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
| Formátum | Tartalma | Felhasználás |
|---|---|---|
| TXT | egyszerű szöveg | jegyzetek, dokumentumok, idézetek |
| SRT | sorszámozott feliratok kezdő és záró időponttal | videószerkesztők, YouTube, a legtöbb lejátszó |
| VTT | webes feliratok időpontokkal | HTML5 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.
- A zajos felvételeket átírás előtt tisztítsd meg a Zajszűrés eszközzel.
- Ha a beszélő halk, először emeld meg a hangerőt a Normalizálás eszközzel.
- Feliratnál ellenőrizd az időzítést a videólejátszóban. Ha egy felirat túl hosszú ahhoz, hogy elolvasható legyen, szövegszerkesztőben szétvághatod; az SRT és a VTT egyszerű szövegfájl.
- 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.