แปลงไฟล์บันทึกเสียงเป็นข้อความ

เครื่องมือทำอะไร

เสียงเป็นข้อความ ถอดเสียงไฟล์เสียงด้วยเอนจิน Whisper ในเบราว์เซอร์ของคุณ ไฟล์ไม่ถูกส่งออกไป มีเพียงโมเดลที่ดาวน์โหลดหนึ่งครั้งหลังจากที่คุณติ๊กช่องยินยอม มีสามรูปแบบการส่งออก คือ TXT, SRT และ VTT

สิ่งที่ดาวน์โหลดเมื่อใช้ครั้งแรก

ระหว่างการทดสอบ เบราว์เซอร์ดาวน์โหลดโมเดลและสคริปต์จากสองบริการภายนอกเว็บไซต์ คือคลังที่โฮสต์โมเดลและเครือข่ายส่งสคริปต์ คำขอทั้งหมดเป็นการดาวน์โหลด ไม่มีคำขอใดมีเนื้อหา จึงไม่มีไฟล์เสียงส่งออกไป ปุ่ม “ล้างแคช Whisper” จะนำโมเดลออกจากเบราว์เซอร์

ไฟล์บันทึกทดสอบ

การทดสอบใช้เสียงสังเคราะห์สองเสียง คือเสียงผู้หญิงและเสียงผู้ชาย อ่านข้อความ 32 คำเดียวกัน: “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.” แต่ละไฟล์ยาว 12 ถึง 14 วินาที เนื่องจากรู้ข้อความ จึงนับจำนวนคำที่ผิดได้อย่างแม่นยำ

ภาษาที่เลือก

เมนูภาษามีการตั้งค่าอัตโนมัติและยี่สิบภาษา กับโมเดลที่ติดตั้งมา การตรวจจับอัตโนมัติเข้าใจว่าทั้งสองเสียงเป็นภาษาอังกฤษ และสร้างประโยคภาษาอังกฤษที่ไม่เกี่ยวกับข้อความที่อ่าน ผิดเท่าจำนวนคำ เครื่องมือจึงเลือกภาษาของหน้าเป็นค่าเริ่มต้น ในที่นี้คือภาษาฝรั่งเศส

ภาษาที่ถูกต้องให้อะไร

กับเสียงผู้ชายเป็นภาษาฝรั่งเศส การถอดเสียงคือ “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.” ข้อผิดพลาดเป็นแบบทั่วไป คือพหูพจน์ที่หายไป (“parcels”) ชื่อเฉพาะที่ไม่มีตัวพิมพ์ใหญ่ (“vallon”) ตัวเลขที่เขียนเป็นตัวเลข (“3” แทน “trois”) และคำที่พบน้อยที่ฟังผิด (“semis”, “atelier”)

ผลของเสียงรบกวน

เพิ่มเสียงรบกวนให้เสียงผู้ชายสองระดับ ที่ 10 dB เสียงรบกวนเบากว่าเสียงพูดชัดเจน ที่ 0 dB ดังเท่ากับเสียงพูด

เสียงรบกวนเบาทำให้เสียไม่กี่คำ เสียงรบกวนที่ดังเท่าเสียงพูดทำให้การถอดเสียงใช้ไม่ได้

เวลาประมวลผล

การทดสอบแต่ละครั้งใช้เวลา 6 ถึง 12 วินาทีสำหรับไฟล์ยาวประมาณ 13 วินาที รวมการโหลดโมเดล บนคอมพิวเตอร์เดสก์ท็อป ไฟล์ที่ยาวกว่าใช้เวลาและหน่วยความจำมากกว่า

สิ่งที่ตัวเลขเหล่านี้ไม่ได้บอก

เสียงสังเคราะห์สม่ำเสมอ เสียงจริงที่มีสำเนียง ความลังเล หรือหลายคน จะให้ตัวเลขอื่น ลองกับตัวอย่างสั้นๆ ของไฟล์บันทึกของคุณก่อนเริ่มทั้งไฟล์

ปรับปรุงผลลัพธ์

• เลือกภาษาของไฟล์บันทึกในเมนู
• ลดเสียงรบกวนที่ต้นทาง ไมโครโฟนที่อยู่ใกล้ให้ผลดีกว่าตัวกรองภายหลัง
• หากไฟล์เป็นรูปแบบที่หายาก ให้แปลงก่อนด้วย แปลงไฟล์บันทึกเสียงพูดโดยไม่ทำให้คุณภาพเสีย

อ่านชื่อเฉพาะ ตัวเลข และศัพท์เทคนิคซ้ำทุกครั้ง

ตรวจสอบข้อความที่ได้

1. ฟังไฟล์บันทึกขณะอ่านตามข้อความ
2. แก้ชื่อ ตัวเลข และการสะกดให้ถูกต้อง
3. ส่งออกเป็น TXT สำหรับข้อความ หรือ SRT หรือ VTT สำหรับคำบรรยาย

เสียงเป็นข้อความ