Højttalerdetektion og - diarization

Automatisk identificere og mærke forskellige højttalere i din lyd og video transskriptioner. Ved præcis, hvem der sagde hvad.

Fungerer med offentligt tilgængelig lyd og video. DRM- beskyttet indhold understøttes ikke.

Upgrade for Enhanced
Private transcript
Chat med udskrift
Lås op med Pro →
Slip fil her eller klik for at gennemse
MP3, WAV, M4A, FLAC, MP4, MKV, MOV, WebM ~ op til 2GB
Upgrade for Enhanced
Private transcript
Chat med udskrift
Lås op med Pro →
Upgrade for Enhanced
Registrering: 0:00
Realtid Vosk (øjeblikkelig)
Forbedret Hvisken (præcis)
Offentlige links: 24h, kun tekst · Tilmeld dig for 7d + lyd · Pro til private forbindelser

Real-time tale til tekst. AI auto-korrigerer som du taler nøjagtighed forbedrer med længere tale.

Test din mikrofon først
❤️ Love STT.ai? Fortæl dine venner!
Du har brugt dine gratis transskriptioner

Gratis tilmelding for at få 600 minutter/måned eller opgradering til ubegrænset transskription.

10 gratis min/dag 600 min fri med tilmelding Intet kreditkort Krypteret
Tilmeld dig gratis →

Hvad er Speaker Diarization?

Speaker diarization er processen med at opdele en lydstrøm i segmenter i henhold til identiteten af højttaleren. I enklere vendinger, det besvarer spørgsmålet "hvem talte hvornår?" 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.

Hvordan detektering af højttaler virker

1. Voice Activity Detection

Systemet identificerer først hvilke segmenter af lyd indeholder tale versus stilhed, musik eller baggrundsstøj.

2. Højttalerindlejring

Hver tale segment er konverteret til en højttaler indlejring - en kompakt vektor, der indfanger de unikke vokal egenskaber af højttaleren.

3. Klynge & mærkning

Indlejringer er grupperet til grupper segmenter fra samme højttaler sammen, så hver klynge tildeles en etiket (Speaker 1, Speaker 2, etc.).

Brug kasser til detektering af højttalere

Transskription
Automatisk mærke hver deltager i møde optagelser. Generer minutter med klar tildeling af hvem sagde hvad.
Posdcast- transcription
Distinguished mellem vært og gæster i podcast episoder. Opret show noter med korrekt højttaler tildeling.
Interview- transskription
Separat interviewer og interviewe svar til forskning, journalistik, og ansætte dokumentation.
Lovlig & overholdelse
Opret officielle optegnelser over vidneudsagn, høringer og overholdelse opkald med klar højttaler identifikation.

Højttalerdetektion på STT.ai

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.

Prøv detektering af højttaleren nu

Upload en multi-højttaler optagelse og se højttalere automatisk mærket.

Start abonnentfri@ action: inmenu

Ofte stillede spørgsmål

Upload din lyd- eller videofil til STT.ai. Vælg din foretrukne AI- model og indstillinger, og klik derefter på Transcribe. Din udskrift vil være klar på få minutter. Eksportér som TXT, SRT, VTT, DOCX, JSON eller PDF.

Ja! STT.ai tilbyder 600 gratis minutter om måneden for alle brugere. Ingen tilmelding kræves til din første transskription. Betalt planer med flere minutter og funktioner starter på $5/måned.

Nøjagtighed afhænger af den AI-model, du vælger, og lydkvalitet. Vores bedste modeller opnår en 5-7% Word Error Rate på benchmarks, hvilket betyder 93-95%+ nøjagtighed. Klar lyd med minimal baggrundsstøj giver de bedste resultater.

STT.ai tilbyder 10+ modeller, herunder Whisper Large V3, NVIDIA Canary, og meget mere. Du kan sammenligne resultater fra forskellige modeller på samme fil.

Ja. Efter omskrivning, eksportere din udskrift som SRT eller VTT undertekst filer. Disse arbejder med YouTube, Vimeo, og alle større video platforme.

Ja. STT.ai identificerer og mærker automatisk forskellige højttalere ved hjælp af AI højttalerdiarisering. Fungerer på tværs af alle modeller og sprog.

De fleste filer er transskriberet på under 5 minutter. En 1-timers lydfil tager typisk 2-3 minutter med vores hurtigste modeller.

STT.ai understøtter 20 + lyd- og videoformater, herunder MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM og AVI. Eksporterer som TXT, SRT, VTT, DOCX, JSON eller PDF.

Ja. Lydfiler behandles og slettes efter transskription. Dine data bruges aldrig til træning. Klient-side kryptering er gratis på alle planer! det krypterer gemte udskrifter med en nøgle kun du har. Under behandlingen, serveren håndterer din lyd i klartekst. Lær om vores sikkerhed.

Ja. STT.ai tilbyder en REST API med Python og Node.js SDKs. Gratis niveau inkluderer 100 minutter / måned.

Ja. STT.ai indeholder en indbygget udskriftseditor, hvor du kan rette fejl, omdøbe højttalere og justere tidsstempler.

Hver udskrift får en unik delelig link. Eksporter til DOCX eller PDF til e-mail. Pro planer tilbyder password-beskyttede og permanente links.

STT.ai understøtter 1.300 + platforme, herunder YouTube, Vimeo, TikTok, SoundCloud, og meget mere. URL transskription virker kun med offentligt tilgængelig lyd og video. DRM-beskyttet indhold (såsom Spotify premium episoder, Netflix, Disney+, etc.) kan ikke transskriberes. For DRM indhold, downloade filen separat og uploade den direkte.