MP3-fájl átírása szöveggé
Válasszon egy MP3-fájlt, és az AI (Whisper vagy SenseVoice) a böngészőben átírja. A hang soha nem jut el szerverre. Fiók, fizetés és hosszkorlát nélkül.
Ennél a nyelvnél a kisebb modellek pontossága erősen romlik. Válassza a Whisper Small vagy egy nagyobb modellt
Általában maradhat az Auto beállításon. Csak akkor módosítsa, ha az eredményben egyértelműen rossz a beszélők száma
Nincs fájlja? Rögzítsen a mikrofonnal. Az átírás a felvétel leállítása után indul (ezen az eszközön a kiválasztott modellel legfeljebb kb. 000 perc). A felvétel sem kerül semmilyen szerverre.
Hogyan írható át egy MP3?
- Válassza ki a nyelvet. Az automatikus felismerés is működik, de ha a tényleges nyelvet választja (például angol felvételnél az angolt), kevesebb lesz a félrefelismerés. A beszélők szétválasztása alapértelmezésként be van kapcsolva; ha csak egy ember beszél, kikapcsolhatja.
- Húzza ide az MP3-fájlt, vagy kattintson a kiválasztásához. Az átírás a fájl betöltésekor rögtön elindul, és a sorok sorban jelennek meg, ahogy véglegesednek.
- Ha elkészült, kattintson egy sorra, hogy onnan visszahallgassa a hangot, és javítsa a hibákat. Ezután válassza a TXT, Word vagy más formátumot a „Letöltés” alatt, vagy másolja ki közvetlenül a szöveget.
Mire érdemes figyelni MP3 esetén?
Az MP3 tömörített formátum, ezért az eredeti felvétel bitrátája közvetlenül befolyásolja a pontosságot. 128 kbps-tól a hétköznapi beszélgetés megbízhatóan felismerhető. 64 kbps alatt – vagy olyan telefonos felvételeknél, amelyekből hiányoznak a magas frekvenciák – több szó marad ki. A japántól, kínaitól és koreaitól eltérő nyelveknél általában segít, ha a Small vagy nagyobb modellre vált. Spanyol, német és más európai nyelveknél WebGPU-t támogató számítógépen a Parakeet Ultra pontosabb és gyorsabb a Smallnál.
Minden a saját eszközén fut. A fájl nem töltődik fel, és az elkészült szöveg sem kerül sehová, így a külső félnek át nem adható felvételek – értekezletek, interjúk – is változtatás nélkül feldolgozhatók.
A csendes szakaszok feldolgozása kimarad, így az időigény attól függ, mennyi ideig beszélnek ténylegesen, nem a fájl hosszától. A hosszú szünetekkel tarkított előadások, vagy azok a felvételek, amelyeken sokáig senki sem beszél, a hosszuk alapján vártnál gyorsabban elkészülnek.
Ha valami nem működik
- Ha ugyanazt a nevet vagy kifejezést újra és újra rosszul írja át, az eredményképernyő „Keresés és csere” funkciójával egyszerre javíthatja az összes előfordulást.
- Zenét vagy szignált tartalmazó podcastokban a zene alatt olyan mondatok is megjelenhetnek, amelyeket senki sem mondott. Ezeket a sorokat törölje az eredményképernyőn.
Gyakori kérdések
Átírhatók az MP3-tól eltérő formátumok is?
Igen. A WAV, M4A, AAC, FLAC, OGG, Opus, AIFF, WMA, AMR és WebM is támogatott. Ha videofájlt választ, csak a hangsáv kinyerése és feldolgozása történik meg.
Van fájlméretkorlát?
Nincs. Időtartamkorlát sincs. Az, hogy milyen hosszú felvétel dolgozható fel egyszerre, az eszköz memóriájától és a kiválasztott modelltől függ; ha nem fér bele, az oldal a feldolgozás megkezdése előtt jelzi.
Feltöltődik valahová a hangom?
Nem. Az átírás a böngészőben fut, és sem a hangfájl, sem az elkészült szöveg nem kerül külső szerverre. A hibák javításához használt feldolgozási statisztikák (az eszköz jellemzői, a hiba típusa és hasonlók) az oldal saját szerverére kerülnek, de nem tartalmaznak hangot, átiratszöveget, fájlnevet vagy IP-címet. Ezt az oldal alján, „A szolgáltatás fejlesztésének támogatása” alatti kapcsoló kikapcsolásával állíthatja le.
Mennyi ideig tart az átírás?
Az eszköztől és a modell méretétől függ. WebGPU esetén gyakran gyorsabb a valós idejűnél; enélkül a hanganyag hosszának többszörösét is igénybe veheti.
A hanganyag előkészítése és az átírás utáni teendők
A szolgáltatás fejlesztésének támogatása
Ha elküldi nekünk a feldolgozás körülményeit – akár sikeres, akár sikertelen –, azzal segít felderíteni a hibákat (a hibaarányhoz mindkettő kell). Ha tudjuk, mely eszközökön és beállításokkal fordul elő leggyakrabban hiba, módosíthatjuk az ajánlott alapértelmezéseket, és kijavíthatjuk a mögöttük álló hibákat. Ha nem bánja, sokat segít, ha bekapcsolva hagyja.
Mit küldünk el?
Az eszköz jellemzői (GPU-típus, memória, magok száma), a böngésző és az operációs rendszer, a kiválasztott modell és nyelv, a beszélők szétválasztásának beállítása (be vagy ki, és a megadott beszélőszám), az oldal megjelenítési nyelve, hogy meddig jutott a feldolgozás (beleértve azt is, ha leállította, vagy bezárta az oldalt), a hiba típusa és részletei, a fájl formátuma a hozzávetőleges méretével és hosszával, az egyes szakaszok időtartama, valamint a letöltött AI-modelladatok mennyisége. Egy ideiglenes szám, amely összekapcsolja az ugyanabban a lapon végzett feldolgozásokat (a lap bezárásakor törlődik). Az eredményképernyőn: hányszor használta a szerkesztést (például a beszélők átnevezését vagy a sorok felosztását), a fordítást, az összefoglalókat és a feliratimportálást, a „Letöltés” alatt választott formátumok, milyen gyakran használta a „Szöveg másolása” és az „Összes letöltése” funkciót, valamint a fordítás nyelvpárja.
Mit nem küldünk el soha?
A hangot, az átiratokat (beleértve a beszélők nevét és a fordításokat), a fájlneveket és az IP-címeket. Az adatok csak az oldal saját szerverére jutnak, soha nem kerülnek külső szolgáltatáshoz.