تبدیل صدا به متن، فایل صوتی را به نوشته تبدیل میکند؛ مثلاً ویسی که ترجیح می‌دهید بخوانید تا گوش کنید، مصاحبه‌ای که می‌خواهید از آن نقل‌قول بیاورید، یا کلاس و جلسه‌ای که بعداً می‌خواهید در متنش جست‌وجو کنید. یک مدل هوش مصنوعی تشخیص گفتار در فضای ابری (به‌طور پیش‌فرض Whisper) زبان صحبت را خودش تشخیص میدهد و فارسی، انگلیسی، آلمانی و ده‌ها زبان دیگر را می‌شناسد.
فایل در فضای ابری پردازش می‌شود، پس حساب کاربری لازم است و هر فایل ۱ اعتبار مصرف میکند. فایلهای بزرگ‌تر از ۴ مگابایت قبل از ارسال، داخل مرورگر به MP3 با بیتریت ۹۶ تبدیل میشوند تا حجم آپلود کم شود. خروجی متن ساده است، بدون زمانبندی و بدون نام گویندهها؛ برای زیرنویس زماندار از «زیرنویس خودکار» استفاده کنید.
طرزِ استفاده
وارد حساب شوید و فایل صوتی را انتخاب کنید؛ ویس، ضبط کلاس، فایل MP3 یا WAV.
تبدیل را شروع کنید و تا وقتی متن ظاهر نشده صفحه را نبندید.
متن را بخوانید، اسمها و اصطلاح‌ها را اصلاح کنید و آن را کپی کنید یا به‌صورت فایل متنی دانلود کنید.
پرسش‌های متداول
صدای فارسی را به متن تبدیل میکند؟
بله. مدل زبان صحبت را خودش تشخیص میدهد؛ فارسی، انگلیسی، آلمانی، عربی، ترکی و بسیاری زبانهای دیگر. وقتی در تمام فایل یک زبان صحبت شود بهترین نتیجه را میگیرید؛ عوض شدن زبان وسط جمله دقت را کم میکند.
دقتش چقدر است؟
برای صدای واضح و نزدیک به میکروفون خیلی خوب است. موسیقی پسزمینه، حرف زدن همزمان چند نفر، لهجهٔ غلیظ و کیفیت پایین تماس تلفنی خطا را بیشتر میکنند و اسمها و اصطلاحهای تخصصی بیشتر اشتباه نوشته میشوند. قبل از استفاده، متن را یک بار بخوانید.
زمانبندی یا اسم گویندهها را هم مینویسد؟
خیر. خروجی یک متن پیوسته است. برای زیرنویس زماندار از «زیرنویس خودکار» و برای تبدیل مستقیم فایل ویدیویی از «ویدیو به متن» استفاده کنید.
فایل چقدر میتواند طولانی باشد؟
هر درخواست سقف حجم دارد. فایلهای بزرگ اول به MP3 با بیتریت ۹۶ فشرده میشوند که تقریباً نیم ساعت صحبت را جا میدهد؛ برای فایلهای طولانیتر، با «برش صوت» آن را چند تکه کنید و هر تکه را جدا تبدیل کنید.