Rozpoznávání řeči přímo v prohlížeči
Tento nástroj převádí MP3 na text pomocí modelu Whisper, otevřeného modelu pro rozpoznávání řeči. Většina online služeb pro přepis nahrává vaše audio na server. Tady se model jednou stáhne do prohlížeče a pak běží na vašem počítači nebo telefonu. Nahrávka nikdy neopustí vaše zařízení, což oceníte u rozhovorů, lékařských či právních poznámek, schůzek i osobních hlasových zpráv. Po prvním stažení si model uloží prohlížeč, takže se příště načte rychleji.
Jazyky a přesnost
Whisper zde podporuje 23 jazyků, mimo jiné angličtinu, španělštinu, francouzštinu, němčinu, italštinu, portugalštinu, ruštinu, čínštinu, japonštinu, korejštinu, turečtinu a polštinu. Nejpřesnější je u srozumitelné řeči s minimem hluku na pozadí. Nižší přesnost čekejte u:
- více osob mluvících současně;
- výrazné hudby nebo hluku v pozadí;
- velmi tichých nebo vzdálených mluvčích;
- neobvyklých jmen a odborných výrazů;
- míchání několika jazyků v jedné větě.
Pokud jazyk zvolíte sami místo automatického rozpoznání, obvykle dosáhnete lepších výsledků, zejména u krátkých nahrávek.
Výstupní formáty
| Formát | Co obsahuje | Využití |
|---|---|---|
| TXT | čistý text | poznámky, dokumenty, citace |
| SRT | číslované titulky s časem začátku a konce | video editory, YouTube, většina přehrávačů |
| VTT | webové titulky s časy | přehrávače HTML5 videa, webové stránky |
Rychlost a dlouhé nahrávky
Přepis je pro počítač náročná práce. Na moderním notebooku může hodinová nahrávka trvat od několika minut až po dobu delší než samotná nahrávka, podle procesoru, velikosti modelu a prohlížeče. Telefony jsou pomalejší. Během zpracování nechte kartu otevřenou. U velmi dlouhých souborů můžete nahrávku rozdělit na části pomocí nástroje Rozdělení zvuku a přepisovat je postupně.
Tipy pro lepší přepis
Model poslouchá v krátkých úsecích po zhruba 30 sekundách a zapisuje, co slyší, i s časem začátku a konce. Interpunkci a velká písmena doplňuje sám, ale neví, kdo právě mluví, takže mluvčí v rozhovoru si musíte označit sami. Dlouhé pauzy a hudba bez řeči se přeskočí nebo zůstanou prázdné. Pokud nahrávka začíná hudbou, první řádky textu se mohou objevit později, než byste čekali; to je v pořádku.
- Hlučné nahrávky před přepisem vyčistěte nástrojem Redukce šumu.
- Pokud mluvčí mluví potichu, nejprve zvyšte hlasitost nástrojem Normalizace.
- U titulků zkontrolujte časování ve svém přehrávači. Pokud je některý titulek příliš dlouhý na přečtení, rozdělte ho v textovém editoru; SRT i VTT jsou obyčejné textové soubory.
- Přepis si vždy jednou celý přečtěte. Opravte jména, čísla a slova, která model mohl špatně rozumět.
Fungují i videosoubory: stačí přetáhnout MP4 a nástroj přepíše jeho zvukovou stopu, což je rychlý způsob, jak vytvořit titulky k vlastním videím.