रिकॉर्डिंग को टेक्स्ट में बदलें

टूल क्या करता है

ऑडियो से टेक्स्ट Whisper इंजन के साथ आपके ब्राउज़र में ऑडियो फ़ाइल का लिप्यंतरण करता है। फ़ाइल भेजी नहीं जाती: केवल मॉडल एक बार डाउनलोड होता है, सहमति का बॉक्स चुनने के बाद। तीन निर्यात फ़ॉर्मेट मिलते हैं: TXT, SRT और VTT।

पहला उपयोग क्या डाउनलोड करता है

परीक्षण के दौरान ब्राउज़र ने मॉडल और उसकी स्क्रिप्टें साइट से बाहर की दो सेवाओं से डाउनलोड कीं: वह रिपॉज़िटरी जो मॉडल रखती है और एक स्क्रिप्ट वितरण नेटवर्क। ये सभी अनुरोध डाउनलोड थे; किसी में भी कोई सामग्री नहीं थी, इसलिए कोई ऑडियो फ़ाइल नहीं। फिर “Whisper कैश साफ़ करें” बटन मॉडल को ब्राउज़र से हटा देता है।

परीक्षण की रिकॉर्डिंग

परीक्षण दो कृत्रिम आवाज़ों के साथ किए गए, एक स्त्री की और एक पुरुष की, जो 32 शब्दों का वही टेक्स्ट पढ़ती हैं: “Le jardin partagé du Vallon ouvre ses parcelles le trois mai. Venez découvrir le compost, les semis et l’atelier des enfants. L’inscription est gratuite et ouverte à toutes les familles du quartier.” हर रिकॉर्डिंग 12 से 14 सेकंड की है। चूँकि टेक्स्ट ज्ञात है, ग़लत शब्दों की संख्या ठीक-ठीक गिनी जा सकती है।

चुनी हुई भाषा

भाषा मेनू एक स्वचालित सेटिंग और बीस भाषाएँ देता है। अंतर्निहित मॉडल पर स्वचालित पहचान ने दोनों आवाज़ों को अंग्रेज़ी समझा और पढ़े गए टेक्स्ट से असंबद्ध अंग्रेज़ी वाक्य बनाए, जितने शब्द उतनी त्रुटियाँ। इसलिए टूल डिफ़ॉल्ट रूप से पृष्ठ की भाषा चुनता है, यहाँ फ़्रेंच।

सही भाषा क्या देती है

पुरुष की आवाज़ के साथ फ़्रेंच में लिप्यंतरण है “Le jardin partagé du vallon ouvre ses parcels le 3 mai. Venez découvrir le compost, les sémisées la te liée des enfants. L’inscription est gratuit et ouvert à toutes les familles du quartier.” त्रुटियाँ विशिष्ट हैं: खोया हुआ बहुवचन (“parcels”), बिना बड़े अक्षर का व्यक्तिवाचक नाम (“vallon”), अंकों में लिखी संख्या (“trois” की जगह “3”) और ग़लत सुने गए दुर्लभ शब्द (“semis”, “atelier”)।

शोर का असर

पुरुष की आवाज़ में दो स्तरों पर शोर जोड़ा गया। 10 dB पर शोर आवाज़ से साफ़ तौर पर कमज़ोर है। 0 dB पर वह आवाज़ जितना ही तेज़ है।

हल्का शोर कुछ शब्द छीनता है। आवाज़ जितना तेज़ शोर लिप्यंतरण को बेकार कर देता है।

प्रोसेसिंग का समय

हर परीक्षण में डेस्कटॉप कंप्यूटर पर लगभग 13 सेकंड की रिकॉर्डिंग के लिए 6 से 12 सेकंड लगे, मॉडल लोड करना शामिल। लंबी फ़ाइल में अधिक समय और मेमोरी लगती है।

ये आँकड़े क्या नहीं कहते

कृत्रिम आवाज़ें नियमित होती हैं। उच्चारण, हिचकिचाहट या कई लोगों वाली असली आवाज़ दूसरे आँकड़े देगी। पूरी फ़ाइल शुरू करने से पहले अपनी रिकॉर्डिंग का एक छोटा अंश आज़माएँ।

नतीजा सुधारना

• मेनू में रिकॉर्डिंग की भाषा चुनें।
• शोर को स्रोत पर घटाएँ: पास का माइक्रोफ़ोन बाद के फ़िल्टर से बेहतर नतीजा देता है।
• यदि फ़ाइल दुर्लभ फ़ॉर्मेट में है, तो पहले उसे आवाज़ की रिकॉर्डिंग को बिगाड़े बिना बदलें से बदलें।

व्यक्तिवाचक नाम, संख्याएँ और तकनीकी शब्द हमेशा दोबारा पढ़ें।

मिला हुआ टेक्स्ट जाँचें

1. टेक्स्ट का अनुसरण करते हुए रिकॉर्डिंग सुनें।
2. नाम, संख्याएँ और मेल सुधारें।
3. टेक्स्ट के लिए TXT में, उपशीर्षक के लिए SRT या VTT में निर्यात करें।

ऑडियो से टेक्स्ट