স্পিকার চিনাক্তকৰণ আৰু ডায়াৰাইজেশন

স্বয়ংক্ৰিয়ভাৱে আপোনাৰ অডিঅ' আৰু ভিডিঅ' অনুবাদত বিভিন্ন স্পিকারক চিনাক্ত কৰক আৰু লেবেল কৰক। সঠিকভাৱে জানক কোনে কি ক'লে।

জনসাধাৰণৰ বাবে উপলব্ধ অডিঅ' আৰু ভিডিঅ'ৰ সৈতে কাম কৰে। DRM-প্ৰতিৰক্ষা কৰা সমল সমৰ্থিত নহয়।

উন্নত কৰাৰ বাবে উন্নত কৰক
ব্যক্তিগত ট্ৰান্সক্ৰিপ্ট
অনুলিপিৰ সৈতে চেট কৰক
Pro ৰ সৈতে আনলক কৰক →
নথিপত্ৰ এখানে স্থাপন কৰক অথবা ব্ৰাউছ কৰিবলৈ ক্লিক কৰক
MP3, WAV, M4A, FLAC, MP4, MKV, MOV, WebM — ২GB ৰ ভিতৰত
উন্নত কৰাৰ বাবে উন্নত কৰক
ব্যক্তিগত ট্ৰান্সক্ৰিপ্ট
অনুলিপিৰ সৈতে চেট কৰক
Pro ৰ সৈতে আনলক কৰক →
উন্নত কৰাৰ বাবে উন্নত কৰক
ৰেকৰ্ডিং: 0:00
ৰিয়েল-টাইম মোম (অবিলম্বে)
উন্নত উচুপি উচুপি (সঠিক)
ৰাজহুৱা লিঙ্ক: ২৪ ঘন্টা, কেৱল টেক্সট · নিবন্ধন কৰক 7d + অডিঅ'ৰ বাবে · প্ৰো ব্যক্তিগত লিঙ্কসমূহৰ বাবে

ৰিয়েল-টাইম কথোপকথনক টেক্সটত ৰূপান্তৰ কৰক। আপুনি কথোপকথন কৰাত AI এ স্বয়ংক্ৰিয়ভাবে সঠিক কৰে - দীঘল কথোপকথনৰ সৈতে সঠিকতা উন্নত হয়।

প্ৰথমে আপোনাৰ মাইক্রোফোন পৰীক্ষা কৰক
❤️ STT.ai ভাল পায়? আপোনাৰ বন্ধুসকলক কওক!
আপুনি আপোনাৰ মুক্ত অনুবাদ ব্যৱহাৰ কৰিছে

৬০০ মিনিটৰ বাবে বিনামূলীয়াকৈ নিবন্ধন কৰক, অথবা $৫/মাহতকৈ অধিক হাজাৰ টকাৰ বাবে আপগ্ৰেড কৰক।

১০ মুক্ত মিনিট/দিন 600 মিনিট বিনামূলীয়া ক্ৰেডিট কাৰ্ড নাই এনক্ৰিপ্ট কৰা
বিনামূল্যে নিবন্ধন কৰক →

স্পীকাৰ ডায়াৰাইজেশন কি?

স্পিকার ডায়াৰাইজেশন হৈছে স্পিকারৰ পৰিচয় অনুসৰি অডিঅ' স্ট্ৰিমক অংশত বিভাজন কৰাৰ প্ৰক্ৰিয়া। সৰলভাৱে ক'লে, ই প্ৰশ্নৰ উত্তৰ দিয়ে "কে ক'ত কথা ক'লে?" This is essential for multi-speaker recordings like meetings, interviews, podcasts, conference calls, and legal proceedings where knowing who said what is just as important as what was said.

STT.ai uses advanced neural speaker diarization models that can detect and label speakers in real time. The system creates speaker embeddings -- numerical representations of each voice's unique characteristics -- and clusters them to distinguish between different people. This works even when speakers have similar voices or frequently interrupt each other.

স্পিকার চিনাক্তকৰণ কিদৰে কাম কৰে

1. শব্দ কাৰ্য্য চিনাক্তকৰণ

চিস্টেমে প্ৰথমে অডিঅ'ৰ যি অংশত নীরবতা, সঙ্গীত বা পটভূমিৰ শব্দৰ বিপৰীতে কথা আছে সেই অংশসমূহ চিনাক্ত কৰে।

২. স্পিকার এম্বেডিং

প্ৰতিটো কথোপকথন অংশ এটা স্পিকার এম্বেডিংত পৰিবৰ্তন কৰা হয় -- এটা কমপেক্ট ভেক্টৰ যি স্পিকারৰ অনন্য কথোপকথন বৈশিষ্ট্যসমূহ ধাৰণ কৰে।

3. ক্লাষ্টিং আৰু লেবেলিং

একে স্পিকারৰ পৰা অংশসমূহ একত্ৰিত কৰিবলৈ এম্বেডিংসমূহ ক্লাস্টাৰ কৰা হয়, তাৰ পিছত প্ৰতিটো ক্লাস্টাৰক এটা লেবেল প্ৰদান কৰা হয় (স্পিকার ১, স্পিকার ২, ইত্যাদি)।

