Перетворення запису на текст
Опубліковано · Оновлено 2 хв читання
Інструмент розшифровує аудіофайл у вашому браузері за допомогою невеликої моделі. На чистому голосі він помиляється приблизно в одному слові з чотирьох; вибір мови та шум сильно змінюють результат.
Що робить інструмент
Аудіо в текст розшифровує аудіофайл рушієм Whisper у вашому браузері. Файл не надсилається: завантажується лише модель, один раз, після того як ви позначите прапорець згоди. Пропонуються три формати експорту: TXT, SRT і VTT.
Що завантажує перше використання
Під час випробування браузер завантажив модель і її скрипти із двох сервісів, зовнішніх для сайту: сховища, де розміщено модель, і мережі доставки скриптів. Усі ці запити були завантаженнями; жоден не ніс тіла, а отже, жодного аудіофайлу. Кнопка «Очистити кеш Whisper» потім видаляє модель із браузера.
Тестові записи
Випробування проводяться на двох синтетичних голосах, жіночому та чоловічому, що читають той самий текст із 32 слів: «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.» Кожен запис триває від 12 до 14 секунд. Оскільки текст відомий, кількість неправильних слів рахується точно.
Обрана мова
Меню мови пропонує автоматичний режим і двадцять мов. На вбудованій моделі автоматичне визначення прийняло обидва голоси за англійську й видало англійські фрази, не пов’язані з прочитаним текстом, тобто стільки помилок, скільки слів. Тому інструмент за замовчуванням обирає мову сторінки, тут французьку.
| Голос | Задана мова | Неправильних слів із 32 |
|---|---|---|
| Жіночий | Автоматично | 32 |
| Чоловічий | Автоматично | 33 |
| Жіночий | Французька | 10 (31 %) |
| Чоловічий | Французька | 8 (25 %) |
Що дає правильна мова
На чоловічому голосі французькою розшифрування виглядає так: «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.» Помилки типові: втрачена множина («parcels»), власна назва без великої літери («vallon»), число, записане цифрами («3» замість «trois»), і рідкісні слова, почуті неправильно («semis», «atelier»).
Вплив шуму
До чоловічого голосу додали шум двох рівнів. За 10 дБ шум помітно слабший за голос. За 0 дБ він такий самий сильний, як голос.
| Запис | Неправильних слів із 32 |
|---|---|
| Без шуму | 8 (25 %) |
| Легкий шум, 10 дБ | 11 (34 %) |
| Сильний шум, 0 дБ | 31 (97 %) |
Легкий шум коштує кількох слів. Шум, такий самий сильний, як голос, робить розшифрування непридатним.
Час обробки
Кожне випробування зайняло від 6 до 12 секунд на близько 13 секунд запису, включно із завантаженням моделі, на настільному комп’ютері. Довший файл потребує більше часу та пам’яті.
Чого ці цифри не говорять
Синтетичні голоси рівні. Справжній голос, з акцентом, паузами чи кількома людьми, дасть інші цифри. Спробуйте короткий фрагмент вашого власного запису, перш ніж запускати весь файл.
Як поліпшити результат
- Оберіть мову запису в меню.
- Зменште шум біля джерела: близький мікрофон дає кращий результат, ніж фільтр потім.
- Якщо файл у рідкісному форматі, спершу перетворіть його за посібником Перетворення запису голосу без втрати якості.
Завжди перечитуйте власні назви, числа й технічні терміни.
Перевірка отриманого тексту
- Прослухайте запис, стежачи за текстом.
- Виправте імена, числа й узгодження.
- Експортуйте в TXT для тексту, у SRT чи VTT для субтитрів.