แปลง MP3 เป็นข้อความ

Q: ถอดเสียงเฉพาะบางช่วงของไฟล์ MP3 ที่ยาวได้หรือไม่

ได้ ใส่ **เริ่มที่** และ **สิ้นสุดที่** ใน **การตั้งค่าขั้นสูง** เป็นวินาที หรือเป็นนาที:วินาที เช่น 12:30 ถึง 18:00 ระบบจะถอดเสียงเฉพาะช่วงนั้น ซึ่งเร็วกว่าเมื่อต้องการคำตอบเดียวจากบทสัมภาษณ์ยาว ๆ

Q: ระบุได้หรือไม่ว่าใครเป็นผู้พูด

เมื่อเปิด **ป้ายระบุผู้พูด** บทถอดเสียงจะระบุการเปลี่ยนเสียงเป็นผู้พูด 1, ผู้พูด 2 และต่อไปเรื่อย ๆ ระบบไม่รู้จักชื่อ จึงควรแทนที่ป้ายด้วยชื่อจริงใน Word ภายหลัง

อัปโหลดไฟล์ MP3 ของการบรรยาย การสัมภาษณ์ การประชุม หรือพอดแคสต์ แล้วรับคำพูดกลับมาเป็นข้อความที่ค้นหา แก้ไข และยกไปอ้างอิงได้ เลือกข้อความธรรมดาสำหรับจดบันทึก เลือก Word สำหรับแก้ไข หรือเลือก SRT และ VTT เมื่อต้องให้ข้อความตรงกับจังหวะในวิดีโอ

หรือลากไฟล์ MP3, WAV, M4A … มาวางที่นี่ ·

สูงสุด 95 MB ต่อไฟล์· ได้สูงสุด 20 ไฟล์· ลบหลังจาก 30 นาที

การถอดเสียง

ภาษาที่พูด

ผลลัพธ์

ไฟล์จะถูกประมวลผลบนเซิร์ฟเวอร์ของเราและถูกลบหลังจาก 30 นาที

ข้อความถอดเสียง

การประทับเวลา

ใส่เวลา เช่น [01:15] ไว้หน้าแต่ละย่อหน้า เพื่อให้หาตำแหน่งในไฟล์บันทึกเสียงได้

ป้ายระบุผู้พูด

ระบุว่าใครกำลังพูด (ผู้พูด 1, ผู้พูด 2) สำหรับการสัมภาษณ์ การประชุม และพอดแคสต์

เครื่องหมายวรรคตอน

เพิ่มมหัพภาค จุลภาค เครื่องหมายคำถาม และตัวพิมพ์ใหญ่ ปิดตัวเลือกนี้หากต้องการเฉพาะคำดิบ

ลบคำเติม

ตัดคำอย่าง อืม เอ่อ และเสียงลังเลที่คล้ายกันออก เพื่อให้ข้อความถอดเสียงสะอาดและอ่านง่ายขึ้น

ช่วงที่จะถอดเสียง

เริ่มที่

ไม่บังคับ ระบุเป็นวินาที (เช่น 75) หรือนาที:วินาที (1:15) เว้นว่างไว้เพื่อถอดเสียงตั้งแต่ต้น

สิ้นสุดที่

ไม่บังคับ ใช้รูปแบบเดียวกับเวลาเริ่มต้น เว้นว่างไว้เพื่อถอดเสียงจนจบ

วิธีใช้เครื่องมือนี้

1
อัปโหลดไฟล์ MP3
วางไฟล์ MP3 หนึ่งไฟล์หรือหลายไฟล์ ได้สูงสุด 20 ไฟล์ต่อครั้ง ไฟล์ละไม่เกิน 95 MB ไฟล์เสียงและวิดีโออื่น ๆ เช่น M4A, WAV และ MP4 ก็ใช้ได้เช่นกัน
2
ตั้งค่าภาษาและรูปแบบผลลัพธ์
ภาษาที่พูด ตั้งเป็นตรวจหาอัตโนมัติ ซึ่งจะฟัง 30 วินาทีแรกของไฟล์ หากเสียงเริ่มต้นด้วยดนตรี ให้เลือกภาษาเอง ส่วน ผลลัพธ์ เริ่มต้นเป็นข้อความล้วน และเปลี่ยนเป็น Word, PDF, SRT หรือ VTT ได้ตามต้องการ
3
ถอดเสียงแล้วดาวน์โหลด
กด ถอดเสียง แล้วดาวน์โหลดบทถอดเสียง หากต้องการค้นหาช่วงที่ต้องการหรือแยกว่าใครพูด ให้เปิด การประทับเวลา หรือ ป้ายระบุผู้พูด ใน การตั้งค่าขั้นสูง ก่อน

