فایل صوتی یا ویدیویی را داخل کادر رها میکنی و متنِ گفتهشده را تحویل میگیری. کاری که دستی ساعتها طول میکشد، اینجا در چند دقیقه انجام میشود.
فرمتهای پذیرفتهشده
قاعدهی شناختهشده در کار تولید محتوا این است که پیادهسازی دستیِ یک فایل صوتی چند برابرِ مدت خودِ فایل طول میکشد — چون مدام باید نگه داری، برگردی و دوباره گوش کنی.
وقتی متن اولیه را ماشین مینویسد، کار تو از «تایپ کردن» به «بازخوانی و اصلاح» تغییر میکند، و آن خیلی سریعتر است.
ابزار هفت فرمت را میپذیرد: mp3، mp4، mpeg، mpga، m4a، wav و webm. اینکه mp4 و webm هم در فهرستاند یعنی لازم نیست ابتدا صدای ویدیو را جدا کنی؛ خودِ فایل ویدیویی را میشود مستقیم داد.
سقف حجم هر فایل ۲۵ مگابایت است. اگر ضبط جلسهات از این بزرگتر است، دو راه ساده داری: فایل را با کیفیت پایینتر و بهصورت mp3 ذخیره کن، یا آن را به چند بخش کوتاهتر تقسیم کن و هر بخش را جداگانه تبدیل کن. برای صدای گفتار، mp3 با نرخ بیت پایین معمولاً بدون افت محسوسِ دقت، حجم را چند برابر کم میکند.
پیادهسازی مصاحبه برای روزنامهنگاران و پژوهشگران؛ صورتجلسه از فایل ضبطشدهی جلسه؛ تبدیل پادکست به مقاله؛ و ساخت زیرنویس برای ویدیوهای آموزشی.
برای دانشجویان هم کاربرد مستقیم دارد: ضبط کلاس و تبدیلش به متنی که بشود در آن جستجو کرد.
کیفیت صدا مهمترین عامل است. صدایی که در آن گوینده نزدیک میکروفن بوده و صدای زمینه کم است، نتیجهی بهمراتب تمیزتری میدهد.
اگر در فایل چند نفر همزمان حرف میزنند، انتظار داشته باش که بازخوانی بیشتری لازم شود — این محدودیتِ ذاتیِ هر سیستم تبدیل گفتار به متن است، نه ایرادِ یک ابزار خاص.
اگر امکانش هست، پیش از ضبط چند ثانیه سکوت بگذار و بعد شروع کن؛ همچنین ضبط در اتاقی با فرش و پرده صدای بازتاب کمتری دارد تا اتاقی خالی با سطوح سخت. این دو کارِ ساده تفاوت محسوسی در دقت خروجی میسازند.
اصطلاحات تخصصی، نامهای خاص و کلمات انگلیسی که وسط جملهی فارسی میآیند، سختترین بخشِ کار برای هر سیستم تبدیل گفتار به متن هستند. اگر متن تو پر از نام محصول یا اصطلاح فنی است، انتظار داشته باش همانها را دستی اصلاح کنی.
لهجهی غلیظ، حرف زدن خیلی سریع، و قطعوصل شدن صدا در تماس اینترنتی هم اثر مستقیم دارند. هیچکدام از اینها ابزار را بیفایده نمیکنند، ولی تعیین میکنند که بازخوانیات چند دقیقه طول بکشد یا چند ثانیه.
هفت فرمت: mp3، mp4، mpeg، mpga، m4a، wav و webm. فایل ویدیویی را هم میتوانی مستقیم بدهی و لازم نیست صدایش را جدا کنی.
۲۵ مگابایت. برای فایل بزرگتر، آن را بهصورت mp3 با کیفیت پایینتر ذخیره کن یا به چند بخش کوتاهتر تقسیمش کن.
بله، این ابزار برای زبان فارسی استفاده میشود. مثل هر سیستم تبدیل گفتار به متن، کیفیت خروجی مستقیماً به کیفیت صدای ورودی بستگی دارد.
بله، متن خروجی قابل ویرایش است و میتوانی پیش از استفاده اصلاحش کنی.
رابط کاربری فارسی، پرداخت ریالی، و بدون نیاز به ابزار تغییر آیپی.
رفتن به تبدیل گفتار به متن فارسی