Menukar rakaman kepada teks
Diterbitkan pada · Dikemas kini pada 3 minit bacaan
Alat ini mentranskripsi fail audio dalam pelayar anda dengan model kecil. Pada suara yang jelas, kira-kira satu daripada empat perkataan salah; pilihan bahasa dan bunyi bising banyak mengubah hasilnya.
Apa yang dilakukan oleh alat
Audio ke teks mentranskripsi fail audio dengan enjin Whisper, dalam pelayar anda. Fail tidak dihantar: hanya model yang dimuat turun, sekali, selepas anda menanda kotak persetujuan. Tiga format eksport ditawarkan: TXT, SRT dan VTT.
Apa yang dimuat turun pada penggunaan pertama
Semasa ujian, pelayar memuat turun model dan skripnya daripada dua perkhidmatan di luar laman: repositori yang menyimpan model dan rangkaian penghantaran skrip. Semua permintaan ini ialah muat turun; tiada satu pun membawa kandungan, jadi tiada fail audio dihantar. Butang “Kosongkan cache Whisper” kemudian membuang model daripada pelayar.
Rakaman ujian
Ujian menggunakan dua suara sintetik, suara perempuan dan suara lelaki, membaca teks 32 perkataan yang sama: “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.” Setiap rakaman berdurasi 12 hingga 14 saat. Oleh sebab teksnya diketahui, bilangan perkataan yang salah dapat dikira dengan tepat.
Bahasa yang dipilih
Menu bahasa menawarkan tetapan automatik dan dua puluh bahasa. Pada model terbina dalam, pengesanan automatik menganggap kedua-dua suara sebagai bahasa Inggeris dan menghasilkan ayat Inggeris yang tiada kaitan dengan teks yang dibaca, kesalahan sebanyak perkataan. Alat ini oleh itu memilih bahasa halaman secara lalai, di sini bahasa Perancis.
| Suara | Bahasa yang ditetapkan | Perkataan salah daripada 32 |
|---|---|---|
| Perempuan | Automatik | 32 |
| Lelaki | Automatik | 33 |
| Perempuan | Perancis | 10 (31 %) |
| Lelaki | Perancis | 8 (25 %) |
Apa yang diberikan oleh bahasa yang betul
Dengan suara lelaki dalam bahasa Perancis, transkripsinya ialah “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.” Kesalahannya khas: bentuk jamak yang hilang (“parcels”), nama khas tanpa huruf besar (“vallon”), nombor yang ditulis dengan digit (“3” bagi “trois”) dan perkataan jarang yang tersalah dengar (“semis”, “atelier”).
Kesan bunyi bising
Bunyi bising ditambah pada suara lelaki, pada dua tahap. Pada 10 dB, bunyi bising jelas lebih lemah daripada suara. Pada 0 dB, ia sekuat suara.
| Rakaman | Perkataan salah daripada 32 |
|---|---|
| Tanpa bunyi bising | 8 (25 %) |
| Bunyi bising ringan, 10 dB | 11 (34 %) |
| Bunyi bising kuat, 0 dB | 31 (97 %) |
Bunyi bising ringan menyebabkan beberapa perkataan hilang. Bunyi bising sekuat suara menjadikan transkripsi tidak boleh digunakan.
Masa pemprosesan
Setiap ujian mengambil masa 6 hingga 12 saat untuk kira-kira 13 saat rakaman, termasuk pemuatan model, pada komputer desktop. Fail yang lebih panjang memerlukan lebih banyak masa dan memori.
Apa yang tidak dikatakan oleh angka ini
Suara sintetik bersifat sekata. Suara sebenar, dengan loghat, keraguan atau beberapa orang, akan memberikan angka lain. Cuba petikan pendek rakaman anda sendiri sebelum memulakan keseluruhan fail.
Memperbaik hasil
- Pilih bahasa rakaman dalam menu.
- Kurangkan bunyi bising di sumbernya: mikrofon yang dekat memberikan hasil lebih baik daripada penapis kemudian.
- Jika fail berformat jarang, tukar dahulu dengan Menukar rakaman suara tanpa merosakkan kualitinya.
Sentiasa baca semula nama khas, nombor dan istilah teknikal.
Semak teks hasilnya
- Dengar rakaman sambil mengikuti teks.
- Betulkan nama, nombor dan persetujuan perkataan.
- Eksport sebagai TXT untuk teks, sebagai SRT atau VTT untuk sari kata.