صوت به متن رایگان

مثال عملی

یک مصاحبه ۳۰ دقیقه‌ای ذخیره‌شده به صورت MP3 حدود ۲۷ مگابایت حجم دارد. با مدل "Better" (دانلود ۸۱ مگابایتی در بار اول، سپس کش شدن) یک لپ‌تاپ معمولی تقریباً نیم ساعت زمان نیاز دارد، زیرا ابزار حدود یک ثانیه صدا را در هر ثانیه پردازش می‌کند به اضافه حدود ۴۵ ثانیه برای شروع. مدل "Faster" (۴۵ مگابایت) حدود نصف آن زمان می‌برد. تخمین قبل از شروع نشان داده می‌شود و پس از اولین پنجره خود را تصحیح می‌کند. نتیجه می‌تواند به صورت SRT، VTT، ASS، متن ساده یا LRC ذخیره شود.

کدام تنظیمات را استفاده کنید و محدودیت‌ها

• از Better استفاده کنید مگر اینکه دستگاه حافظه کمی داشته باشد. "Better" برای دانلود حدود ۸۱ مگابایت و "Faster" حدود ۴۵ مگابایت است. هر دو پس از اولین استفاده در مرورگر شما نگهداری می‌شوند. روی تلفن همراه، یا اگر اجرا ناموفق بود، "Faster" را امتحان کنید.
• وقتی تشخیص خودکار مطمئن نیست، زبان گفتاری را تنظیم کنید. "Detect automatically" برای گفتار واضح خوب کار می‌کند. اگر ضبط با موسیقی شروع می‌شود یا زبان‌ها را عوض می‌کند، زبان را از زیر "Spoken language" انتخاب کنید. "Translate to English" متن انگلیسی از گفتار به زبان دیگر ارائه می‌دهد.
• به محدودیت‌های طول توجه کنید. ابزار وقتی ضبط از ۲ ساعت روی رایانه یا ۳۰ دقیقه روی تلفن همراه بگذرد هشدار می‌دهد. بیش از ۵ ساعت روی رایانه یا ۹۰ دقیقه روی تلفن همراه، فقط بخش اول پیاده‌سازی می‌شود و صفحه این را اعلام می‌کند. بقیه را به یک فایل جداگانه برش دهید تا بعداً انجام دهید.
• هر زمان توقف کنید و متن را نگه دارید. "Stop and keep what is done" اجرا را پایان می‌دهد و تمام آنچه تاکنون پیاده‌سازی شده را برای کپی یا دانلود باقی می‌گذارد. روی تلفن همراه، برگه را باز و صفحه را روشن نگه دارید، زیرا مرورگر ممکن است یک برگه پس‌زمینه را متوقف کند.
• قبل از خروجی گرفتن ویرایش کنید. روی یک زمان کلیک کنید تا آن لحظه را بشنوید، عبارت را درجا تصحیح کنید یا از Find and Replace استفاده کنید. کپی و هر دانلودی از ویرایش‌های شما استفاده می‌کنند. چندین فایل که با هم رها شوند، یکی پس از دیگری پیاده‌سازی شده و به صورت ZIP ذخیره می‌شوند.

مشکلات رایج و راه حل آن‌ها

می‌گوید فایل پس از انتخاب تغییر کرده یا جابه‌جا شده است.

مرورگر دسترسی به فایل را از دست داده، معمولاً به دلیل جابه‌جایی، تغییر نام یا همگام‌سازی از فضای ابری. فایل را دوباره انتخاب کنید. فایلی که ابتدا روی دیسک محلی کپی شود، قابل اعتمادترین است.

فایل خوانده نشد، بنابراین چیزی پیاده‌سازی نشد.

در این حالت هیچ مدلی دانلود نمی‌شود. اگر فایل ویدیویی است، صدای آن را با Audio Extractor به صورت MP3 ذخیره کرده و آن را پیاده‌سازی کنید. اگر صوتی است، دوباره آن را به صورت MP3 یا WAV خروجی بگیرید و دوباره امتحان کنید.

دانلود مدل متوقف شد یا هرگز تمام نشد.

قطع اتصال یا بسته شدن برگه، دانلود را قطع می‌کند. اتصال خود را بررسی کرده و دوباره "Transcribe" را فشار دهید. وقتی مدل دانلود شد کش می‌شود و اجراهای بعدی دیگر به آن نیاز ندارند.

پیاده‌سازی تمام نشد یا در میانه راه متوقف شد.

این معمولاً به دلیل تمام شدن حافظه مرورگر یا به خواب رفتن برگه است. مدل "Faster" را امتحان کنید، برگه‌های دیگر را ببندید و این برگه را در جلو نگه دارید. اگر در میانه راه متوقف شد، متن پیاده‌سازی شده تا آن لحظه نشان داده شده و قابل دانلود است.

هیچ گفتاری در ضبط یافت نشد.

ممکن است صدا سکوت، عمدتاً موسیقی یا بسیار آهسته باشد. نسخه اصلی را پخش کنید تا بررسی شود. اگر گفتار ضعیف است، ابتدا آن را با Audio Normalizer تقویت کرده و نتیجه را پیاده‌سازی کنید. فایلی بدون ترک صوتی قابل پیاده‌سازی نیست.

مقایسه آن

پیاده‌سازی در مرورگر یعنی ضبط هرگز دستگاه شما را ترک نمی‌کند، که برای مصاحبه‌ها، یادداشت‌های پزشکی و ضبط‌های قانونی مهم است. هزینه آن سرعت و راه‌اندازی است: اولین اجرا یک مدل دانلود می‌کند و تلفن همراه چندین برابر کندتر از لپ‌تاپ است. مدل، یک مدل کوچک Whisper است، بنابراین دقت آن نسبت به بزرگ‌ترین مدل‌ها در لهجه‌های غلیظ، نویز پس‌زمینه یا واژگان تخصصی کمتر است. روی یک بازخوانی سریع و اصلاحات در ویرایشگر حساب کنید.