MP3 నుండి టెక్స్ట్ కన్వర్టర్

Q: పొడవైన MP3లో కొంత భాగాన్ని మాత్రమే టెక్స్ట్గా మార్చవచ్చా?

అవును. **అధునాతన సెట్టింగ్లు**లో **ప్రారంభం**, **ముగింపు** సెకన్లలో లేదా నిమిషాలు:సెకన్లలో ఇవ్వండి, ఉదాహరణకు 12:30 నుండి 18:00. ఆ భాగం మాత్రమే ట్రాన్స్క్రైబ్ అవుతుంది; పొడవైన ఇంటర్వ్యూలో ఒక సమాధానం కావాలంటే ఇది వేగంగా ఉంటుంది.

Q: YouTube క్యాప్షన్ల కోసం ఏ అవుట్పుట్ ఎంచుకోవాలి?

SRT లేదా VTT. రెండింటిలోనూ ప్రతి లైన్కు ప్రారంభ, ముగింపు సమయం ఉంటాయి, సబ్టైటిల్ ఫైల్ అప్లోడ్ చేసేటప్పుడు YouTube Studio ఏదైనా అంగీకరిస్తుంది. **ఒక్కో లైన్కు అక్షరాలు** 42 వద్ద ఉంచితే ప్రతి క్యాప్షన్ తెరపై రెండు చిన్న లైన్లలో ఇమిడిపోతుంది.

Q: నా MP3 95 MB కంటే పెద్దది. ఏం చేయాలి?

మాటకు ఎక్కువ బిట్రేట్ అవసరం లేదు. [ఆడియో కంప్రెస్](/compress-audio)తో ఫైల్ను 64 kbps మోనోలో మళ్లీ ఎన్కోడ్ చేయండి; ఇది ట్రాన్స్క్రిప్షన్కు హాని లేకుండా పొడవైన రికార్డింగ్ను చాలా రెట్లు చిన్నదిగా చేస్తుంది. తర్వాత చిన్న ఫైల్ను అప్లోడ్ చేయండి.

Q: ఎవరు మాట్లాడుతున్నారో గుర్తించగలదా?

**మాట్లాడేవారి లేబుల్స్** ఆన్లో ఉంటే, గొంతు మారినప్పుడు ట్రాన్స్క్రిప్ట్ స్పీకర్ 1, స్పీకర్ 2 అని గుర్తిస్తుంది. పేర్లు తెలియవు, కాబట్టి తర్వాత Wordలో లేబుల్స్ను అసలు పేర్లతో మార్చండి.

లెక్చర్, ఇంటర్వ్యూ, మీటింగ్ లేదా పాడ్‌కాస్ట్ MP3ని అప్‌లోడ్ చేయండి. మాట్లాడిన మాటలను వెతకడానికి, ఎడిట్ చేయడానికి, కోట్ చేయడానికి వీలయ్యే టెక్స్ట్‌గా పొందండి. నోట్స్ కోసం ప్లెయిన్ టెక్స్ట్, ఎడిటింగ్ కోసం Word, మాటలు వీడియోతో సరిపోలాలంటే SRT లేదా VTT ఎంచుకోండి.

లేదా MP3, WAV, M4A … ఫైళ్లు ను ఇక్కడ వదలండి ·

ఒక్కో ఫైల్‌కు గరిష్ఠంగా 95 MB· గరిష్ఠంగా 20 ఫైళ్లు· 30 నిమిషాల తర్వాత తొలగించబడతాయి

ట్రాన్స్‌క్రిప్షన్

మాట్లాడిన భాష

అవుట్‌పుట్

ఫైళ్లు మా సర్వర్లలో ప్రాసెస్ చేయబడి 30 నిమిషాల తర్వాత తొలగించబడతాయి.

ట్రాన్స్‌క్రిప్ట్

టైమ్‌స్టాంప్‌లు

రికార్డింగ్‌లో ఆ చోటును సులభంగా కనుగొనేందుకు ప్రతి పేరాకు ముందు [01:15] వంటి సమయాన్ని ఉంచండి.

మాట్లాడేవారి లేబుల్స్

ఇంటర్వ్యూలు, మీటింగ్‌లు, పాడ్‌కాస్ట్‌లలో ఎవరు మాట్లాడుతున్నారో (స్పీకర్ 1, స్పీకర్ 2) గుర్తించండి.

