UltKit

MP3 سے ٹیکسٹ کنورٹر

لیکچر، انٹرویو، میٹنگ یا پوڈکاسٹ کی MP3 اپ لوڈ کریں اور بولے گئے الفاظ ایسے متن کی صورت میں حاصل کریں جسے آپ تلاش کر سکیں، ایڈٹ کر سکیں اور حوالہ دے سکیں۔ نوٹس کے لیے سادہ ٹیکسٹ، ایڈیٹنگ کے لیے Word، یا جب الفاظ کو ویڈیو کے ساتھ ہم آہنگ کرنا ہو تو SRT اور VTT منتخب کریں۔

آڈیو سے ٹیکسٹ

یا MP3, WAV, M4A … فائلیں یہاں ڈراپ کریں ·

زیادہ سے زیادہ 95 MB فی فائل· 20 فائلوں تک· 30 منٹ بعد حذف

ٹرانسکرپشن

فائلیں ہمارے سرورز پر پروسیس ہوتی ہیں اور 30 منٹ بعد حذف ہو جاتی ہیں۔

اس ٹول کو استعمال کرنے کا طریقہ

  1. 1

    MP3 اپ لوڈ کریں

    ایک یا زیادہ MP3 فائلیں ڈالیں، ایک وقت میں زیادہ سے زیادہ 20 اور ہر ایک 95 MB تک۔ دوسری آڈیو اور ویڈیو فائلیں جیسے M4A، WAV اور MP4 بھی چلتی ہیں۔

  2. 2

    زبان اور آؤٹ پٹ منتخب کریں

    بولی جانے والی زبان پر خودکار شناخت لگی ہوتی ہے، جو پہلے 30 سیکنڈ سنتی ہے۔ اگر ریکارڈنگ موسیقی سے شروع ہو تو زبان خود منتخب کریں۔ آؤٹ پٹ ابتدا میں سادہ متن ہوتا ہے؛ ضرورت ہو تو Word، PDF، SRT یا VTT منتخب کریں۔

  3. 3

    ٹرانسکرائب کریں اور ڈاؤن لوڈ کریں

    ٹرانسکرائب کریں دبائیں اور ٹرانسکرپٹ ڈاؤن لوڈ کریں۔ اگر عبارتیں تلاش کرنی ہوں یا آوازوں میں فرق کرنا ہو تو پہلے اعلیٰ سیٹنگز میں ٹائم اسٹیمپس یا بولنے والوں کے لیبل آن کریں۔

MP3 کو ٹرانسکرائب کرنے سے منٹوں کی سماعت سیکنڈوں کے مطالعے میں بدل جاتی ہے: کوئی لفظ تلاش کریں، اقتباس کاپی کریں، یا متن اس کو دیں جو آڈیو نہیں چلا سکتا۔

MP3 کو ٹیکسٹ میں کیوں بدلیں

زیادہ تر وائس ریکارڈر، فون کی ریکارڈنگ ایپس اور پوڈکاسٹ ٹولز MP3 ہی ایکسپورٹ کرتے ہیں، اس لیے عموماً یہی فائل آپ کے پاس ہوتی ہے۔ طلبہ ریکارڈ شدہ لیکچرز کو نوٹس کے طور پر پڑھنے کے لیے ٹرانسکرائب کرتے ہیں، صحافی انٹرویوز سے درست اقتباسات نکالتے ہیں، محققین فوکس گروپس کو کوڈ کرتے ہیں، اور پوڈکاسٹرز ٹرانسکرپٹ شائع کرتے ہیں تاکہ ایپی سوڈ سرچ انجنوں میں ملے اور سماعت سے محروم افراد بھی اسے پڑھ سکیں۔

آؤٹ پٹ طے کرتا ہے کہ آگے آپ کیا کر سکتے ہیں۔ سادہ متن (TXT) کہیں بھی پیسٹ ہو جاتا ہے۔ Word (DOCX) ایڈیٹنگ اور تبصروں کے لیے تیار ہے۔ PDF اس ٹرانسکرپٹ کے لیے موزوں ہے جو بدلا نہیں جانا چاہیے۔ SRT اور VTT وقت کے ساتھ سب ٹائٹل فائلیں ہیں، اور JSON ڈیولپرز کے لیے ہر لفظ اس کے وقت کے ساتھ دیتا ہے۔

اگر ریکارڈنگ ویڈیو کے اندر ہے تو ویڈیو ہی اپ لوڈ کر سکتے ہیں؛ اس کا آڈیو ٹریک ٹرانسکرائب ہوگا۔ یا ویڈیو اپ لوڈ کے لیے بہت بڑی ہو تو پہلے MP4 سے MP3 سے آواز نکال لیں۔

فائلیں فی بیچ
20
فی فائل
95 MB
زبانیں اور خودکار شناخت
33
اپ لوڈ حذف ہونے تک
30 منٹ

MP3 سے ٹیکسٹ کی درستگی پر کیا اثر ڈالتا ہے

ایک دوسرے پر بولتے لوگ
ایک ساتھ دو آوازیں سب سے مشکل صورت ہیں۔ پینل اور کھانے کی میز کی ریکارڈنگز میں جہاں لوگ ایک دوسرے کی بات کاٹتے ہیں وہاں سب سے زیادہ الفاظ ضائع ہوتے ہیں۔
پس منظر کی آواز
موسیقی، ٹریفک اور ایئر کنڈیشنر تقریر سے مقابلہ کرتے ہیں۔ مہنگے مائیکروفون سے زیادہ خاموش کمرہ اہم ہے۔
فون اور کال ریکارڈنگز
روایتی فون لائنیں تعدد کی صرف تنگ پٹی منتقل کرتی ہیں، اس لیے حروفِ صحیح دھندلے ہو جاتے ہیں۔ کال ریکارڈنگز میں زیادہ تصحیح کی توقع رکھیں۔
غلط زبان کی سیٹنگ
جو فائل موسیقی سے شروع ہو یا زبان بدلتی ہو، اس پر خودکار شناخت غلط اندازہ لگا سکتی ہے۔ بولی جانے والی زبان خود منتخب کرنے سے مسئلہ حل ہو جاتا ہے۔

