Dinləyici aşkarlama və dializ

Audio və video transkripsiyalarınızda müxtəlif səsləndiriciləri avtomatik olaraq müəyyən edin və etiketləyin. Kimin nə dediyini tam olaraq bilin.

Əhaliyə əlçatan audio və video ilə işləyir. DRM-ə qarşı qorunan məzmun dəstəklənmir.

Enhanced üçün yüksəlt
Özəl transkript
Transkriptlə söhbət
Pro ilə kilidi aç →
Fayl buraya at ya da axtarmaq üçün basın
MP3, WAV, M4A, FLAC, MP4, MKV, MOV, WebM — 2 Gigabayta qədər
Enhanced üçün yüksəlt
Özəl transkript
Transkriptlə söhbət
Pro ilə kilidi aç →
Enhanced üçün yüksəlt
Qeyd 0:00
Haqqında Vaxtı
Əlavə Fısıltısı (dəqiq)
Əhaliyə bağlantılar: 24 saat, yalnız mətn · Qeyd Et 7d + audio üçün · Pro Özəl Körpülər üçün

Rəsmi səs mətnə. AI siz danışarkən avtomatik düzəldir - uzun danışıqlarla dəqiqlik yaxşılaşır.

Əvvəlcə mikrofonu sına
❤️ STT.ai-i sevirsiniz? Dostlarınıza deyin!
Özünüzü təsdiqləyin

600 dəqiqə əldə etmək üçün pulsuz qeydiyyatdan keçin, ya da $5/aydan minlərlə daha çox üçün yüksəldin.

10 azad dəqiqə/gün 600 min min qeydiyyatla pulsuz Kredit kartı yoxdur Şifrələnmişdir
Qeydiyyatdan keç →

Diaqnostikanın məqsədi nədir?

Oxuyucunun diarizləşdirilməsi səs axını oxunuşçuların kimliyinə uyğun olaraq hissələrə bölmə prosesidir. Daha sadə bir şəkildə desək, "kim nə vaxt danışdı?" sualına cavab verir. 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.

Oxucular

1. Səs Aktivliyini Axtarma

Sistem əvvəlcə səsin hansı hissələrində səs, səssizlik, musiqi və ya arxa plan səsi olduğunu müəyyən edir.

2. Oxucular

Hər bir danışıq segmenti bir səsvermə daxilinə çevrilir - səsvermənin unikal vokal xüsusiyyətlərini ələ keçirən kompakt bir vektor.

3. Clustering & Labeling

Embeddings eyni speaker segmentlərini bir araya gətirmək üçün qruplaşdırılır, sonra hər bir qrupa bir etiket verilir (Speaker 1, Speaker 2, və s.).

Oxucular

Görüş transkripsiyasını göstər
Görüş qeydlərində hər bir iştirakçını avtomatik olaraq etiketlə. Kimin nə dediyini açıqca göstərən protokollar yarada.
Podcast transkripsiya
Podcast hissələrində qonaqlar və qonaqları ayır. Doğru səsləndirici aidiyyəti ilə göstərmə qeydlərini yarat.
Müzakirə transkripsiya
Araşdırma, jurnalistika və işə qəbul sənədləri üçün müsahibəçi və müsahibəçi cavablarını ayırın.
Hüquqi və uyğunluq
Depozitlərin, dinləmələrin və aydın danışan identifikasiyası ilə uyğunluq zənglərinin rəsmi qeydlərini yaradın.

STT.ai-də səsləndirici aşkarlanması

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.

Hökmdar aşkarlamasını indi sına

Bir çox səsləndirici qeydini yüklə və səsləndiricilərin avtomatik olaraq etiketləndiyini gör.

_Gözlə

Tez-tez Sorulan Sual

səsləndirici aşkarlama brauzerinizdə işləyir: URL-i yapışdır, fayl yüklə, ya da mikrofonunuzdan qeyd et. STT.ai AI modelini seçir və 5 dəqiqə ərzində transkripti geri qaytarır. TXT, SRT, VTT, DOCX, JSON, ya da PDF olaraq ixrac et.