การถอดเสียง MP3 เปลี่ยนการฟังหลายนาทีให้เป็นการอ่านไม่กี่วินาที ค้นหาคำ คัดลอกคำพูด หรือส่งข้อความให้คนที่เปิดฟังเสียงไม่ได้

ทำไมต้องแปลงเสียง MP3 เป็นข้อความ

MP3 เป็นไฟล์ที่เครื่องอัดเสียง แอปบันทึกเสียงในโทรศัพท์ และเครื่องมือพอดแคสต์ส่วนใหญ่ส่งออก จึงมักเป็นไฟล์ที่คุณมีอยู่แล้ว นักเรียนถอดเสียงจากการบันทึกคำบรรยายเพื่อทำโน้ตอ่านสอบ นักข่าวดึงคำพูดที่แม่นยำจากบทสัมภาษณ์ นักวิจัยลงรหัสข้อมูลกลุ่มสนทนา และพอดแคสเตอร์เผยแพร่บทถอดเสียงเพื่อให้เสิร์ชเอนจินค้นเจอและผู้ที่หูหนวกหรือได้ยินไม่ชัดอ่านได้

ผลลัพธ์ที่เลือกกำหนดสิ่งที่ทำต่อได้ ข้อความล้วน (TXT) วางได้ทุกที่ Word (DOCX) พร้อมแก้ไขและใส่ความคิดเห็น PDF เหมาะกับบทถอดเสียงที่ไม่ต้องการให้แก้ไข SRT และ VTT เป็นไฟล์ซับไตเติลที่มีเวลา ส่วน JSON แสดงทุกคำพร้อมเวลาสำหรับนักพัฒนา

หากเสียงอยู่ในวิดีโอ อัปโหลดวิดีโอได้เลย ระบบจะถอดเสียงจากแทร็กเสียง หรือแยกเสียงก่อนด้วย MP4 เป็น MP3 เมื่อวิดีโอใหญ่เกินกว่าจะอัปโหลด

ไฟล์ต่อครั้ง: 20
ต่อไฟล์: 95 MB
ภาษา พร้อมตรวจหาอัตโนมัติ: 33
ก่อนไฟล์ที่อัปโหลดถูกลบ: 30 นาที

ปัจจัยที่มีผลต่อความแม่นยำในการแปลง MP3 เป็นข้อความ

ผู้พูดพูดทับกัน: เสียงสองคนพร้อมกันเป็นกรณีที่ยากที่สุด การประชุมแบบเสวนาและการบันทึกวงข้าวจะตกหล่นคำมากที่สุดตรงที่คนพูดแทรกกัน
เสียงรบกวนพื้นหลัง: ดนตรี เสียงรถ และเสียงเครื่องปรับอากาศแย่งกับเสียงพูด ห้องที่เงียบสำคัญกว่าไมโครโฟนราคาแพง
การบันทึกโทรศัพท์และสายสนทนา: สายโทรศัพท์แบบดั้งเดิมส่งผ่านย่านความถี่แคบ พยัญชนะจึงไม่ชัด การบันทึกสายสนทนาจึงต้องแก้ไขมากขึ้น
ตั้งค่าภาษาไม่ถูกต้อง: การตรวจหาอัตโนมัติอาจพลาดกับไฟล์ที่เริ่มด้วยดนตรีหรือสลับภาษา การตั้ง ภาษาที่พูด เองจะแก้ปัญหานี้ได้

แปลง MP3 เป็นซับไตเติล SRT พร้อมเวลากำกับ

ตัวอย่างสองช่วงจากไฟล์ SRT

1
00:00:01,200 --> 00:00:04,050
ยินดีต้อนรับกลับสู่รายการ

2
00:00:04,300 --> 00:00:07,900
วันนี้เราจะคุยกันเรื่องการบันทึกเสียงที่บ้าน

SRT มาจาก SubRip ซึ่งเป็นเครื่องมือทำซับไตเติลบน Windows และเป็นฟอร์แมตซับไตเติลที่รองรับกว้างที่สุด ประกอบด้วยหมายเลข เวลาเริ่มและสิ้นสุดโดยใช้จุลภาคคั่นก่อนมิลลิวินาที และข้อความคำบรรยาย ส่วน VTT หรือ WebVTT เป็นเวอร์ชันของ W3C สำหรับเครื่องเล่นวิดีโอบนเว็บ และใช้จุดแทนจุลภาค ทั้งสองเป็นข้อความล้วน จึงแก้คำที่ฟังผิดได้ในโปรแกรมแก้ไขข้อความทั่วไป

