बग/ विशेषता निवेदन रिपोर्ट करें

स्पीकर डिटेक्शन और डायराइजेशन

अपने ऑडियो और वीडियो ट्रांस्क्रिप्शन में विभिन्न स्पीकरों को स्वचालित रूप से पहचानें और लेबल करें। जानें किसने क्या कहा।

सार्वजनिक उपलब्ध ऑडियो व वीडियो के साथ कार्य करता है. वीएनसी सामग्री समर्थित नहीं है.

उन्नत बनाने के लिए उन्नत बनाएँ
निजी उच्चारण
चेक के साथ गपशप करें
योजना के साथ ताला खोलें →
फ़ाइल यहाँ क्लिक करें या ब्राउज़ करने के लिए क्लिक करें
एमपी3, W4A, FLAC, एमपी4, एमकेवी, एम. वी.
बहुत से फ़ाइलों को डाउनलोड किया जा रहा है प्रारंभ में
उन्नत बनाने के लिए उन्नत बनाएँ
निजी उच्चारण
चेक के साथ गपशप करें
योजना के साथ ताला खोलें →
उन्नत बनाने के लिए उन्नत बनाएँ
रिकार्डिंग: 0:00
रीयल- टाइम वोस्क (प्रयोग में)
एनहैंस्ड Whisper (सटीक)
सार्वजनिक लिंक: 24h, पाठ सिर्फ · ऊपर हस्ताक्षर करें 7d + ऑडियो के लिए · प्रोग्रेड निजी कड़ियों के लिए

पाठ को सही तरह से बोलने के लिए सही समय. एआई स्वचालित सुधार जैसे आप बोलते हैं - सही भाषा के साथ सुधार.

अपना माइक्रोफोन पहले टेस्ट करें
❤️ अपने दोस्तों को बताओ!
आप अपने मुफ्त विज्ञापन इस्तेमाल किया है

600 मिनट पाने के लिए मुफ्त का हस्ताक्षर करें, या $5/ महीनों में से $5 महीने की उन्नयन के लिए हज़ारों.

मुक्त साइन अप लॉग इन
10 खाली मि. / दिन साइन अप के साथ 600 मिनट मुक्त कोई क्रेडिट कार्ड नहीं गुप्त
मुक्त साइन अप →

स्पीकर डायराइजेशन क्या है?

स्पीकर डायराइजेशन ऑडियो स्ट्रीम को स्पीकर की पहचान के अनुसार खंडों में विभाजित करने की प्रक्रिया है। सरल शब्दों में, यह इस सवाल का जवाब देता है कि किसने कब बोला? 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.

स्पीकर डिटेक्शन कैसे काम करता है

1. वॉइस एक्टिविटी डिटेक्शन

सिस्टम पहले पहचानता है कि ऑडियो के कौन से खंडों में स्पीच है, और कौन से में साइलेंस, संगीत या बैकग्राउंड नॉइज़ है।

2. स्पीकर एम्बेडिंग

प्रत्येक स्पीच सेगमेंट को स्पीकर एम्बेडिंग में बदला जाता है — एक संक्षिप्त वेक्टर जो स्पीकर की अनूठी आवाज़ विशेषताओं को कैप्चर करता है।

3. क्लस्टरिंग और लेबलिंग

एम्बेडिंग्स को क्लस्टर किया जाता है ताकि एक ही स्पीकर के सेगमेंट्स को ग्रूप किया जा सके, फिर प्रत्येक क्लस्टर को लेबल दिया जाता है (स्पीकर 1, स्पीकर 2, आदि)।

स्पीकर डिटेक्शन के उपयोग

मीटिंग ट्रांस्क्रिप्शन
मीटिंग रिकॉर्डिंग में प्रत्येक प्रतिभागी को स्वचालित रूप से लेबल करें। किसने क्या कहा की स्पष्ट पहचान के साथ कार्यवृत्त तैयार करें।
पॉडकास्ट ट्रांस्क्रिप्शन
पॉडकास्ट एपिसोड में होस्ट और गेस्ट को अलग करें। सही स्पीकर पहचान के साथ शो नोट्स बनाएं।
इंटरव्यू ट्रांस्क्रिप्शन
शोध, पत्रकारिता और भर्ती दस्तावेज़ों के लिए इंटरव्यूअर और इंटरव्यूई के उत्तरों को अलग करें।
कानूनी और अनुपालन
स्पष्ट स्पीकर पहचान के साथ बयानों, सुनवाइयों और अनुपालन कॉल्स के आधिकारिक रिकॉर्ड बनाएं।

STT.ai पर स्पीकर डिटेक्शन

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.

