ቻይንኛ ወደ ጽሑፍ
መለወጥ ቻይንኛ (中文 (普通话)) ድምፅ ወደ ጽሑፍ በ state-of-the-art AI ንግግር ማወቅ. ፈጣን, ትክክለኛ, እና ብዙ ድምፅ እና ቪዲዮ ቅርጸቶች የሚደግፍ.
ምርጥ ሞዴሎች ቻይንኛ
| ሞዴል | አቅራቢ | WER | ፍጥነት | |
|---|---|---|---|---|
| STT.ai Enhanced ምርጥ | STT.ai | 3.2% | ይሞክሩት | |
| Whisper Large V3 | OpenAI | 4.2% | ይሞክሩት | |
| Whisper Turbo | OpenAI | 5.1% | ይሞክሩት | |
| SenseVoice | FunAudioLLM | 5.5% | ይሞክሩት | |
| Distil-Whisper | Hugging Face | 5.8% | ይሞክሩት | |
| Vosk | Alpha Cephei | 12.0% | ይሞክሩት |
ስለ ቻይንኛ ተርጓሚ
ማንዳሪን ቻይንኛ በወላጆች የሚነገር ቋንቋ ነው. STT.ai ትክክለኛ ማንዳሪን መዝገበ ቃላትን በቅጽበት ፊደል ውጤት እና ድምፅ ማወቅን ይሰጣል.
STT.ai የቅርብ ጊዜውን አፈፃፀም ይሰጣል ቻይንኛ የድምፅ ማወቅ በብዙ AI ሞዴሎች የተደገፈ. እርስዎ ቃለ ምልልሶች, አስተያየቶች, podcasts, ወይም ስብሰባዎች በ ቻይንኛ, የፕላትፎርማችን ቋንቋን በራስ-ሰር ያገኛል እናም ለተሻለ ትክክለኛነት ምርጥ ሞዴልን ይምረጣል.
በትክክል ቻይንኛ ተርጓሚ
የቀን መቁጠሪያው ቀለም ቻይንኛ የድምፅ ጥራት, ተናጋሪ ግልጽነት, የኋላ ድምፅ, እና ምርጫዎ ሞዴል ላይ የተመሠረተ ነው. አንድ ተናጋሪ ጋር ንጹህ ድምፅ ላይ, ምርጥ ሞዴሎችን የቃል ስህተት መጠን (WER) 6% ለ ቻይንኛ -- የሰው ደረጃ ትክክለኛነትን እየቀረበ ነው።
ምርጥ ውጤቶች ቻይንኛ ድምፅ፣ እንመክራለን:
- ድምፅ አጥፉ -- የኋላ ድምፅን ዝቅ አድርግ እና ጥሩ ሚክሮፎን ይጠቀሙ
- የአንድ ተናጋሪ ክፍሎች -- ለብዙ-ተናጋሪ መዝገቦች የድምፅ ሰጪውን ቀን መቁጠሪያ ያስቻል
- ትክክለኛውን ሞዴል ይምረጡ -- NVIDIA Canary ለሚደገፉ ቋንቋዎች ዝቅተኛውን WER ይሰጣል፣ Whisper Large V3 ደግሞ በጣም ሰፊውን የቋንቋ ጥበቃ ይሰጣል
- ቋንቋን ይምረጡ -- በራስ-ሰር-መፈለግ ጥሩ ሆኖ ሲሠራ፣ በมือ መምረጥ ቻይንኛ ትክክለኛነትን ቀላል ያሻሽላል
ላኪ ቻይንኛ ትራንስክሪፕቶች
ፋይል ቻይንኛ ድምፅ፣ ውጤቱን በእነዚህ ቅርጸቶች ውስጥ ማንኛውንም ይጫኑ:
TXT
ቀላል ጽሑፍ
SRT
የጊዜ ምልክት
VTT
የቪዲዮ ርዕሶች
DOCX
የWord ሰነድ
JSON
የጊዜ ምልክቶች
PDF
ሰነድ አጥፉ
ብዙ ጊዜ የሚጠየቁ ጥያቄዎች
ቻይንኛ (中文 (普通话)) የሚይዝ የድምፅ ወይም የቪዲዮ ፋይልን ወደ STT.ai ጫን ወይም URLን ጠቅ ያድርጉ። ቻይንኛ የሚደግፍ ሞዴል ይምረጡ - ለተሻለ ውጤት በታች ባለው ሰንጠረዥ ውስጥ ዝቅተኛውን WER ይምረጡ - እና መዝገብ ቤትን ጠቅ ያድርጉ።
አዎ. STT.ai ለእያንዳንዱ ጎብኚ 600 ነፃ ደቂቃዎች ይጀምራል ይሰጣል, ይህም ቻይንኛ (1.1 billion በዓለም ዙሪያ ተናጋሪዎች) ያካትታል. ለመጀመሪያው ፋይልዎ ምንም መመዝገብ የለም. የተከፈለ ዕቅድ በ $5 / ወር ጀምሮ ረጅም ፋይሎችን እና የግል ትርጉሞችን ያዘጋጁ.
