Nyelv kiválasztása
  1. Kezdőlap
  2. Hang
  3. MP3 szöveggé

MP3 szöveggé alakítása

Alakítsd szöveggé az MP3-ban, valamint más hang- vagy videofájlokban elhangzó beszédet egy közvetlenül az eszközödön futó Whisper modellel. Időbélyegek, TXT, SRT és VTT exportálás.

Az eszköz betöltése…
Értékeld az eszközt
Még nincs értékelés. Legyél te az első!

Használat

  1. 1. lépés

    Nyiss meg egy felvételt

    Húzz az oldalra egy MP3, WAV, M4A vagy más hangfájlt, esetleg egy videót.

  2. 2. lépés

    Válaszd ki a nyelvet

    Válassz a Gyors (Whisper Tiny, kb. 41 MB) és a Pontos (Whisper Base, kb. 77 MB) közül, majd add meg a beszélt nyelvet, vagy hagyd az automatikus felismerést. A modell csak egyszer töltődik le.

  3. 3. lépés

    Átirat készítése

    Indítsd el az átírást. A szöveg időbélyegekkel együtt jelenik meg, ahogy egy-egy rész elkészül.

  4. 4. lépés

    Exportálás

    Bármelyik sorra kattintva javíthatod a szöveget, majd másold ki, vagy töltsd le TXT-ként, illetve SRT és VTT feliratként.

Beszédfelismerés közvetlenül a böngészőben

Ez az eszköz a Whisper nevű, nyílt beszédfelismerő modell segítségével alakítja az MP3-at szöveggé. A legtöbb online átíró szolgáltatás feltölti a hangot egy szerverre. Itt a modell egyszer letöltődik a böngészőbe, majd a saját számítógépeden vagy telefonodon fut. A felvételed soha nem hagyja el az eszközödet, ami fontos interjúk, orvosi vagy jogi jegyzetek, megbeszélések és személyes hangüzenetek esetén. Az első letöltés után a böngésző eltárolja a modellt, így legközelebb gyorsabban betöltődik.

Nyelvek és pontosság

A Whisper itt 23 nyelvvel működik, köztük angol, spanyol, francia, német, olasz, portugál, orosz, kínai, japán, koreai, török és lengyel nyelvvel. A pontosság tiszta beszédnél, kevés háttérzajjal a legjobb. Gyengébb az eredmény, ha:

  • többen beszélnek egyszerre;
  • erős a háttérzene vagy a zaj;
  • a beszélő nagyon halk vagy távol van a mikrofontól;
  • ritka nevek és szakkifejezések szerepelnek;
  • egy mondaton belül több nyelv keveredik.

Ha magad választod ki a nyelvet az automatikus felismerés helyett, általában jobb eredményt kapsz, különösen rövid felvételeknél.

Kimeneti formátumok

FormátumTartalmaFelhasználás
TXTegyszerű szövegjegyzetek, dokumentumok, idézetek
SRTsorszámozott feliratok kezdő és záró időponttalvideószerkesztők, YouTube, a legtöbb lejátszó
VTTwebes feliratok időpontokkalHTML5 videólejátszók, weboldalak

Sebesség és hosszú felvételek

Az átírás nagy terhelést jelent a számítógépnek. Egy modern laptopon egy egyórás felvétel a processzortól, a modell méretétől és a böngészőtől függően néhány perc alatt is elkészülhet, de akár a felvétel hosszánál tovább is tarthat. Telefonon lassabb a folyamat. Amíg dolgozik, tartsd nyitva a lapot. Nagyon hosszú fájlokat a Hang vágása eszközzel részekre is oszthatsz, és egyenként átírhatod őket.

Tippek a jobb átirathoz

A modell kb. 30 másodperces szakaszokban hallgatja a felvételt, és kezdő, valamint záró időponttal írja le, amit hall. A központozást és a nagybetűket magától kezeli, de azt nem tudja, ki beszél, ezért interjúnál a beszélőket neked kell megjelölnöd. A hosszú csendeket és a beszéd nélküli zenét kihagyja, vagy üresen hagyja. Ha a felvétel elején zene szól, az első szöveges sorok később kezdődhetnek, mint várnád; ez normális.

  1. A zajos felvételeket átírás előtt tisztítsd meg a Zajszűrés eszközzel.
  2. Ha a beszélő halk, először emeld meg a hangerőt a Normalizálás eszközzel.
  3. Feliratnál ellenőrizd az időzítést a videólejátszóban. Ha egy felirat túl hosszú ahhoz, hogy elolvasható legyen, szövegszerkesztőben szétvághatod; az SRT és a VTT egyszerű szövegfájl.
  4. Az átiratot mindig olvasd végig egyszer. Javítsd ki a neveket, számokat és azokat a szavakat, amelyeket a modell esetleg rosszul hallott.

Videófájlokkal is működik: húzz be egy MP4-et, és az eszköz átírja a hangsávját. Ez gyors módja annak, hogy feliratot készíts a saját videóidhoz.

Gyakran ismételt kérdések

Hogyan alakíthatok át egy MP3-at szöveggé ingyen?

Húzd az MP3-at erre az oldalra, válaszd ki a nyelvet, indítsd el az átírást, majd töltsd le a szöveget TXT, SRT vagy VTT formátumban.

Feltöltődik a hangom az átíráshoz?

Nem. A Whisper modell a böngésződben fut. Csak maga a modell töltődik le egyszer, a hangfájlod az eszközödön marad.

Mely nyelvek támogatottak?

23 nyelv, köztük az angol, spanyol, francia, német, orosz, kínai, japán és koreai. Az eredeti nyelv helyett angol fordítást is kérhetsz.

Készíthetek feliratot videóhoz?

Igen. Húzd be a videót, írd át, majd töltsd le időbélyegekkel ellátott SRT vagy VTT feliratként.

Miért lassú az átírás?

A beszédfelismerés sok számítási teljesítményt igényel, és a saját eszközödön fut. Használd a Gyors modellt, a Futtatás beállítást pedig hagyd a videokártyán, mert az sokkal gyorsabb a processzornál.

További eszközök