স্পিকার চিনাক্তকৰণৰ বাবে ব্যৱহাৰৰ ঘটনাসমূহ

সভা অনুলিপি
সভাৰ ৰেকৰ্ডিংত প্ৰতিজন অংশগ্ৰহণকাৰীক স্বয়ংক্ৰিয়ভাবে লেবেল কৰক। যিজনে কি কৈছিল তাৰ স্পষ্ট অনুলিপি সহ মিনিটসমূহ সৃষ্টি কৰক।
পডকাস্ট অনুবাদ
পোডকাস্টৰ অধ্যায়সমূহত হোস্ট আৰু অতিথিৰ মাজত পাৰ্থক্য কৰক। সঠিক বক্তাৰ অনুদান সহ প্ৰদৰ্শন টোকাসমূহ সৃষ্টি কৰক।
সাক্ষাৎকাৰৰ অনুবাদ
গৱেষণা, সাংবাদিকতা আৰু নিয়োগৰ তথ্য-পত্ৰৰ বাবে সাক্ষাৎকাৰকাৰী আৰু সাক্ষাৎকাৰ গ্ৰহণকাৰীৰ উত্তৰ পৃথকভাৱে প্ৰদান কৰা।
আইনী আৰু অনুকৰণ
তদন্তকাৰী সংস্থাৰ পক্ষৰ পৰা শুনানি, শুনানি আৰু স্পষ্টভাৱে স্পিকারৰ পৰিচয় উল্লেখ কৰি শুনানিসমূহৰ আনুষ্ঠানিক ৰেকৰ্ড সৃষ্টি কৰা হ’ব।

STT.ai ত স্পিকার চিনাক্তকৰণ

Speaker detection is available on all paid plans. When you transcribe audio or video with speaker detection enabled, the transcript will include speaker labels inline with the text. You can also export speaker-labeled transcripts in all supported formats including SRT, VTT, DOCX, JSON, and PDF.

Speaker 1 [00:00:01]: Welcome to the meeting, everyone. Let's start with the quarterly review. Speaker 2 [00:00:05]: Thanks. I have the numbers ready. Revenue is up 23% quarter over quarter. Speaker 1 [00:00:12]: That's great news. Can you walk us through the breakdown?

The system can detect up to 20 distinct speakers in a single recording. For best results, ensure each speaker has at least a few seconds of solo speech. Overlapping speech is handled but may reduce accuracy in heavily cross-talked segments.

স্পিকার চিনাক্তকৰণ এতিয়া চেষ্টা কৰক

একাধিক স্পিকার ৰেকৰ্ড আপলোড কৰক আৰু স্বয়ংক্ৰিয়ভাবে স্পিকারসমূহ লেবেল কৰা দেখুৱাওক।

মুক্ত ৰূপে অনুবাদ আৰম্ভ কৰক

প্ৰায়শঃ সোধা প্ৰশ্নসমূহ

স্পিকার চিনাক্তকৰণ আপোনাৰ ব্ৰাউছাৰত চলিছে: এটা URL পেস্ট কৰক, এটা নথিপত্ৰ আপলোড কৰক, অথবা আপোনাৰ মাইকৰ পৰা ৰেকৰ্ড কৰক। STT.ai এ AI মডেল নিৰ্বাচন কৰে আৰু ৫ মিনিটত অনুলিপি প্ৰদান কৰে। TXT, SRT, VTT, DOCX, JSON, অথবা PDF হিচাপে এক্সপোৰ্ট কৰক।

হ্যাঁ — প্ৰতিজন ভ্ৰমণকাৰীয়ে STT.ai ত আৰম্ভ কৰিবলৈ ৬০০ মুক্ত মিনিট পায়, যি স্পিকার চিনাক্তকৰণ ৰ বাবে ব্যৱহাৰযোগ্য যিকোনো অন্য কাৰ্য্যপ্ৰবাহৰ দৰেই। $৫/মাহত আৰম্ভ হোৱা পৰিশোধিত পৰিকল্পনাসমূহে দীঘল ফাইলসমূহ, ব্যক্তিগত ট্ৰান্সক্ৰিপ্টসমূহ, আৰু প্ৰাথমিকতা কাৰ্ডিং আনলক কৰে।

স্পিকার চিনাক্তকৰণ STT.ai ৰ বাকী অংশৰ দৰে একে AI মডেলসমূহত চলায় — আমাৰ সেৰা মডেলসমূহ ৯৫-৯৭% সঠিকতাত পৰিষ্কাৰ কথোপকথনত পৌঁছে (বেঞ্চমাৰ্কত ৩-৫% শব্দ ত্ৰুটিৰ হাৰ)। যদি প্ৰথম পাছ আপোনাৰ লক্ষ্যৰ তলত হয় তেন্তে মডেলসমূহ ফ্লাইত পৰিবৰ্তন কৰক।