Bəli — hər ziyarətçi STT.ai-də başlamaq üçün 600 pulsuz dəqiqə alır, səsləndirici aşkarlama üçün hər hansı digər iş axını kimi istifadə edilə bilər. Ayda $5-dan başlayan ödənişli planlar daha uzun faylları, şəxsi transkriptləri və prioritet sıralamaya imkan verir.

səsləndirici aşkarlama STT.ai-in qalan hissəsi kimi eyni AI modelləri üzərində işləyir - ən yaxşı modellərimiz 95-97% düzgünlüklə təmizlənmiş sözlər (3-5% söz səhv dərəcəsi ilə müqayisədə) əldə edir. Əgər ilk keçid hədəfinizi aşağıdadırsa, modelləri dəyişdirin.

səsləndirici aşkarlama STT.ai-in 10+ modelinin hər hansı birində işləyəcəkdir — STT.ai Enhanced (ən doğru), Whisper Large V3 (99 dil), NVIDIA Canary (#1 WER dəstəklənən langlarda), Whisper Turbo (dəqiq), Moonshine (yüngül), və daha çox.

Bəli. Hər transkript SRT və ya VTT olaraq ixrac olunur - YouTube, Vimeo, TikTok, VLC və bütün əsas video pleyerləri ilə işləyir. Yazma-subtitr aləti onları videoya hardsubs olaraq üst-üstə qoyur.

Bəli. Oxucular diarı hər səsi avtomatik olaraq etiketləyir (Oxucular 1, Oxucular 2,...) və siz onları daxili redaktorda yenidən adlandıra bilərsiniz. Bütün modellər və dillər üçün işləyir.

səsləndirici aşkarlama işlərinin çoxu 5 dəqiqədən az müddətdə tamamlanır. 1 saatlıq səs faylının ən sürətli modellərimizdə 2-3 dəqiqə ərzində tamamlanması gözlənilir. Sür'ət seçilmiş model və hazırkı GPU yükünə bağlıdır.

səsləndirici aşkarlama 20+ formatı qəbul edir — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI və daha çox. Çıxışı TXT, SRT, VTT, DOCX, JSON və ya PDF-ə çevir.

Bəli. səsləndirici aşkarlama-a göndərilən səs faylları ön qurğulu olaraq işlənir və silinir. Pro planları müştəri tərəfli şifrələməyə əlavə edir - STT.ai-in məlumat bazası pozulsa belə, transkriptləriniz açarınız olmadan oxuna bilməz. Məlumat açıqca razılaşmadan heç vaxt model təlimatı üçün istifadə edilmir.

Bəli. STT.ai Python və Node.js SDK-ları ilə REST API təklif edir, Claude və Cursor üçün MCP serveri ilə birlikdə - bütün səsləndirici aşkarlama iş axınları üçün istifadə edilə bilər. Pulsuz API səviyyəsi ayda 100 dəqiqəni əhatə edir.

Bəli. Hər bir transkript daxili redaktorda açılır və siz sözləri düzəldə, səsləndiriciləri yenidən adlandıra, vaxt damğalarını düzəldə və qeydləri əlavə edə bilərsiniz. Bütün dəyişikliklər avtomatik olaraq qeyd edilir.

Hər transkript bir unikal paylaşıla bilən URL alır. E-poçt üçün DOCX və ya PDF-ə ixrac edir. Pro planları şifrəli qorunan və daimi bağlantıları əlavə edir - müştəri işində faydalıdır.

STT.ai YouTube, Vimeo, TikTok, SoundCloud, Zoom, Google Meet, podcast hostları və daha çox daxil olmaqla 1300+ platformaları idarə edir. URL transkripsiya yalnız ictimai olaraq mövcud olan məzmunla işləyir - DRM- qorunan mənbələr transkripsiya edilə bilməz.