කථානායක හඳුනාගැනීම සහ Diarization

ස්වයංක්රීයව හඳුනාගෙන ඔබේ ශ්රව්ය හා වීඩියෝ පරිවර්තනයන් විවිධ කථිකයන් ලේබල්. කවුද කිව්වේ හරියටම දැන.

පොදු ලබා ගත හැකි ශ්රව්ය හා වීඩියෝ සමග වැඩ. DRM-ආරක්ෂිත අන්තර්ගතය සහාය නොදක්වයි.

වැඩිදියුණු කිරීම සඳහා උසස්
පෞද්ගලික පරිවර්තනය
පරිවර්තනය සමඟ සල්ලාපයේ
Pro සමඟ අගුළු →
ගොනුව මෙතනින් බස්සන්න හෝ ගවේශනය කිරීමට ක්ලික් කරන්න
MP3, WAV, M4A, FLAC, MP4, MKV, MOV, WebM - 2GB දක්වා
වැඩිදියුණු කිරීම සඳහා උසස්
පෞද්ගලික පරිවර්තනය
පරිවර්තනය සමඟ සල්ලාපයේ
Pro සමඟ අගුළු →
වැඩිදියුණු කිරීම සඳහා උසස්
පටිගත කිරීම: 0:00
සැබෑ කාලය ඉටි (ක්ෂණික)
වැඩිදියුණු කළ කොඳුරන්න (නිවැරදි)
පොදු සබැඳි: 24h, පෙළ පමණක් · ලියාපදිංචි වන්න 7d + ශ්රව්ය සඳහා · ප්‍රො පෞද්ගලික සබැඳි සඳහා

පෙළ තත්කාලීන කථා. ඔබ කතා කරන ලෙස AI ස්වයංක්රීය නිවැරදි - නිරවද් යතාවය දිගු කථා සමග වැඩි දියුණු.

පළමුව ඔබේ මයික්‍රොෆෝනය පරීක්ෂා කරන්න
❤️ STT.ai ආදරය? ඔබේ මිතුරන්ට කියන්න!
ඔයා ඔයාගේ නොමිලේ ලැබෙන පරිවර්තනය පාවිච්චි කළා.

මිනිත්තු 600 ක් ලබා ගැනීමට නොමිලේ ලියාපදිංචි වන්න, හෝ තවත් දහස් ගණනක් සඳහා $5/month සිට උසස්.

10 නිදහස් විනාඩි / දින 600 මිනිත්තු ලියාපදිංචිය සමඟ නොමිලේ ක්‍රෙඩිට් කාඩ් නැත ගුප්ත කේතනය
නොමිලේ ලියාපදිංචි වන්න →

කථානායක Diarization යනු කුමක්ද?

කථානායක diarization කථානායකගේ අනන්යතාව අනුව කොටස් බවට ශ්රව්ය ධාරාව partitioning ක්රියාවලිය වේ. සරල වචන වලින්, එය ප්රශ්නයට පිළිතුරු "කවුද කතා කළ විට?" 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.

කථානායක හඳුනාගැනීම ක්රියා කරන ආකාරය

1. හඬ ක්රියාකාරකම් හඳුනා ගැනීම

ශ්‍රව්‍ය දෘශ්‍ය මාධ්‍යයන්හි ශ්‍රව්‍ය සංඥා යනු ශ්‍රව්‍ය සංඥා, ශ්‍රව්‍ය සංඛ්‍යාත, ශ්‍රව්‍ය ශබ්ද හෝ ශ්‍රව්‍ය සංඛ්‍යාත වේ.

2. කථානායක embedding

සෑම කථන කොටසක්ම කථිකයාගේ සුවිශේෂී කටහඬ ලක්ෂණ අල්ලා ගන්නා සංයුක්ත දෛශිකයක් වන කථිකයාගේ embedding එකකට පරිවර්තනය වේ.

