Transkrypcja nagrania audio na tekst
Wybierz plik z dyktafonu lub aplikacji do nagrywania, a AI (Whisper lub SenseVoice) przetranskrybuje go w Twojej przeglądarce. Nie trzeba konwertować formatu i nie ma limitu czasu, niezależnie od długości nagrania. Nagranie nigdy nie trafia na serwer. Nie masz pliku? Możesz nagrać dźwięk mikrofonem na tej stronie i od razu go przetranskrybować (do 3 godzin lub krócej, zależnie od pamięci urządzenia i wybranego modelu).
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 plik z dyktafonu
- Podłącz dyktafon do komputera przez USB i skopiuj nagranie. Nagrania z aplikacji na smartfonie zapisz w chmurze z menu udostępniania. Kroki dla Dyktafonu na iPhonie znajdziesz na stronie Transkrypcja M4A.
- Jeśli mówią dwie osoby lub więcej, włącz rozpoznawanie mówców. Jeśli znasz język, wybierz go zamiast automatycznego wykrywania.
- Wybierz nagranie. Ustalone wiersze pojawiają się na ekranie na bieżąco, a po zakończeniu możesz wybrać TXT, Word, SRT lub inny format w „Pobierz”.
Jak nagrać dźwięk mikrofonem i go przetranskrybować
- Naciśnij „Nagraj mikrofonem” i zezwól na dostęp do mikrofonu, gdy przeglądarka o to poprosi.
- Gdy skończysz mówić, naciśnij „Zatrzymaj nagrywanie”. Podczas nagrywania limit nagrania jest widoczny na ekranie. Na telefonie zablokowanie ekranu lub przejście do innej aplikacji podczas nagrywania może przerwać nagrywanie.
- Sprawdź język, model i rozpoznawanie mówców, a następnie naciśnij „Rozpocznij transkrypcję”. Naciśnij „Zapisz jako plik audio”, aby zapisać nagranie jako plik; jest ono też przechowywane w historii tego urządzenia razem z transkrypcją.
Formaty plików według urządzenia nagrywającego
Wiele dyktafonów zapisuje MP3 lub WAV, a niektóre WMA. Aplikacje do nagrywania na smartfony zapisują M4A, MP3, AMR lub inne formaty. Wszystkie wczytują się bez zmian, więc nie trzeba ich wcześniej konwertować do MP3.
Na wynik najbardziej wpływa sposób nagrania. Liczą się trzy rzeczy: mała odległość między mówiącym a mikrofonem, niewielki hałas w tle (np. z klimatyzacji) i to, by głosy się nie nakładały.
Nie ma limitu czasu, nawet dla długich nagrań. Ustalone wiersze pojawiają się w trakcie przetwarzania, więc możesz sprawdzić treść przed końcem. Jeśli zamkniesz stronę w trakcie, tekst ustalony do tego momentu pozostanie w historii.
Gdy coś pójdzie nie tak
- Jeśli ciche lub odległe głosy są pomijane w językach innych niż japoński, chiński i koreański, przełącz na model Small lub większy. Dla hiszpańskiego, niemieckiego i innych języków europejskich na komputerze z WebGPU Parakeet Ultra jest dokładniejszy i szybszy niż Small.
- W długich nagraniach z ciszą mogą pojawić się zdania, których nikt nie wypowiedział. Usuń te wiersze na ekranie wyników.
Najczęściej zadawane pytania
Jakie formaty nagrań są obsługiwane?
Obsługiwane są MP3, WAV, M4A, AAC, FLAC, OGG, Opus, AIFF, WMA, AMR i WebM. Jeśli wybierzesz plik wideo, wyodrębniana i przetwarzana jest tylko ścieżka audio.
Ile godzin nagrania można przetranskrybować?
Pliki audio nie mają limitu czasu ani rozmiaru. Długość nagrania, które można przetworzyć za jednym razem, zależy od pamięci urządzenia i wybranego modelu. Nagrywając mikrofonem na tej stronie, możesz nagrywać do 3 godzin lub krócej, zależnie od pamięci urządzenia i wybranego modelu; limit jest pokazywany przed rozpoczęciem nagrywania. Telefony działają w trybie oszczędzającym pamięć, aby chronić urządzenie, więc do długich nagrań zalecamy komputer.
Czy narzędzie potrafi rozróżnić kilku mówców w nagraniu?
Tak. Przy włączonym rozpoznawaniu mówców wiersze są dzielone według mówców (maksymalnie ośmiu). W przypadku nagrań ze spotkań najwygodniejsza jest strona „Transkrypcja spotkań”, na której rozpoznawanie mówców jest włączone od początku.
Czy moje nagranie jest gdzieś wysyłane?
Nie. Transkrypcja odbywa się w przeglądarce na Twoim urządzeniu, a ani nagranie, ani powstały tekst nie są przekazywane na zewnętrzny serwer. Dźwięk nagrany mikrofonem jest traktowany tak samo. 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.
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.