విరామ చిహ్నాలు

పూర్ణ విరామాలు, కామాలు, ప్రశ్నార్థకాలు, క్యాపిటల్ అక్షరాలు జోడించండి. కేవలం పదాలు కావాలంటే ఆఫ్ చేయండి.

ఊతపదాలను తొలగించండి

ట్రాన్స్‌క్రిప్ట్ శుభ్రంగా, చదవడానికి సులువుగా ఉండేలా um, uh వంటి తడబాట్లను తొలగించండి.

ట్రాన్స్‌క్రైబ్ చేయాల్సిన భాగం

ప్రారంభం

ఐచ్ఛికం. సెకన్లు (ఉదా. 75) లేదా నిమిషాలు:సెకన్లు (1:15). ప్రారంభం నుంచి టెక్స్ట్‌గా మార్చాలంటే ఖాళీగా వదలండి.

ముగింపు

ఐచ్ఛికం. ప్రారంభ సమయం లాగే ఫార్మాట్. చివరి వరకు మార్చాలంటే ఖాళీగా వదలండి.

ఈ టూల్‌ను ఎలా ఉపయోగించాలి

1
MP3ని అప్‌లోడ్ చేయండి
ఒకటి లేదా అంతకంటే ఎక్కువ MP3 ఫైళ్లను వదలండి; ఒకసారి 20 వరకు, ఒక్కొక్కటి 95 MB వరకు. M4A, WAV, MP4 వంటి ఇతర ఆడియో, వీడియో ఫైళ్లు కూడా పనిచేస్తాయి.
2
భాష, అవుట్‌పుట్ ఎంచుకోండి
మాట్లాడిన భాష ఆటో-డిటెక్ట్‌లో ఉంటుంది, ఇది మొదటి 30 సెకన్లు వింటుంది. రికార్డింగ్ సంగీతంతో మొదలైతే భాషను మీరే ఎంచుకోండి. అవుట్‌పుట్ సాదా టెక్స్ట్‌తో మొదలవుతుంది; అవసరమైతే Word, PDF, SRT లేదా VTTకి మార్చండి.
3
ట్రాన్స్‌క్రైబ్ చేసి డౌన్‌లోడ్ చేయండి
ట్రాన్స్‌క్రైబ్ చేయండి నొక్కి ట్రాన్స్‌క్రిప్ట్‌ను డౌన్‌లోడ్ చేయండి. భాగాలను వెతకాలన్నా, గొంతులను వేరు చేయాలన్నా ముందుగా అధునాతన సెట్టింగ్‌లులో టైమ్‌స్టాంప్‌లు లేదా మాట్లాడేవారి లేబుల్స్ ఆన్ చేయండి.

MP3ని ట్రాన్స్‌క్రైబ్ చేస్తే నిమిషాల వినడం సెకన్ల చదువుగా మారుతుంది: పదాన్ని వెతకండి, ఉటంకింపును కాపీ చేయండి, లేదా ఆడియో వినలేని వారికి టెక్స్ట్ ఇవ్వండి.

MP3ని టెక్స్ట్‌గా ఎందుకు మార్చాలి

చాలా వాయిస్ రికార్డర్లు, ఫోన్ రికార్డింగ్ యాప్‌లు, పాడ్‌కాస్ట్ టూల్స్ MP3నే ఎగుమతి చేస్తాయి, కాబట్టి ఇది సాధారణంగా మీ దగ్గర ఇప్పటికే ఉన్న ఫైల్. విద్యార్థులు రికార్డ్ చేసిన పాఠాలను నోట్స్‌గా మార్చుకుంటారు, జర్నలిస్టులు ఇంటర్వ్యూల నుండి ఖచ్చితమైన ఉటంకింపులు తీసుకుంటారు, పరిశోధకులు ఫోకస్ గ్రూపులను కోడ్ చేస్తారు, పాడ్‌కాస్టర్లు ట్రాన్స్‌క్రిప్ట్‌లు ప్రచురిస్తారు; దీంతో సెర్చ్ ఇంజిన్లు ఎపిసోడ్‌ను కనుగొనగలవు, చెవిటివారు లేదా వినికిడి తక్కువ ఉన్నవారు చదవగలరు.

