japanese, Korean, Chinese, Indonesian, Vietnamese, Thai, Polish, Ukrainian, Dutch, Swedish, Greek, Hebrew ఉన్నాయి. ఆటో-డిటెక్ట్ మొదటి 30 సెకన్ల ఆధారంగా ప్రతి ఫైల్కు ఒక భాషను ఎంచుకుంటుంది.
వీడియో ఆడియో నుండి దానికి సబ్టైటిల్స్ తయారు చేయవచ్చా?
అవును. వీడియోనే అప్లోడ్ చేసి, అవుట్పుట్ కింద SRT లేదా VTT ఎంచుకోండి; YouTube, వీడియో ఎడిటర్ లేదా HTML5 ప్లేయర్లో వాడగల సమయాలతో కూడిన సబ్టైటిల్ ఫైల్ వస్తుంది. సబ్టైటిల్ ఫార్మాట్ను తర్వాత మార్చాలంటే సబ్టైటిల్ కన్వర్టర్ వాడండి.
3 గంటల రికార్డింగ్ను ఎలా ట్రాన్స్క్రైబ్ చేయాలి?
ఫైళ్లు 95 MB వరకు మాత్రమే, ఇది 128 kbps MP3కి సుమారు 1 గంట 40 నిమిషాలు. ప్రారంభం, ముగింపుతో పనిని విభజించండి, లేదా ముందు ఫైల్‌ను చిన్నది చేయండి: ఆడియో కంప్రెస్తో 64 kbps మోనోకు మార్చిన స్పీచ్ పరిమితిలో సుమారు 3.5 గంటలు పడుతుంది.
ట్రాన్స్క్రిప్ట్ను ఇంగ్లీష్లోకి అనువదించవచ్చా?
లేదు, ట్రాన్స్క్రిప్ట్ మాట్లాడిన భాషలోనే వస్తుంది. ముందు ట్రాన్స్క్రైబ్ చేసి, ఆ టెక్స్ట్ను అనువాద సేవలో పేస్ట్ చేయండి; ఆడియో నుండి నేరుగా అనువదించడం కంటే శుభ్రమైన ట్రాన్స్క్రిప్ట్ను అనువదిస్తే ఫలితాలు మెరుగ్గా ఉంటాయి, పైగా కోట్లను సరిచూడటానికి అసలు పదాలు మీ దగ్గరే ఉంటాయి.
MP3 నుండి టెక్స్ట్ కన్వర్టర్, వీడియో ట్రాన్స్క్రైబర్ వేర్వేరా?
మీరు అప్లోడ్ చేసే దానిలో మాత్రమే. MP4 లేదా MOV సౌండ్ట్రాక్పై, MP3 లేదా M4Aపై ఒకే స్పీచ్ రికగ్నిషన్ పనిచేస్తుంది. MP3 నుండి టెక్స్ట్, M4A నుండి టెక్స్ట్ ఆ ఫైల్ రకాల కోసం ఈ టూల్ ప్రీసెట్లు.
ట్రాన్స్క్రిప్ట్లో "ఆ", "ఊ" లాంటి పూరక శబ్దాలు కనిపిస్తాయా?
డిఫాల్ట్గా ఉంటాయి, ఎందుకంటే రీసెర్చ్ ఇంటర్వ్యూల వంటి వాటికి పదం పదం రికార్డ్ కొన్నిసార్లు అవసరం. చదవడానికి, కోట్ చేయడానికి లేదా ప్రచురించడానికి శుభ్రమైన ట్రాన్స్క్రిప్ట్ కావాలంటే ఊతపదాలను తొలగించండి ఆన్ చేయండి.
అన్ని ఆడియో నుండి టెక్స్ట్ టూల్స్
మిమ్మల్ని అడిగిన ఖచ్చితమైన లక్ష్యాన్ని ఎంచుకోండి. కింది ప్రతి పేజీ ఒకే టూల్, కానీ వేర్వేరు డిఫాల్ట్‌లతో.
- M4A నుండి టెక్స్ట్ కన్వర్టర్iPhone Voice Memos, ఇతర M4A రికార్డింగ్లను టైమ్స్టాంప్లు, స్పీకర్ లేబుల్లతో టెక్స్ట్గా మార్చండి. 33 భాషలు, TXT, Word, PDF లేదా సబ్టైటిల్స్.
- MP3 నుండి టెక్స్ట్ కన్వర్టర్MP3ని 33 భాషల్లో టెక్స్ట్గా మార్చండి. టైమ్స్టాంప్లు, స్పీకర్ లేబుల్లతో టెక్స్ట్, Word, PDF లేదా SRT, VTT సబ్టైటిల్స్ డౌన్లోడ్ చేయండి.