ٹائم اسٹیمپ کے ساتھ MP3 سے SRT سب ٹائٹلز

SRT فائل کے دو کیپشن
1
00:00:01,200 --> 00:00:04,050
شو میں دوبارہ خوش آمدید۔

2
00:00:04,300 --> 00:00:07,900
آج ہم گھر پر ریکارڈنگ کے بارے میں بات کر رہے ہیں۔

SRT کا نام SubRip سے آیا ہے، جو Windows کا سب ٹائٹل ٹول تھا، اور یہ سب سے زیادہ قبول کیا جانے والا سب ٹائٹل فارمیٹ ہے: ایک نمبر، ملی سیکنڈ سے پہلے کوما کے ساتھ آغاز اور اختتام کا وقت، اور کیپشن کا متن۔ VTT یا WebVTT ویب ویڈیو پلیئرز کے لیے W3C کا ورژن ہے اور کوما کی جگہ نقطہ استعمال کرتا ہے۔ دونوں سادہ متن ہیں، اس لیے غلط سنا گیا لفظ کسی بھی ایڈیٹر میں درست کر سکتے ہیں۔

کیپشن کی سطریں بطور ڈیفالٹ 42 حروف پر لپیٹی جاتی ہیں، جو لاطینی رسم الخط کی زیادہ تر زبانوں کے لیے Netflix جیسی پیشہ ورانہ سب ٹائٹل گائیڈز کی حد ہے۔ اگر سب ٹائٹل فائل کے بجائے دستاویز میں وقت کے نشان چاہییں تو TXT، Word یا PDF رکھیں اور ٹائم اسٹیمپس آن کریں، جو ہر پیراگراف سے پہلے [01:15] جیسا نشان لگاتا ہے۔ سب ٹائٹلز پہلے سے موجود ہیں اور سادہ متن چاہیے؟ SRT سے TXT نمبر اور وقت ہٹا دیتا ہے۔

MP3 سے ٹیکسٹ کے بارے میں سوالات

MP3 ٹرانسکرپشن کتنی درست ہوتی ہے؟

یہ فائل فارمیٹ سے کہیں زیادہ ریکارڈنگ پر منحصر ہے۔ مائیکروفون کے قریب ایک صاف آواز بہت اچھی ٹرانسکرائب ہوتی ہے؛ فون کال، شور والا کیفے یا ایک دوسرے پر بولتے کئی لوگ زیادہ غلطیاں پیدا کرتے ہیں۔ اقتباس لینے سے پہلے ٹرانسکرپٹ ایک بار ضرور پڑھ لیں۔

کیا میں لمبی MP3 کا صرف ایک حصہ ٹیکسٹ میں بدل سکتا ہوں؟

جی ہاں۔ اعلیٰ سیٹنگز میں شروع اور اختتام سیکنڈ یا منٹ:سیکنڈ میں لکھیں، مثلاً 12:30 سے 18:00۔ صرف اتنا حصہ ٹرانسکرائب ہوگا، جو لمبے انٹرویو سے ایک جواب چاہیے ہو تو تیز ہے۔

YouTube کیپشنز کے لیے کون سا آؤٹ پٹ منتخب کروں؟

SRT یا VTT۔ دونوں میں ہر سطر کا آغاز اور اختتام کا وقت ہوتا ہے، اور YouTube Studio سب ٹائٹل فائل اپ لوڈ کرتے وقت کوئی بھی قبول کرتا ہے۔ فی سطر حروف 42 رکھیں تاکہ ہر کیپشن اسکرین پر دو چھوٹی سطروں میں سما جائے۔

JSON آؤٹ پٹ میں کیا شامل ہوتا ہے؟

ہر لفظ اس کے آغاز اور اختتام کے وقت کے ساتھ۔ ڈیولپرز اسے انٹرایکٹو ٹرانسکرپٹ بنانے، آڈیو میں تلاش کرنے یا عین الفاظ پر کلپ کاٹنے کے لیے استعمال کرتے ہیں۔ پڑھنے کے لیے TXT یا Word آسان ہے۔

میری MP3 فائل 95 MB سے بڑی ہے۔ میں کیا کروں؟

تقریر کو زیادہ بٹ ریٹ درکار نہیں۔ آڈیو کمپریس کریں سے فائل کو 64 kbps مونو میں دوبارہ انکوڈ کریں، جو لمبی ریکارڈنگ کو کئی گنا چھوٹا کر دیتا ہے اور ٹرانسکرپشن پر اثر نہیں ڈالتا، پھر چھوٹی فائل اپ لوڈ کریں۔

کیا یہ بتا سکتا ہے کہ کون بول رہا ہے؟

بولنے والوں کے لیبل آن ہوں تو ٹرانسکرپٹ آواز بدلنے کو بولنے والا 1، بولنے والا 2 وغیرہ سے نشان زد کرتا ہے۔ اسے نام معلوم نہیں ہوتے، اس لیے بعد میں Word میں لیبل کی جگہ اصل نام لکھ دیں۔