అవుట్‌పుట్ తదుపరి మీరు ఏం చేయగలరో నిర్ణయిస్తుంది. సాదా టెక్స్ట్ (TXT) ఎక్కడైనా పేస్ట్ అవుతుంది. Word (DOCX) ఎడిటింగ్, కామెంట్లకు సిద్ధం. మార్చకూడని ట్రాన్స్‌క్రిప్ట్‌కు PDF సరిపోతుంది. SRT, VTT సమయాలతో కూడిన సబ్‌టైటిల్ ఫైళ్లు, JSON డెవలపర్ల కోసం ప్రతి పదాన్ని దాని సమయంతో జాబితా చేస్తుంది.

రికార్డింగ్ వీడియోలో ఉంటే వీడియోనే అప్‌లోడ్ చేయవచ్చు; దాని ఆడియో ట్రాక్ ట్రాన్స్‌క్రైబ్ అవుతుంది. వీడియో అప్‌లోడ్ చేయడానికి చాలా పెద్దదైతే ముందుగా MP4 నుండి MP3తో శబ్దాన్ని వేరు చేయండి.

ఒక బ్యాచ్‌కు ఫైళ్లు: 20
ఒక్కో ఫైల్‌కు: 95 MB
భాషలు, ఆటో-డిటెక్ట్ సహా: 33
అప్‌లోడ్‌లు తొలగించే వరకు: 30 నిమి

MP3 నుండి టెక్స్ట్ ఖచ్చితత్వాన్ని ప్రభావితం చేసేవి

ఒకేసారి మాట్లాడటం: ఒకేసారి రెండు గొంతులు ఉంటే అత్యంత కష్టం. ప్యానెల్ చర్చలు, భోజన బల్ల రికార్డింగ్‌లలో ఒకరినొకరు అడ్డుకునే చోట ఎక్కువ పదాలు పోతాయి.
నేపథ్య శబ్దం: సంగీతం, ట్రాఫిక్, ఏసీ శబ్దం మాటతో పోటీ పడతాయి. ఖరీదైన మైక్రోఫోన్ కంటే నిశ్శబ్దమైన గది ముఖ్యం.
ఫోన్, కాల్ రికార్డింగ్‌లు: సాంప్రదాయ ఫోన్ లైన్లు ఇరుకైన ఫ్రీక్వెన్సీ బ్యాండ్‌ను మాత్రమే మోస్తాయి, కాబట్టి హల్లులు అస్పష్టమవుతాయి. కాల్ రికార్డింగ్‌లలో ఎక్కువ దిద్దుబాట్లు అవసరం.
తప్పు భాష సెట్టింగ్: సంగీతంతో మొదలయ్యే లేదా భాషలు మారే ఫైల్‌ను ఆటో-డిటెక్ట్ తప్పుగా అంచనా వేయవచ్చు. మాట్లాడిన భాషను మీరే సెట్ చేస్తే సరిపోతుంది.

టైమ్‌స్టాంప్‌లతో MP3 నుండి SRT సబ్‌టైటిల్స్

SRT ఫైల్‌లోని రెండు క్యూలు

1
00:00:01,200 --> 00:00:04,050
షోకి మళ్లీ స్వాగతం.

2
00:00:04,300 --> 00:00:07,900
ఈ రోజు ఇంట్లో రికార్డింగ్ గురించి మాట్లాడుకుందాం.

SRT అనేది Windows సబ్‌టైటిల్ టూల్ SubRip నుండి వచ్చింది, విస్తృతంగా అంగీకరించే సబ్‌టైటిల్ ఫార్మాట్: ఒక సంఖ్య, మిల్లీసెకన్ల ముందు కామాతో ప్రారంభ, ముగింపు సమయం, ఆపై క్యాప్షన్ టెక్స్ట్. VTT లేదా WebVTT వెబ్ వీడియో ప్లేయర్ల కోసం W3C వెర్షన్, కామా బదులు చుక్క వాడుతుంది. రెండూ సాదా టెక్స్ట్, కాబట్టి తప్పుగా విన్న పదాన్ని ఏ ఎడిటర్‌లోనైనా సరిచేయవచ్చు.