คำบรรยายจะตัดบรรทัดที่ 42 อักขระโดยค่าเริ่มต้น ซึ่งเป็นขีดจำกัดที่คู่มือสไตล์ซับไตเติลมืออาชีพ เช่นของ Netflix ใช้กับภาษาที่ใช้อักษรละตินส่วนใหญ่ หากต้องการตัวบอกเวลาในเอกสารแทนไฟล์ซับไตเติล ให้ใช้ TXT, Word หรือ PDF แล้วเปิด การประทับเวลา ซึ่งจะใส่เครื่องหมายเช่น [01:15] หน้าแต่ละย่อหน้า มีซับไตเติลอยู่แล้วและต้องการข้อความล้วนใช่ไหม SRT เป็น TXT จะตัดหมายเลขและเวลาออกให้

คำถามเกี่ยวกับการแปลง MP3 เป็นข้อความ

แปลงเสียง MP3 เป็นข้อความได้แม่นยำแค่ไหน

ขึ้นอยู่กับคุณภาพการบันทึกมากกว่ารูปแบบไฟล์ เสียงพูดของคนเดียวที่ชัดเจนและอยู่ใกล้ไมโครโฟนจะถอดเสียงได้แม่นยำมาก ส่วนการโทรศัพท์ ร้านกาแฟที่เสียงดัง หรือหลายคนพูดแทรกกันจะผิดพลาดมากขึ้น ควรอ่านทวนบทถอดเสียงสักรอบก่อนนำไปอ้างอิง

ถอดเสียงเฉพาะบางช่วงของไฟล์ MP3 ที่ยาวได้หรือไม่

ได้ ใส่ เริ่มที่ และ สิ้นสุดที่ ใน การตั้งค่าขั้นสูง เป็นวินาที หรือเป็นนาที:วินาที เช่น 12:30 ถึง 18:00 ระบบจะถอดเสียงเฉพาะช่วงนั้น ซึ่งเร็วกว่าเมื่อต้องการคำตอบเดียวจากบทสัมภาษณ์ยาว ๆ

ควรเลือกรูปแบบผลลัพธ์แบบใดสำหรับคำบรรยาย YouTube

SRT หรือ VTT ทั้งสองแบบมีเวลาเริ่มและสิ้นสุดของทุกบรรทัด และ YouTube Studio รับได้ทั้งสองแบบเมื่ออัปโหลดไฟล์ซับไตเติล ตั้ง จำนวนอักขระต่อบรรทัด ไว้ที่ 42 เพื่อให้คำบรรยายแต่ละช่วงพอดีสองบรรทัดสั้น ๆ บนหน้าจอ

ผลลัพธ์แบบ JSON มีข้อมูลอะไรบ้าง

ได้ทุกคำพร้อมเวลาเริ่มและสิ้นสุด นักพัฒนาใช้สร้างบทถอดเสียงแบบโต้ตอบ ค้นหาภายในไฟล์เสียง หรือตัดคลิปตรงคำที่ต้องการ หากเพื่อการอ่าน TXT หรือ Word จะอ่านง่ายกว่า

ไฟล์ MP3 มีขนาดเกิน 95 MB ต้องทำอย่างไร

เสียงพูดไม่ต้องใช้บิตเรตสูง ให้เข้ารหัสไฟล์ใหม่เป็น 64 kbps โมโนด้วย บีบอัดไฟล์เสียง ซึ่งทำให้บันทึกเสียงยาว ๆ เล็กลงหลายเท่าโดยไม่กระทบการถอดเสียง แล้วอัปโหลดไฟล์ที่เล็กลง

ระบุได้หรือไม่ว่าใครเป็นผู้พูด

เมื่อเปิด ป้ายระบุผู้พูด บทถอดเสียงจะระบุการเปลี่ยนเสียงเป็นผู้พูด 1, ผู้พูด 2 และต่อไปเรื่อย ๆ ระบบไม่รู้จักชื่อ จึงควรแทนที่ป้ายด้วยชื่อจริงใน Word ภายหลัง