Transkrypcja wideo MP4
Wybierz plik wideo, a wyodrębniona i przetranskrybowana zostanie tylko jego ścieżka audio. Samo wideo nigdy nie jest wysyłane. Wynik jest wyświetlany jako napisy na wideo, a możesz go wyeksportować jako napisy SRT.
W tym języku dokładność mniejszych modeli wyraźnie spada. Wybierz Whisper Small lub większy
Zwykle można zostawić „Auto”. Zmień to ustawienie tylko wtedy, gdy liczba mówców w wyniku jest wyraźnie błędna
Nie masz pliku? Nagraj dźwięk mikrofonem. Transkrypcja rozpocznie się po zatrzymaniu nagrywania (na tym urządzeniu z wybranym modelem do ok. 000 min). Nagranie również nie jest wysyłane na żaden serwer.
Jak przetranskrybować wideo MP4
- Najpierw ustaw model, język i rozpoznawanie mówców, ponieważ transkrypcja rozpoczyna się od razu po wczytaniu wideo. Dla filmów z muzyką w tle lub efektami dźwiękowymi w językach innych niż japoński, chiński i koreański wybierz model Small lub większy. Dla hiszpańskiego, niemieckiego i innych języków europejskich na komputerze z WebGPU Parakeet Ultra jest dokładniejszy i szybszy niż Small.
- Upuść plik wideo tutaj lub kliknij, aby go wybrać. Ścieżka audio również jest wyodrębniana w przeglądarce, a wiersze pojawiają się na ekranie, gdy tylko zostaną ustalone.
- Po zakończeniu odtwórz wideo i poprawiaj treść oraz czas wierszy, gdy wynik jest wyświetlany jako napisy. Następnie wyeksportuj go w „Pobierz” jako napisy SRT lub VTT albo jako dokument TXT lub Word. O tym, co sprawdzić przed użyciem wyniku jako napisów, piszemy na stronie Generowanie napisów (SRT).
Wczytywanie różnych rodzajów wideo
- Filmy nagrane smartfonem wczytują się bez zmian po przeniesieniu na komputer. Filmy z aparatu iPhone’a są zapisywane jako MOV, który działa tak samo jak MP4. Możesz też otworzyć tę stronę w przeglądarce telefonu i wybrać film tam, ale wtedy działa ona w trybie oszczędzającym pamięć (WASM) i może przetworzyć za jednym razem krótsze nagrania niż komputer. Długie filmy wczytuj na komputerze.
- Filmów z YouTube i innych serwisów wideo nie można wczytać z ich adresu URL. Własny film przesłany na YouTube zaznacz w sekcji „Treści” w YouTube Studio i wybierz „Pobierz” z jego menu, aby zapisać go jako MP4. Następnie wybierz zapisany plik na tej stronie.
- W przypadku wideo w innym języku wybierz ten język w polu „Język” przed wczytaniem pliku. Po zakończeniu użyj funkcji „Tłumaczenie” w Chrome lub Edge na komputerze, aby odtwarzać tłumaczenie jako napisy na wideo.
- Gdy dodajesz napisy w programie do edycji wideo, wczytaj wideo wyeksportowane po montażu. Jeśli przetranskrybujesz surowy materiał, czas napisów rozjedzie się z gotowym filmem o tyle, ile wycięto. Wyeksportuj SRT, aby wczytać napisy do programu do edycji wideo, albo VTT dla odtwarzacza wideo na stronie internetowej.
Jak działa tu transkrypcja wideo
Wyodrębniany jest tylko dźwięk, więc rozdzielczość i kodek wideo nie mają wpływu na wynik. Filmów bez ścieżki audio nie da się przetworzyć. Głośna muzyka w tle lub hałas otoczenia obniżają dokładność – w takim materiale wcześniej wyrównaj głośność, a w językach innych niż japoński, chiński i koreański użyj modelu Small lub większego. Dla hiszpańskiego, niemieckiego i innych języków europejskich na komputerze z WebGPU Parakeet Ultra jest dokładniejszy i szybszy niż Small.
Po zakończeniu transkrypcji wynik jest nakładany na wideo jako napisy podczas odtwarzania. Poprawiaj treść w trakcie oglądania albo przełącz na przetłumaczone napisy funkcją tłumaczenia. Oprócz napisów (SRT, VTT) możesz eksportować zwykły tekst (TXT), Word, PDF i inne formaty. SRT zawiera kody czasowe, więc wczytuje się bezpośrednio w edytorach wideo lub w YouTube. Przy włączonym rozpoznawaniu mówców każdy wiersz zawiera też informację, kto mówił.