క్యాప్షన్ లైన్లు డిఫాల్ట్‌గా 42 అక్షరాల వద్ద చుట్టబడతాయి; Netflix వంటి ప్రొఫెషనల్ సబ్‌టైటిల్ శైలి గైడ్‌లు చాలా లాటిన్ లిపి భాషలకు ఈ పరిమితినే వాడతాయి. సబ్‌టైటిల్ ఫైల్ కాకుండా డాక్యుమెంట్‌లో సమయ మార్కర్లు కావాలంటే TXT, Word లేదా PDF ఉంచి టైమ్‌స్టాంప్‌లు ఆన్ చేయండి; ఇది ప్రతి పేరా ముందు [01:15] వంటి మార్కర్ పెడుతుంది. ఇప్పటికే సబ్‌టైటిల్స్ ఉండి సాదా టెక్స్ట్ కావాలా? SRT నుండి TXT సంఖ్యలను, సమయాలను తొలగిస్తుంది.

MP3 నుండి టెక్స్ట్ ప్రశ్నలు

MP3 ట్రాన్స్‌క్రిప్షన్ ఎంత ఖచ్చితంగా ఉంటుంది?

ఇది ఫైల్ ఫార్మాట్ కంటే రికార్డింగ్ నాణ్యతపై ఎక్కువగా ఆధారపడుతుంది. మైక్రోఫోన్‌కు దగ్గరగా ఒకే స్పష్టమైన గొంతు ఉంటే చాలా బాగా వస్తుంది; ఫోన్ కాల్, రద్దీగా ఉండే కేఫ్, లేదా ఒకరిపై ఒకరు మాట్లాడే సందర్భాల్లో తప్పులు ఎక్కువ. ఉటంకించే ముందు ట్రాన్స్‌క్రిప్ట్‌ను ఒకసారి చదవండి.

పొడవైన MP3లో కొంత భాగాన్ని మాత్రమే టెక్స్ట్‌గా మార్చవచ్చా?

అవును. అధునాతన సెట్టింగ్‌లులో ప్రారంభం, ముగింపు సెకన్లలో లేదా నిమిషాలు:సెకన్లలో ఇవ్వండి, ఉదాహరణకు 12:30 నుండి 18:00. ఆ భాగం మాత్రమే ట్రాన్స్‌క్రైబ్ అవుతుంది; పొడవైన ఇంటర్వ్యూలో ఒక సమాధానం కావాలంటే ఇది వేగంగా ఉంటుంది.

YouTube క్యాప్షన్ల కోసం ఏ అవుట్‌పుట్ ఎంచుకోవాలి?

SRT లేదా VTT. రెండింటిలోనూ ప్రతి లైన్‌కు ప్రారంభ, ముగింపు సమయం ఉంటాయి, సబ్‌టైటిల్ ఫైల్ అప్‌లోడ్ చేసేటప్పుడు YouTube Studio ఏదైనా అంగీకరిస్తుంది. ఒక్కో లైన్‌కు అక్షరాలు 42 వద్ద ఉంచితే ప్రతి క్యాప్షన్ తెరపై రెండు చిన్న లైన్లలో ఇమిడిపోతుంది.

JSON అవుట్‌పుట్‌లో ఏముంటుంది?

ప్రతి పదం దాని ప్రారంభ, ముగింపు సమయంతో. డెవలపర్లు దీనితో ఇంటరాక్టివ్ ట్రాన్స్‌క్రిప్ట్‌లు చేస్తారు, ఆడియోలో వెతుకుతారు, లేదా ఖచ్చితమైన పదాల వద్ద క్లిప్‌లు కట్ చేస్తారు. చదవడానికి TXT లేదా Word సులభం.

నా MP3 95 MB కంటే పెద్దది. ఏం చేయాలి?

మాటకు ఎక్కువ బిట్‌రేట్ అవసరం లేదు. ఆడియో కంప్రెస్తో ఫైల్‌ను 64 kbps మోనోలో మళ్లీ ఎన్‌కోడ్ చేయండి; ఇది ట్రాన్స్‌క్రిప్షన్‌కు హాని లేకుండా పొడవైన రికార్డింగ్‌ను చాలా రెట్లు చిన్నదిగా చేస్తుంది. తర్వాత చిన్న ఫైల్‌ను అప్‌లోడ్ చేయండి.

ఎవరు మాట్లాడుతున్నారో గుర్తించగలదా?

మాట్లాడేవారి లేబుల్స్ ఆన్‌లో ఉంటే, గొంతు మారినప్పుడు ట్రాన్స్‌క్రిప్ట్ స్పీకర్ 1, స్పీకర్ 2 అని గుర్తిస్తుంది. పేర్లు తెలియవు, కాబట్టి తర్వాత Wordలో లేబుల్స్‌ను అసలు పేర్లతో మార్చండి.