Αναγνώριση ομιλίας στο πρόγραμμα περιήγησής σας
Το εργαλείο αυτό μετατρέπει MP3 σε κείμενο με το Whisper, ένα ανοιχτό μοντέλο αναγνώρισης ομιλίας. Οι περισσότερες διαδικτυακές υπηρεσίες μεταγραφής ανεβάζουν τον ήχο σας σε διακομιστή. Εδώ το μοντέλο γίνεται λήψη στο πρόγραμμα περιήγησής σας μία φορά και στη συνέχεια τρέχει στον δικό σας υπολογιστή ή κινητό. Η ηχογράφησή σας δεν φεύγει ποτέ από τη συσκευή σας, κάτι που έχει σημασία για συνεντεύξεις, ιατρικές ή νομικές σημειώσεις, σσσσσυσκέψεις και προσωπικά φωνητικά μηνύματα. Μετά την πρώτη λήψη, το μοντέλο αποθηκεύεται από το πρόγραμμα περιήγησης και φορτώνει πιο γρήγορα την επόμενη φορά.
Γλώσσες και ακρίβεια
Εδώ το Whisper λειτουργεί με 23 γλώσσες, όπως αγγλικά, ισπανικά, γαλλικά, γερμανικά, ιταλικά, πορτογαλικά, ρωσικά, κινεζικά, ιαπωνικά, κορεατικά, τουρκικά και πολωνικά. Η ακρίβεια είναι καλύτερη σε καθαρή ομιλία με λίγο θόρυβο υποβάθρου. Είναι χαμηλότερη όταν:
- μιλούν ταυτόχρονα περισσότερα άτομα·
- υπάρχει έντονη μουσική ή θόρυβος υποβάθρου·
- οι ομιλητές μιλούν πολύ χαμηλά ή από απόσταση·
- υπάρχουν ασυνήθιστα ονόματα και τεχνικοί όροι·
- αναμειγνύονται πολλές γλώσσες στην ίδια πρόταση.
Αν επιλέξετε εσείς τη γλώσσα αντί για την αυτόματη ανίχνευση, τα αποτελέσματα είναι συνήθως καλύτερα, ειδικά σε σύντομες ηχογραφήσεις.
Μορφές εξόδου
| Μορφή | Τι περιέχει | Χρήση |
|---|---|---|
| TXT | απλό κείμενο | σημειώσεις, έγγραφα, παραθέσεις |
| SRT | αριθμημένοι υπότιτλοι με χρόνο έναρξης και λήξης | προγράμματα επεξεργασίας βίντεο, YouTube, οι περισσότεροι players |
| VTT | υπότιτλοι για το web με χρόνους | players βίντεο HTML5, ιστοσελίδες |
Ταχύτητα και μεγάλες ηχογραφήσεις
Η μεταγραφή είναι απαιτητική εργασία για έναν υπολογιστή. Σε ένα σύγχρονο φορητό, μια ηχογράφηση μίας ώρας μπορεί να χρειαστεί από λίγα λεπτά έως περισσότερο από τη διάρκειά της, ανάλογα με τον επεξεργαστή, το μέγεθος του μοντέλου και το πρόγραμμα περιήγησης. Τα κινητά είναι πιο αργά. Κρατήστε την καρτέλα ανοιχτή όσο διαρκεί η εργασία. Για πολύ μεγάλα αρχεία, μπορείτε να κόψετε την ηχογράφηση σε τμήματα με το Διαχωρισμός ήχου και να τα μεταγράψετε ένα-ένα.
Συμβουλές για καλύτερη μεταγραφή
Το μοντέλο ακούει σε σύντομα παράθυρα περίπου 30 δευτερολέπτων και γράφει ό,τι ακούει με χρόνους έναρξης και λήξης. Προσθέτει μόνο του σημεία στίξης και κεφαλαία γράμματα, αλλά δεν ξέρει ποιος μιλά, οπότε σε μια συνέντευξη θα χρειαστεί να σημειώσετε εσείς τους ομιλητές. Οι μεγάλες σιωπές και η μουσική χωρίς ομιλία παραλείπονται ή μένουν κενές. Αν η ηχογράφηση ξεκινά με μουσική, οι πρώτες γραμμές κειμένου μπορεί να εμφανιστούν αργότερα απ' ό,τι περιμένετε· αυτό είναι φυσιολογικό.
- Καθαρίστε τις θορυβώδεις ηχογραφήσεις με την Μείωση θορύβου πριν από τη μεταγραφή.
- Αν ο ομιλητής μιλά χαμηλά, ανεβάστε πρώτα τη στάθμη με την Ομαλοποίηση.
- Για υπότιτλους, ελέγξτε το συγχρονισμό στον player βίντεο. Αν ένας υπότιτλος είναι πολύ μεγάλος για να διαβαστεί, χωρίστε τον σε έναν επεξεργαστή κειμένου· τα SRT και VTT είναι απλά αρχεία κειμένου.
- Διαβάστε πάντα τη μεταγραφή μία φορά. Διορθώστε ονόματα, αριθμούς και λέξεις που το μοντέλο ίσως άκουσε λάθος.
Λειτουργούν και αρχεία βίντεο: σύρετε ένα MP4 και το εργαλείο μεταγράφει το ηχητικό του κομμάτι, που είναι ένας γρήγορος τρόπος να φτιάξετε υπότιτλους για τα δικά σας βίντεο.