3. කුලක සහ ලේබල් කිරීම

ව්‍යුහය සකස් කර ඇත්තේ එකම කථානායකයාගෙන් කණ්ඩායම් කොටස් එකට එකතු කිරීමට වන අතර, ඉන්පසු සෑම කට්ටලයක්ම ලේබලයක් (කථානායක 1, කථානායක 2, ආදිය) වෙන් කර ඇත.

කථානායක හඳුනා ගැනීම සඳහා නඩු භාවිතා

රැස්වීමේ පරිවර්තනය
ස්වයංක්රීයව රැස්වීමේ පටිගත කිරීම් එක් එක් සහභාගී ලේබල්. කවුද කිව්වා පැහැදිලි හිමිකම් සමග විනාඩි ජනනය.
පොඩ්කාස්ට් පරිවර්තනය
පොඩ්කාස්ට් කතාමාලාව සත්කාරක සහ අමුත්තන් අතර වෙන්. නිසි කථානායක හිමිකම් සමග ප්රදර්ශනය සටහන් නිර්මාණය.
සම්මුඛ පරීක්ෂණය පරිවර්තනය
පර්යේෂණ සඳහා සම්මුඛ සාකච්ඡාකරු හා සම්මුඛ ප්රතිචාර වෙන්, පුවත්පත් කලාව, සහ කුලියට ලේඛන.
නීතිමය සහ අනුකූලතාව
පැහැදිලි කථානායක හඳුනා ගැනීම සමග, සාක්ෂි, විභාග, සහ අනුකූලතාව ඇමතුම් නිල වාර්තා නිර්මාණය කරන්න.

STT.ai මත කථානායක හඳුනාගැනීම

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.

කථික හඳුනාගැනීම දැන් උත්සාහ කරන්න

බහු කථික පටිගත කිරීමක් උඩුගත කර ස්වයංක්රීයව ලේබල් කරන ලද කථිකයන් බලන්න.

නිදහස් පරිවර්තනය ආරම්භ

නිතර අසන ප්රශ්න

කථානායක හඳුනාගැනීම ඔබේ බ්රවුසරය තුළ ක්රියාත්මක වේ: URL එකක් ඇලවීම, ගොනුවක් උඩුගත කිරීම හෝ ඔබේ මයික්රෆෝනයෙන් වාර්තා කිරීම. STT.ai AI ආකෘතිය තෝරා5මිනිත්තු යටතේ පරිවර්තනය ආපසු ලබා දෙයි. TXT, SRT, VTT, DOCX, JSON හෝ PDF ලෙස අපනයනය කරන්න.

ඔව් - සෑම සංචාරකයෙකුටම STT.ai හි ආරම්භ කිරීමට 600 නිදහස් විනාඩි ලැබේ, කථානායක හඳුනාගැනීම සඳහා භාවිතා කළ හැකි වෙනත් ඕනෑම වැඩ ප් රවාහයක් මෙන්. $5/month සිට ආරම්භ වන ගෙවීම් සැලසුම් දිගු ගොනු, පෞද්ගලික පරිවර්තන සහ ප්රමුඛතාවය පෝලිම් අගුළු දමන්න.

කථානායක හඳුනාගැනීම STT.ai හි ඉතිරි කොටස මෙන් AI ආකෘති මත ධාවනය වේ - අපගේ හොඳම ආකෘති පිරිසිදු කථාව මත 95-97% නිරවද් යතාවයට ළඟා වේ (3-5% පද වැරදි අනුපාතය). පළමු වරට ඔබේ ඉලක්කය පහත වැටුණහොත් යානය මත ආකෘති මාරු කරන්න.

කථානායක හඳුනාගැනීම STT.ai හි 10+ ආකෘති වලින් ඕනෑම එකක් මත ධාවනය කළ හැකිය - STT.ai වැඩිදියුණු කිරීම (සහතිකවම නිවැරදි), විස්පර් ලොකු V3 (99 භාෂා), NVIDIA කැනරි (#1 සහාය දක්වන ලන්ස්), විස්පර් ටර්බෝ (හොඳින්), මවුන්ට්ෂයින් (සැහැල්ලු බර), සහ තවත් බොහෝ දේ.

