تشخیص و نگارش بلندگو

به صورت خودکار شنوندگان مختلف را در رونوشت‌های صوتی و ویدئویی خود شناسایی و برچسب بزنید. دقیقاً بدانید که چه کسی چه چیزی گفت.

با صوت و ویدئوهای در دسترس عمومی کار می‌کند. محتوای محافظت شده با DRM پشتیبانی نمی‌شود.

ارتقا برای بهبودیافته
رونوشت خصوصی
گپ زدن با رونوشت
باز کردن قفل با Pro →
پروندۀ را اینجا بگذارید یا برای مرور کلیک کنید
MP3, WAV, M4A, FLAC, MP4, MKV, MOV, WebM — تا ۲ گیگابایت
ارتقا برای بهبودیافته
رونوشت خصوصی
گپ زدن با رونوشت
باز کردن قفل با Pro →
ارتقا برای بهبودیافته
ضبط: 0:00
زمان واقعی موم (موقت)
بهبودیافته زمزمه (دقت)
وبگاه رسمی 24hours.com · ثبت نام برای 7d + صدا · حرفه اي برای پیوندهای خصوصی

گفتار به متن در زمان واقعی. هوش مصنوعی خودکاراً در حین صحبت کردن شما را اصلاح می‌کند - دقت با صحبت طولانی تر بهبود می‌یابد.

ابتدا میکروفون خود را امتحان کنید
❤️ دوست STT.ai رو به دوستانت بگو
تو از رونوشت هاي مجانيت استفاده کردي

برای دریافت ۶۰۰ دقیقه رایگان ثبت نام کنید یا از ۵ دلار در ماه برای هزاران دلار بیشتر ارتقاء پیدا کنید.

۱۰ دقیقه آزاد در روز 600 دقیقه رایگان با ثبت نام کارت اعتباري ندارم رمزگذاری شده
ثبت نام مجانی →

«آشنایی با دیالوگ‌نویسی چیست؟».

دیاریزاسیون گوینده فرایند تقسیم جریان صوتی به بخش‌های مختلف بر اساس هویت گوینده است. به عبارت ساده‌تر، این پاسخ به سوال «چه کسی چه زمانی صحبت کرد؟» است. 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.

نحوهٔ تشخیص گوینده

۱. شناسایی فعالیت صدا

سیستم اول شناسایی می‌کند که کدام بخش‌های صدا شامل سخن در مقابل سکوت، موسیقی یا سر و صدای پس زمینه است.

2. جاسازی بلندگو

هر بخش از سخن به یک درون‌مایه بلندگو تبدیل می‌شود - یک بردار فشرده که ویژگی‌های صوتی منحصر به فرد بلندگو را ثبت می‌کند.

خوشه بندی و برچسب‌گذاری

در این روش، اتصالات به صورت خوشه برای گروه بندی بخش‌های یک بلندگو با هم انجام می‌شود، سپس به هر خوشه یک برچسب ( بلندگو ۱، بلندگو ۲ و غیره) اختصاص داده می‌شود.

موردهای استفاده برای تشخیص گوینده

رونوشت ملاقات
برچسب زدن خودکار هر شرکت‌کننده در ضبط جلسات. تولید یادداشت با اشاره واضح به اینکه چه کسی چه چیزی گفت.
رونوشت پادکست
تمایز بین میزبان و مهمان در قسمت‌های پادکست. ایجاد یادداشت‌های نمایش با اختصاص دادن مناسب سخنران.
مصاحبه با ترانسفرمارکت
مصاحبه‌کننده و پاسخ‌های مصاحبه‌شونده را برای تحقیقات، روزنامه‌نگاری و مستندات استخدام جدا کنید.
قانونی و مطابقت
ثبت رسمی اظهارات، جلسات و تماس‌های تطبیقی با شناسایی واضح سخنران را ایجاد کنید.

Speaker Detection on 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.

حالا تلاش برای تشخیص بلندگو

یک ضبط چند بلندگو را بارگذاری کنید و بلندگوها را به صورت خودکار برچسب بزنید.

شروع رونوشت آزاد

پرسشهای متداول

تشخیص بلندگو runs in your browser: paste a URL, upload a file, or record from your mic. STT.ai picks the AI model and returns the transcript in under 5 minutes. Export as TXT, SRT, VTT, DOCX, JSON, or PDF.

Yes — every visitor gets 600 free minutes/month on STT.ai, usable for تشخیص بلندگو the same as any other workflow. Paid plans starting at $5/month unlock longer files, private transcripts, and priority queueing.

تشخیص بلندگو runs on the same AI models as the rest of STT.ai — our best models reach 95-97% accuracy on clean speech (3-5% Word Error Rate on benchmarks). Switch models on the fly if the first pass is below your target.

تشخیص بلندگو can run on any of STT.ai's 10+ models — STT.ai Enhanced (most accurate), Whisper Large V3 (99 languages), NVIDIA Canary (#1 WER on supported langs), Whisper Turbo (fast), Moonshine (lightweight), and more.

بله. هر رونوشت به صورت SRT یا VTT صادر می‌شود — با یوتیوب، ویمو، TikTok، VLC و هر پخش‌کننده ویدئویی بزرگ کار می‌کند. ابزار زیرنویس سوزاندن آن‌ها را به عنوان زیرنویس سخت بر روی ویدئو قرار می‌دهد.

بله. فهرست‌بندی بلندگوها به طور خودکار هر صدا را برچسب می‌زند) بلندگو ۱ ، بلندگو ۲ ،... (و می‌توانید آنها را در ویرایشگر درونی تغییر نام دهید. در تمام مدلها و زبانها کار می‌کند.

بیشتر تشخیص بلندگو کارها در کمتر از ۵ دقیقه به پایان می‌رسند. یک پرونده صوتی یک ساعته معمولاً در سریع‌ترین مدل‌های ما در ۲-۳ دقیقه به پایان می‌رسد. سرعت به مدل انتخاب شده و بار GPU جاری بستگی دارد.

تشخیص بلندگو بیش از ۲۰ قالب را پشتیبانی می‌کند — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, و بیشتر. خروجی به TXT, SRT, VTT, DOCX, JSON, or PDF.

Yes. Audio files submitted to تشخیص بلندگو are processed and deleted by default. Pro plans add client-side encryption — even if STT.ai's database is breached, your transcripts are unreadable without your key. Data is never used for model training without explicit opt-in.

Yes. STT.ai offers a REST API with Python and Node.js SDKs, plus an MCP server for Claude and Cursor — all usable for تشخیص بلندگو workflows. Free API tier includes 100 minutes/month.

بله. هر رونوشت در ویرایشگر داخلی باز می‌شود که در آن می‌توانید کلمات را تصحیح کنید، نام گویندگان را تغییر دهید، مهرهای زمانی را تنظیم کنید و یادداشت‌ها را اضافه کنید. همه تغییرات به صورت خودکار ذخیره می‌شوند.

هر رونوشت یک نشانی وب مشترک منحصربه‌فرد دریافت می‌کند. برای ارسال ایمیل به DOCX یا PDF صادر می‌شود. برنامه‌های حرفه‌ای پیوندهای دائمی و محافظت‌شده با گذرواژه را اضافه می‌کنند — برای کار مشتری مفید است.

STT.ai بیش از ۱۳۰۰ پلت فرم را از جمله یوتیوب، ویمو، تیک تاک، ساوند کلاود، زوم، گوگل میت، میزبان‌های پادکست و بیشتر را مدیریت می‌کند.