Skaļruņu detektēšana un diarizācija

Automātiski identificējiet un atzīmējiet dažādus skaļruņus audio un video transkripcijās.

Darbs ar publiski pieejamu audio un video. DRM aizsargāts saturs nav atbalstīts.

Uzlabot, lai uzlabotu
Privātais transkripts
Tērzēšana ar transkriptu
Atslēgt ar Pro →
Nomest failu šeit vai noklikšķiniet, lai pārlūkotu
MP3, WAV, M4A, FLAC, MP4, MKV, MOV, WebM – līdz 2GB
Uzlabot, lai uzlabotu
Privātais transkripts
Tērzēšana ar transkriptu
Atslēgt ar Pro →
Uzlabot, lai uzlabotu
Ierakstīšana: 0:00
Reālā laika Vosks (nepietiekams)
Pastiprināts Viskijs (precīzs)
Sabiedriskās saites: 24h, teksts · Pierakstīties 7d + audio · Pro privātām saitēm

Reālā laika runa uz tekstu. AI auto-korekcija, kad jūs runājat — precizitāte uzlabojas ar ilgāku runu.

Vispirms pārbaudiet mikrofonu
❤️ Mīlestība STT.ai? Pastāsti saviem draugiem!
Tu esi izmantojis savas brīvās transkripcijas

Pierakstīties par brīvu, lai iegūtu 600 minūtes, vai uzlabot no $5/mēnesis tūkstošiem vairāk.

10 bezmaksas min./dienā 600 min bez pierakstīšanās Nav kredītkartes Šifrēts
Pierakstīties bez maksas →

Kas ir runātāja Diarization?

Skaļruņa diarizācija ir audio plūsmas sadalīšanas process segmentos pēc runātāja identitātes. Vienkāršāk sakot, tā atbild uz jautājumu "kas runāja, kad?" 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.

Kā darbojas skaļrunis detektēšana

1. Balss aktivitātes noteikšana

Sistēma vispirms identificē, kuri audio segmenti satur runas pret klusumu, mūziku vai fona troksni.

2. Skaļruņa ievietošana

Katrs runas segments tiek pārvērsts par skaļruni iegultu -- kompaktu vektoru, kas iemieso unikālās runātāja balss īpašības.

3. Klasifikācija un marķēšana

Iekļaušanas ir grupētas, lai grupētu segmentus no viena un tā paša skaļruņa kopā, tad katram klasterim tiek piešķirts marķējums (Runātājs 1, skaļrunis 2 u.c.).

Lietot skaļruņa atklāšanas gadījumus

Sanāksme ar transkripciju
Automātiski atzīmēt katru sanāksmes ierakstu dalībnieku. Ģenerējiet minūtes, skaidri norādot, kurš teica, ko.
Podcast transkripcija
Atšķiras starp saimnieku un viesiem podcast epizodēs. Izveidot parādīt piezīmes ar pareizu skaļruni.
Intervija transkripcija
Atsevišķas intervētāju un intervētāju atbildes pētniecības, žurnālistikas, un nolīgt dokumentāciju.
Juridiskā un atbilstība
Izveidot oficiālus ierakstus par nogulsnēm, uzklausīšanas, un atbilstības zvani ar skaidru skaļrunis identifikācijas.

Skaļruņa detektēšana 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.

Izmēģiniet skaļrunis detektēšanu tagad

Ielādēt vairāku skaļruņu ierakstu un redzēt skaļruņi automātiski marķēti.

Sākt pārrakstīšanu bez maksas

Bieži uzdoti jautājumi

skaļrunis darbojas jūsu pārlūkprogrammā: ielīmē URL, augšupielādē failu vai ieraksta no jūsu mikrofona. STT.ai izvēlas AI modeli un atgriež transkriptu zem 5 minūtēm. Eksportējiet kā TXT, SRT, VTT, DOCX, JSON vai PDF.

Jā — katrs apmeklētājs saņem 600 bezmaksas minūtes, lai sāktu STT.ai, izmantojams skaļrunis pats kā jebkurš cits darbplūsmu. Paid plāni sākot ar $5 mēnešu atbloķēt ilgāk failus, privāti transkripti, un prioritātes rindas.

skaļrunis darbojas ar tiem pašiem AI modeļiem, kā pārējie no STT.ai — mūsu labākie modeļi sasniedz 95-97% precizitāti par tīru runu (3-5% Word Error Rate on the flash). Pārslēdziet modeļus uz mises, ja pirmā caurlaide ir zem jūsu mērķa.

skaļrunis var darboties ar jebkuru no STT.ai's 10+ modeļiem — STT.ai Pastiprināts (visprecīzākais), Whisper Liels V3 (99 valodas), NVIDIA Canary (#1 WER uz atbalsta langiem), Whisper Turbo (ātrs), Mēness (viegls svars) un vairāk.

Jā. Katrs transkripta eksports kā SRT vai VTT — strādā ar YouTube, Vimeo, TikTok, VLC un katru galveno video atskaņotāju. Apdeguma apakšvirsraksti tos pārklāj video kā cietos subsīdijus.

Jā. Skaļruņa diarizācija automātiski marķē katru balsi (Speakler 1, Skaļruņa 2,...), un jūs varat tos pārdēvēt iebūvētajā redaktorā. Darbojas visos modeļos un valodās.

Lielākā daļa skaļrunis darbu beidzas mazāk nekā 5 minūtēs. 1 stundas audio fails parasti tiek pabeigts 2-3 minūtēs ar mūsu ātrākajiem modeļiem. Ātrums ir atkarīgs no izvēlētā modeļa un pašreizējās GPU slodzes.

skaļrunis pieņem 20+ formātus — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI un vairāk. Izvade uz TXT, SRT, VTT, DOCX, JSON vai PDF.

Jā. skaļrunis iesniegtie audio faili tiek apstrādāti un dzēsti pēc noklusējuma. Pro plāni pievieno klienta sānu šifrēšanu — pat ja STT.ai datu bāzes ir bojātas, jūsu transkripti ir nelasāmi bez jūsu atslēgas. Dati nekad netiek izmantoti modeļu apmācībai bez skaidras opt- in.

Jā. STT.ai piedāvā REST API ar Python un Node.js SDK, kā arī MCP serveri Claude un Cursor — visi izmantojami skaļrunis darbplūsmas. Bezmaksas API līmenis ietver 100 minūtes/mēnesi.

Jā. Katrs transkripts atveries iebūvētajā redaktorā, kur var labot vārdus, pārdēvēt skaļruņus, pielāgot laika zīmju skaitu un pievienot piezīmes. Visas izmaiņas saglabāt automātiski.

Katrs transkripts saņem unikālu koplietojamu URL. Eksportēt uz DOCX vai PDF e-pastu. Pro plāni pievienot paroles aizsargātas un pastāvīgas saites — noderīgas klienta darbam.

STT.ai rokturi 1300+ platformas, tostarp YouTube, Vimeo, TikTok, SoundCloud, Zoom, Google Meet, podcast datori, un vairāk. URL transkripcija darbojas tikai ar publiski pieejamu saturu — DRM aizsargātus avotus nevar transkripciju.