Tarayıcınızda konuşma tanıma
Bu araç, açık bir konuşma tanıma modeli olan Whisper'ı kullanarak MP3'ü yazıya çevirir. Çoğu çevrimiçi yazıya döküm hizmeti sesinizi bir sunucuya yükler. Burada ise model tarayıcınıza yalnızca bir kez indirilir ve ardından kendi bilgisayarınızda veya telefonunuzda çalışır. Kaydınız cihazınızdan asla çıkmaz; bu da röportajlar, tıbbi veya hukuki notlar, toplantılar ve kişisel sesli mesajlar için önemlidir. İlk indirmeden sonra model tarayıcı tarafından saklanır ve bir sonraki sefer daha hızlı yüklenir.
Diller ve doğruluk
Whisper burada İngilizce, İspanyolca, Fransızca, Almanca, İtalyanca, Portekizce, Rusça, Çince, Japonca, Korece, Türkçe ve Lehçe dahil 23 dille çalışır. Doğruluk, arka plan gürültüsünün az olduğu net konuşmalarda en yüksektir. Şu durumlarda daha düşüktür:
- birden fazla kişinin aynı anda konuşması;
- yüksek sesli arka plan müziği veya gürültü;
- çok kısık sesli veya uzaktaki konuşmacılar;
- nadir kullanılan isimler ve teknik terimler;
- aynı cümlede birkaç dilin karışması.
Otomatik algılama yerine dili kendiniz seçmek, özellikle kısa kayıtlarda genellikle daha iyi sonuç verir.
Çıktı biçimleri
| Biçim | İçeriği | Kullanım |
|---|---|---|
| TXT | düz metin | notlar, belgeler, alıntılar |
| SRT | başlangıç ve bitiş zamanlı numaralı altyazılar | video düzenleyiciler, YouTube, çoğu oynatıcı |
| VTT | zamanlı web altyazıları | HTML5 video oynatıcılar, web sayfaları |
Hız ve uzun kayıtlar
Yazıya dökme, bilgisayar için ağır bir iştir. Modern bir dizüstü bilgisayarda bir saatlik kayıt; işlemciye, model boyutuna ve tarayıcıya bağlı olarak birkaç dakikadan gerçek süreden daha uzun bir süreye kadar değişebilir. Telefonlar daha yavaştır. İşlem sürerken sekmeyi açık tutun. Çok uzun dosyalarda kaydı Ses Bölme ile parçalara ayırıp tek tek yazıya dökebilirsiniz.
Daha iyi bir döküm için ipuçları
Model yaklaşık 30 saniyelik kısa pencerelerle dinler ve duyduğunu başlangıç ve bitiş zamanlarıyla yazar. Noktalama işaretlerini ve büyük harfleri kendisi ekler, ancak kimin konuştuğunu bilmez; bu yüzden röportajlarda konuşmacıları kendiniz işaretlemeniz gerekir. Uzun sessizlikler ve konuşmasız müzik atlanır veya boş bırakılır. Kaydın başı müzikse metnin ilk satırları beklediğinizden geç başlayabilir; bu normaldir.
- Gürültülü kayıtları yazıya dökmeden önce Gürültü Azaltma ile temizleyin.
- Konuşmacının sesi kısıksa önce Normalleştirme ile seviyeyi yükseltin.
- Altyazılar için zamanlamayı video oynatıcınızda kontrol edin. Bir altyazı okunamayacak kadar uzunsa bir metin düzenleyicide bölün; SRT ve VTT düz metin dosyalarıdır.
- Dökümü mutlaka bir kez baştan sona okuyun. Modelin yanlış duymuş olabileceği isimleri, sayıları ve sözcükleri düzeltin.
Video dosyaları da desteklenir: bir MP4 bırakın, araç ses kanalını yazıya döksün. Bu, kendi videolarınız için altyazı hazırlamanın hızlı bir yoludur.