ریکارڈنگ کو متن میں بدلنا

ٹول کیا کرتا ہے

آڈیو سے متن Whisper انجن کے ساتھ آپ کے براؤزر میں آڈیو فائل کی نقل نویسی کرتا ہے۔ فائل بھیجی نہیں جاتی: صرف ماڈل ایک بار ڈاؤن لوڈ ہوتا ہے، رضامندی کا خانہ منتخب کرنے کے بعد۔ برآمد کی تین صورتیں ملتی ہیں: TXT، SRT اور VTT۔

پہلا استعمال کیا ڈاؤن لوڈ کرتا ہے

ٹیسٹ کے دوران براؤزر نے ماڈل اور اس کے اسکرپٹ سائٹ سے باہر کی دو سروسز سے ڈاؤن لوڈ کیے: وہ ذخیرہ جو ماڈل رکھتا ہے اور ایک اسکرپٹ ترسیلی نیٹ ورک۔ یہ تمام درخواستیں ڈاؤن لوڈ تھیں؛ کسی نے بھی مواد نہیں اٹھایا، اس لیے کوئی آڈیو فائل نہیں۔ پھر “Whisper کیش صاف کریں” بٹن ماڈل کو براؤزر سے ہٹا دیتا ہے۔

ٹیسٹ کی ریکارڈنگز

ٹیسٹ دو مصنوعی آوازوں کے ساتھ کیے گئے، ایک عورت کی اور ایک مرد کی، جو 32 الفاظ کا وہی متن پڑھتی ہیں: “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.” ہر ریکارڈنگ 12 سے 14 سیکنڈ کی ہے۔ چونکہ متن معلوم ہے، غلط الفاظ کی تعداد ٹھیک ٹھیک گنی جا سکتی ہے۔

چنی ہوئی زبان

زبان کا مینو ایک خودکار سیٹنگ اور بیس زبانیں دیتا ہے۔ اندرونی ماڈل پر خودکار شناخت نے دونوں آوازوں کو انگریزی سمجھا اور پڑھے گئے متن سے غیر متعلق انگریزی جملے بنائے، جتنے الفاظ اتنی غلطیاں۔ اس لیے ٹول ڈیفالٹ طور پر صفحے کی زبان چنتا ہے، یہاں فرانسیسی۔

درست زبان کیا دیتی ہے

مرد کی آواز کے ساتھ فرانسیسی میں نقل نویسی ہے “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.” غلطیاں مخصوص ہیں: کھویا ہوا جمع (“parcels”)، بغیر بڑے حرف کا اسم خاص (“vallon”)، ہندسوں میں لکھا عدد (“trois” کی جگہ “3”) اور غلط سنے گئے نادر الفاظ (“semis”، “atelier”)۔

شور کا اثر

مرد کی آواز میں دو سطحوں پر شور ڈالا گیا۔ 10 dB پر شور آواز سے صاف طور پر کمزور ہے۔ 0 dB پر وہ آواز جتنا ہی تیز ہے۔

ہلکا شور چند الفاظ چھین لیتا ہے۔ آواز جتنا تیز شور نقل نویسی کو بیکار کر دیتا ہے۔

پروسیسنگ کا وقت

ہر ٹیسٹ میں ڈیسک ٹاپ کمپیوٹر پر تقریباً 13 سیکنڈ کی ریکارڈنگ کے لیے 6 سے 12 سیکنڈ لگے، ماڈل لوڈ کرنا شامل۔ لمبی فائل میں زیادہ وقت اور میموری لگتی ہے۔

یہ اعداد کیا نہیں کہتے

مصنوعی آوازیں باقاعدہ ہوتی ہیں۔ لہجے، ہچکچاہٹ یا کئی لوگوں والی اصل آواز دوسرے اعداد دے گی۔ پوری فائل شروع کرنے سے پہلے اپنی ریکارڈنگ کا ایک مختصر حصہ آزمائیں۔

نتیجہ بہتر بنانا

• مینو میں ریکارڈنگ کی زبان چنیں۔
• شور کو ماخذ پر گھٹائیں: قریب کا مائیکروفون بعد کے فلٹر سے بہتر نتیجہ دیتا ہے۔
• اگر فائل نادر فارمیٹ میں ہے تو پہلے اسے آواز کی ریکارڈنگ کو بگاڑے بغیر تبدیل کرنا سے بدلیں۔

اسمائے خاص، اعداد اور تکنیکی اصطلاحات ہمیشہ دوبارہ پڑھیں۔

ملا ہوا متن جانچیں

1. متن کی پیروی کرتے ہوئے ریکارڈنگ سنیں۔
2. نام، اعداد اور مطابقتیں درست کریں۔
3. متن کے لیے TXT میں، ذیلی عنوانات کے لیے SRT یا VTT میں برآمد کریں۔

آڈیو سے متن