अभी स्पीकर डिटेक्शन आजमाएं

मल्टी-स्पीकर रिकॉर्डिंग अपलोड करें और स्पीकर स्वचालित रूप से लेबल होते देखें।

मुफ्त ट्रांस्क्रिप्शन शुरू करें

अक्सर पूछे जाने वाले प्रश्न

स्पीकर जांचन अपने ब्राउज़र में चला जाता है: एक यूआरएल, एक फ़ाइल अपलोड, या अपने mic से रिकॉर्ड। STT.ai आकर्षित करता है और 5 मिनट के अंदर seT, STT, DRT, DCX, DCX, JSON, या पीडीएफ में लौटाता है।

हाँ, हर दर्शक को STT.ai पर शुरू करने के लिए 600 मिनट लगते हैं, और इसी तरह स्पीकर जांचन के लिए किसी भी अन्य काम के प्रवाह के लिए प्रयोग किया जाता है. Pid योजना $5/Mpiows, निजी प्रदर्शन, और प्राथमिकताओं पर शुरू की योजना.

स्पीकर जांचन 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.

स्पीकर जांचन 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.

जी हाँ, हर प्रदर्शन निर्यात RTT या WAC के रूप में करता है - यूट्यूब, वीआईएम, वीआईटी, वीआईसी, और प्रत्येक प्रमुख वीडियो प्लेयर के साथ काम करता है. जल-घल उपकरण उन्हें वीडियो के रूप में कठिन के रूप में वीडियो के रूप में।

स्पीकर अवरोक्‍तता स्वचालित हर आवाज को (फोनपरे 1, स्पीकर 2,...) और आप इन्हें निर्माण-इन संपादक में बदल सकते हैं. सभी मॉडलों और भाषाओं के पार कार्य करता है.

स्पीकर जांचन कार्य 5 मिनट में समाप्त. एक 1 घंटे की ध्वनि फ़ाइल विशेष रूप से हमारे सबसे तेज मॉडल के साथ पूरा होता है. गति चुना मॉडल और जीपी लोड पर निर्भर करता है.

स्पीकर जांचन 20+ फ़ॉर्मेट स्वीकार करते हैं — एमपी3, एमवी, एमईए, एएसए, ओईसी, एनईएफसी, एमईवी, एमवी, एमएम, और अधिक. आउटपुट TXT, STT, वी.

जी हाँ. ऑडियो फ़ाइलें स्पीकर जांचन में पेश की गई हैं तथा नष्ट कर दी जाती हैं. प्रोक्शन की योजना जोड़ें क्लाएंट- बाजू-पूर्व एनक्रिप्शन जोड़ें - चाहे STT.ai का डाटाबेस खराब हो, आपका उच्चारण बिना किसी खास घटना के बिना बिना पढ़ा जा सकता है. डाटा को प्रदर्शित करने के लिए प्रयोग नहीं किया गया है बिना विशिष्ट स्तर-से-अप- इन्जिक प्रशिक्षण के.

जी. STT.ai एक ReTHE API को पायथन और नोड के साथ प्रस्तुत करता है. jsss Sssss, साथ एमसीपी सर्वर किच और संकेतक के लिए एक एमसीपी सर्वर - सभी उपयोग के लिए उपयोग में आते हैं स्पीकर जांचन काम के लिए. फ्री-ttacrer 100 मिनट/Mec.

जी हाँ. प्रत्येक लेख को संपादक में खोलता है जहाँ आप सही शब्द, समय- चिह्नों का नाम बदल सकते हैं, समय- चिह्न बदल सकते हैं तथा नोट जोड़ सकते हैं. सभी परिवर्तन स्वचालित सहेजते हैं.

प्रत्येक उद्धरण एक अद्वितीय साझेदारी यूआरएल हो जाता है. ईमेल के लिए डॉकX या पीडीएफ को निर्यात करें. योजना संरक्षित और स्थायी लिंक — क्लाएंट कार्य के लिए उपयोगी है.

STT.ai तकल, वेमियो, sek, ध्वनि-क, ज़ूम, गूगल सहवास, गूगल संपर्क, और अधिक. यूआरएल अ-भरिक सामग्री के साथ काम करता है — DCM-M-C-MAC- अप स्रोतों द्वारा बाध्य नहीं किया जा सकता.