ඔව්. සෑම පරිවර්තනයක්ම SRT හෝ VTT ලෙස අපනයනය කරයි - යූ ටියුබ් සමඟ වැඩ, Vimeo, TikTok, VLC, සහ සෑම ප්රධාන වීඩියෝ ක්රීඩකයා. ගිනි-අධිකරණය මෙවලම hardsubs ලෙස වීඩියෝ මත ඔප දැමීම.

ඔව්. කථානායක diarization ස්වයංක්රීයව එක් එක් හඬ ලේබල් (කථානායක 1, කථානායක 2,...) හා ඔබ තිරය මත සකස්කරු ඔවුන් නැවත නම් කළ හැක. සියලු ආකෘති හා භාෂා හරහා වැඩ.

බොහෝ කථානායක හඳුනාගැනීම වැඩ5මිනිත්තු යටතේ අවසන් වේ. 1-පැය ශ් රව් ය ගොනුව සාමාන්යයෙන් අපගේ වේගවත්ම ආකෘති සමඟ 2-3 මිනිත්තු තුළ සම්පූර්ණ වේ. වේගය තෝරාගත් ආකෘතිය සහ වත්මන් GPU බර මත රඳා පවතී.

කථානායක හඳුනාගැනීම 20+ ආකෘති පිළිගනී - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI සහ තවත්. ටෙක්ස්ට්, එස්ආර්ටී, වීටීටී, ඩොක්ස්, ජීඑස්එන් හෝ පීඩීඑෆ් වෙත ප් රතිදානය.

ඔව්. කථානායක හඳුනාගැනීම වෙත ඉදිරිපත් කරන ලද ශබ්ද ගොනු පෙරනිමියෙන් සකස් කර මකා දමයි. ප් රො ප් රකාර සැලසුම් සේවාදායක පැත්තේ සංකේතනය එකතු කරයි - STT.ai ගේ දත්ත සමුදායට හානි වූ විට පවා, ඔබේ යතුර නොමැතිව ඔබේ පරිවර්තන කියවිය නොහැකිය. දත්ත පැහැදිලිව තෝරා නොගත් ආකෘති පුහුණුව සඳහා භාවිතා නොකරයි.

ඔව්. STT.ai පයිතන් සහ Node.js SDKs සමඟ REST API එකක් ලබා දෙන අතර, ක්ලෝඩ් සහ කර්සරය සඳහා MCP සේවාදායකයක් - කථානායක හඳුනාගැනීම වැඩ ප්රවාහ සඳහා සියලුම භාවිතා කළ හැකිය. නොමිලේ API ස්ථරය මිනිත්තු / මාස 100 ඇතුළත් වේ.

ඔව්. සෑම පරිවර්තනය ඔබ වචන නිවැරදි කළ හැකි තැන ඉදිරිපස සංස්කාරක විවෘත, කථානායකවරුන් නම් වෙනස්, ටයිම්ස්ටැම්ප් වෙනස්, සහ සටහන් එකතු. සියලු වෙනස්කම් ස්වයංක්රීයව සුරකින්න.

සෑම පරිවර්තනය අද්විතීය shareable URL එකක් ලැබේ. ඊ-තැපැල් සඳහා DOCX හෝ PDF බවට අපනයනය. ප් රො සැලසුම් මුරපදය ආරක්ෂිත හා ස්ථිර සබැඳි එකතු - සේවාදායකයාගේ වැඩ සඳහා ප්රයෝජනවත්.

STT.ai යූ ටියුබ්, විමෝ, ටික්ටොක්, සවුන්ඩ්ක්ලාව්, ජූම්, ගූගල් හමුවීම, පොඩ්කාස්ට් සත්කාරක සහ තවත් බොහෝ දේ ඇතුළුව 1,300+ වේදිකා හැසිරවීම්. ඩීආර්එම්-ආරක්ෂිත මූලාශ් රයන් පරිවර්තනය කළ නොහැක.