แปลงเสียงเป็นข้อความ

การแปลงเสียงเป็นข้อความหรือที่เรียกว่าการถอดเสียง คือการเปลี่ยนคำพูดที่บันทึกไว้ให้เป็นตัวหนังสือ อัปโหลดไฟล์ ปล่อย ภาษาที่พูด ไว้ที่ตรวจหาอัตโนมัติหรือเลือกภาษา เลือกผลลัพธ์ แล้วกด ถอดเสียง

การประทับเวลา

การประทับเวลา จะใส่เวลา เช่น [01:15] ไว้หน้าแต่ละย่อหน้าของบทถอดเสียง TXT, Word และ PDF เพื่อให้หาช่วงเวลานั้นในเสียงบันทึกได้

ป้ายระบุผู้พูด

ป้ายระบุผู้พูด จะระบุว่าใครกำลังพูด เป็นผู้พูด 1 ผู้พูด 2 และต่อไป สำหรับการสัมภาษณ์ การประชุม และพอดแคสต์ แล้วค่อยแทนป้ายด้วยชื่อจริงภายหลัง

เครื่องหมายวรรคตอนและคำเติม

เครื่องหมายวรรคตอน เปิดอยู่โดยค่าเริ่มต้น ส่วน ลบคำเติม จะตัดคำอย่าง เอ่อ อืม และเสียงอ้ำอึ้งทำนองเดียวกันออก

จำนวนอักขระต่อบรรทัด

สำหรับ SRT และ VTT จำนวนอักขระต่อบรรทัด จะแบ่งคำบรรยายที่ยาวออก ค่าเริ่มต้นคือ 42 ซึ่งเป็นขีดจำกัดที่แนวทางซับไตเติลของ Netflix ใช้กับภาษาอักษรละตินส่วนใหญ่ ตั้งค่าได้ตั้งแต่ 20 ถึง 80

ช่วงที่ต้องการถอดเสียง

เริ่มที่ และ สิ้นสุดที่ จำกัดงานไว้เฉพาะบางช่วง ระบุเป็นวินาที (75) หรือนาที:วินาที (1:15)

ไฟล์เสียงต่อครั้ง

20

ต่อไฟล์เสียงหรือวิดีโอ

95 MB

ภาษาที่พูด พร้อมตรวจหาอัตโนมัติ

33

ก่อนไฟล์และบทถอดเสียงถูกลบ

30 นาที

• คำผิดหรือคำหายไปจำนวนมาก

  เสียงรบกวนพื้นหลัง ระยะห่างจากไมโครโฟน และการพูดแทรกกัน เป็นสาเหตุของข้อผิดพลาดส่วนใหญ่ หากทำได้ให้บันทึกใกล้ผู้พูดมากขึ้น และตรวจว่า ภาษาที่พูด ถูกต้อง

• บทถอดเสียงเป็นภาษาที่ผิด

  การตรวจหาอัตโนมัติฟังเจอดนตรีหรือภาษาอื่นใน 30 วินาทีแรก ให้เลือก ภาษาที่พูด ด้วยตนเองแล้วถอดเสียงอีกครั้ง

• ซับไตเติลยาวเกินกว่าจะอ่านทันบนหน้าจอ

  ลด จำนวนอักขระต่อบรรทัด เหลือ 32–37 สำหรับผู้ชมบนมือถือ เพื่อให้แต่ละคำบรรยายแบ่งเป็นบรรทัดที่สั้นลง

• ชื่อและศัพท์เทคนิคสะกดผิด

  คำที่พบไม่บ่อยเป็นเรื่องยากสำหรับโมเดลทุกตัว ให้ค้นหาและแทนที่ในผลลัพธ์แบบ Word หรือข้อความเพียงครั้งเดียว เพราะมักสะกดผิดแบบเดียวกันตลอดทั้งไฟล์