স্পিকার চিনাক্তকৰণ STT.ai ৰ ১০+ আৰ্হিৰ যিকোনো এটাত চলাব পাৰিব - STT.ai উন্নত (সৰ্বাধিক সঠিক), Whisper Large V3 (৯৯ ভাষা), NVIDIA Canary (#1 WER সমৰ্থিত langs), Whisper Turbo (দ্ৰুত), Moonshine (হালকা), আৰু অধিক।

হ'ব। প্ৰতিটো অনুলিপি SRT অথবা VTT ৰূপে এক্সপোৰ্ট কৰা হয় - YouTube, Vimeo, TikTok, VLC, আৰু সকলো প্ৰধান ভিডিঅ' প্লেয়াৰৰ সৈতে কাম কৰে। বাৰ্ন-সাবটাইটেল টুল দ্বাৰা ভিডিঅ'ত হার্ডসাব হিচাপে অভাৰলেইড কৰা হয়।

হ'ব। স্পিকার ডাইৰেকটৰিয়ে স্বয়ংক্ৰিয়ভাৱে প্ৰতিটো শব্দ (স্পিকাৰ ১, স্পিকাৰ ২,...) লেবেল কৰে আৰু আপুনি ইয়াক অভ্যন্তৰীণ সম্পাদকত পুনৰ নামকৰণ কৰিব পাৰে। সকলো মডেল আৰু ভাষাত কাম কৰে।

অধিকাংশ স্পিকার চিনাক্তকৰণ কাম ৫ মিনিটত কম সময়ত সমাপ্ত হয়। এটা ১ ঘন্টাৰ অডিঅ' ফাইল সাধাৰণতে আমাৰ দ্রুততম মডেলৰ সৈতে ২-৩ মিনিটত সমাপ্ত হয়। গতি নিৰ্বাচিত মডেল আৰু বৰ্তমান GPU চাপৰ ওপৰত নিৰ্ভৰ কৰে।

স্পিকার চিনাক্তকৰণ দ্বাৰা ২০+ বিন্যাস গ্ৰহণ কৰা হ'ব — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI আৰু আরো। আউটপুট TXT, SRT, VTT, DOCX, JSON অথবা PDF ৰূপে।

হ'ব। স্পিকার চিনাক্তকৰণ লে প্ৰেৰিত অডিঅ' নথিপত্ৰসমূহ অবিকল্পিতৰূপে প্ৰক্ৰিয়া কৰা হয় আৰু আঁতৰুৱা হয়। প্ৰো প্লানসমূহে ক্লাএন্ট-সাইড এনক্ৰিপশন যোগ কৰে - STT.ai ৰ ডাটাবেইচ বিঘ্নিত হ'লেও, আপোনাৰ কি'ৰ অবিহনে আপোনাৰ ট্ৰান্সক্ৰিপ্টসমূহ পঢ়িব নোৱাৰি। স্পষ্টভাবে অ'প-ইন নকৰি তথ্য কখনোই মডেল প্ৰশিক্ষণৰ বাবে ব্যৱহাৰ কৰা নহয়।

হ্যাঁ। STT.ai এ Python আৰু Node.js SDKs ৰ সৈতে এটা REST API প্ৰদান কৰে, লগতে Claude আৰু Cursor ৰ বাবে এটা MCP সেৱক — সকলো স্পিকার চিনাক্তকৰণ কাৰ্য্যপ্ৰবাহৰ বাবে ব্যৱহাৰযোগ্য। বিনামূলীয়া API স্তৰত ১০০ মিনিট/মাহ অন্তৰ্ভুক্ত আছে।

হ্যাঁ। প্ৰতিটো অনুলিপি অন্তৰ্নিহিত সম্পাদকত খোলা হয় য'ত আপুনি শব্দ সঠিক কৰিব পাৰে, স্পিকারৰ নাম পৰিবৰ্তন কৰিব পাৰে, সময়চিহ্ন সংশোধন কৰিব পাৰে, আৰু টোকা যোগ কৰিব পাৰে। সকলো পৰিবৰ্তন স্বয়ংক্ৰিয়ভাৱে সংৰক্ষণ কৰক।

প্ৰতিটো অনুলিপিক এটা অবিকল্পিত অংশীদাৰী URL প্ৰাপ্ত কৰে। ই-মেইলৰ বাবে DOCX অথবা PDF ৰ বাবে এক্সপোৰ্ট কৰে। প্ৰো প্লানসমূহ পাছৱাৰ্ড-প্ৰুফ আৰু স্থায়ী লিঙ্ক যোগ কৰে - ক্লায়েন্টৰ কামৰ বাবে উপযোগী।

STT.ai এ YouTube, Vimeo, TikTok, SoundCloud, Zoom, Google Meet, podcast hosts, আৰু আকৌ অধিক অন্তৰ্ভুক্ত ১,৩০০+ প্লেটফৰ্মসমূহ হ্যান্ডেল কৰে। URL transcription কেৱল জনসাধাৰণৰ বাবে উপলব্ধ সামগ্ৰীৰ সৈতে কাম কৰে - DRM-প্ৰতিৰক্ষা কৰা উৎসসমূহ transcribe কৰা নাযায়।