Kroki dla nagrań spotkań online, np. z Zooma lub Teams, znajdziesz na stronie Transkrypcja spotkań.
Gdy coś pójdzie nie tak
- Jeśli przetwarzanie zatrzymuje się z błędem, sprawdź, czy wideo w ogóle zawiera dźwięk. Nagrania ekranu wykonane z wyłączonym mikrofonem i dźwiękiem systemowym nie mają dźwięku.
- Filmy o rozmiarze kilku gigabajtów wczytują się bez problemu, ale aby wyodrębnić dźwięk, trzeba odczytać cały plik, więc rozpoczęcie przetwarzania chwilę trwa. Jeśli wideo jest na dysku zewnętrznym lub w folderze sieciowym, skopiowanie go najpierw na wewnętrzny dysk komputera przyspieszy start.
Najczęściej zadawane pytania
Jakie formaty wideo są obsługiwane?
MP4, MOV, MKV, WebM, AVI, WMV, FLV, MPG, MPEG-TS i 3GP. W każdym przypadku do transkrypcji wyodrębniana jest tylko ścieżka audio.
Czy plik wideo naprawdę nie jest wysyłany?
Zgadza się. Odczyt wideo i wyodrębnianie dźwięku odbywają się w przeglądarce, więc plik nigdy nie opuszcza Twojego urządzenia. Statystyki przetwarzania służące do naprawiania problemów (parametry urządzenia, rodzaj błędu itp.) są wysyłane na serwer tej strony, ale nie zawierają nagrań, tekstu transkrypcji, nazw plików ani adresów IP. Możesz to wyłączyć przełącznikiem w sekcji „Pomóż nam ulepszać serwis” na dole strony.
Czy mogę użyć wyniku jako pliku napisów?
Tak. Eksport do SRT tworzy napisy z kodami czasowymi, które edytory wideo i YouTube wczytują bezpośrednio. Przed eksportem odtwórz wideo, aby sprawdzić na ekranie treść i czas napisów, i popraw tekst.
Czy narzędzie poradzi sobie z długimi filmami?
Tak. Rozmiar pliku i długość nie są ograniczone. Długość wideo, które można przetworzyć za jednym razem, zależy od pamięci urządzenia i wybranego modelu; jeśli się nie zmieści, strona poinformuje o tym przed rozpoczęciem przetwarzania. Karta musi jednak pozostać otwarta podczas przetwarzania.
Przygotowanie nagrań i dalsza praca po transkrypcji
Pomóż nam ulepszać serwis
Przesłanie nam okoliczności przetwarzania – udanego lub nie – pomaga wyśledzić przyczyny problemów (do obliczenia odsetka niepowodzeń potrzebne są oba przypadki). Wiedząc, na jakich urządzeniach i przy jakich ustawieniach błędy zdarzają się najczęściej, możemy dopracować zalecane ustawienia i naprawiać usterki. Jeśli nie masz nic przeciwko, pozostawienie tej opcji włączonej bardzo nam pomoże.
Co jest wysyłane
Parametry urządzenia (model GPU, pamięć, liczba rdzeni), przeglądarka i system operacyjny, wybrany model i język, ustawienie rozpoznawania mówców (włączone lub wyłączone oraz podana liczba mówców), język wyświetlania strony, etap, do którego doszło przetwarzanie (także gdy je zatrzymasz lub zamkniesz stronę), rodzaj i treść błędu, format pliku wraz z przybliżonym rozmiarem i długością oraz czas przetwarzania. Tymczasowy numer, który łączy przetwarzania w tej samej karcie (jest usuwany po zamknięciu karty). Na ekranie wyników: ile razy użyto edycji (np. zmiany nazwy mówcy lub podziału wiersza), tłumaczenia, streszczeń i wczytywania plików napisów, formaty wybrane w „Pobierz”, ile razy użyto „Kopiuj tekst” i „Pobierz wszystko” oraz para języków tłumaczenia.
Co nigdy nie jest wysyłane
Nagrania, transkrypcje (w tym nazwy mówców i tłumaczenia), nazwy plików i adresy IP. Dane trafiają wyłącznie na serwer tej strony i nigdy nie są przekazywane podmiotom zewnętrznym.