ቻይንኛ በጥሩ ድምፅ ላይ ትክክለኛነት 92-96% በጥሩ ሞዴሎች ጋር ይደርሳል. ቻይንኛ ያለ ቃል-ደረጃ ቦታዎች ይጽፋል, ስለዚህ የ tokenizer ክፍሎችን ለ downstream ፈልግ እና subtitling ተገቢ ውጤት.
በታች ያለው ሰንጠረዥ ለ WER ቻይንኛ የተደገፉ ሞዴሎችን ይዘረዝራል (ከታች የበለጠ ነው). Whisper Large V3 በጣም ሰፊው ቻይንኛ ጥበቃ አለው; NVIDIA Canary በተደገፈው ቻይንኛ ልዩነቶች ላይ በጣም ዝቅተኛው WER አለው; STT.ai Enhanced ለተሸፈኑ ዕቅዶች ሁለቱንም ያጠናክራል.
ቻይንኛ ውጤት የራሱን ፊደል (中文 (普通话)) ይጠቀማል. ለጃፓንኛ, kanji + kana እንደተናገሩ ተጣምረዋል; ለ ማርንዳሪን, ቀላል ወይም ጥንታዊ በሞዴል የተመረጠ ነው. ከጽሑፍ በኋላ በጽሑፎች መካከል በመለወጥ በርዕስ-ክለሶች መሳሪያ በመጠቀም መቀየር ይችላሉ.
አዎ. የተናጋሪው ቀን መቁጠሪያ ቋንቋ-አልባ ነው እና በ ቻይንኛ ላይ እንደ አማርኛው በተመሳሳይ መንገድ ይሠራል. ተናጋሪው ሁሉ (ተናጋሪ 1, ተናጋሪ 2,...) ምልክት ተደርጓል እናም ከቀረጻ በኋላ በማተሚያው ውስጥ ስምዎን መለወጥ ይችላሉ።
አብዛኛዎቹ ቻይንኛ ፋይሎች በ5 ደቂቃዎች ውስጥ ይተረጎማሉ. 1 ሰዓት ቻይንኛ የድምፅ ፋይል በፍጥነት 2-3 ደቂቃዎች ይወስዳል ፣ እና በከፍተኛ-ጥራት ሞዴሎች ትንሽ ረዘም ያለ ጊዜ ይወስዳል ፡፡
ቻይንኛ ፋይሎች MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, እና 10 + ሌሎች ቅርጸቶች ሁሉ ሥራ. ወደ TXT, SRT, VTT, DOCX, JSON, እና PDF - ሁሉም ቻይንኛ ጽሑፍ ያልተበላሸ ጋር.
አዎ. ቻይንኛ የድምፅ ፋይሎች በቅድመ-ሁኔታ የተቀረጹ እና የተጠፉ ናቸው. ፕሮ ፕሮግራሞች ክላይንት-ገጽ ሶፍትዌር ሶፍትዌር ይጨምራሉ - ዴስክቶፕችን ቢደፈርም እንኳ ፣ ትራንስክሪፕቶችዎ እርስዎ ቁልፍ ሳይኖራቸው የማይነበቡ ናቸው ፡፡ ቻይንኛ መረጃ ግልጽ ያልሆነ የውስጥ አማራጭ ሳይኖር ለሞዴል ስልጠና አይጠቀምም ፡፡
አዎ. ቻይንኛ SRT እና VTT ርዕሶች የጽሑፍ ምልክት ፍሰትን በቂ ቦታ ሳይኖረው ይቆጣጠራሉ፣ በረጅም ቃላት ውስጥ የመስመር መቁረጥ ውሳኔዎችን ጨምሮ። በሁሉም ዋና የቪዲዮ መድረክ ላይ ይሠራሉ።
አዎ. ቻይንኛ ከተተረጎመ በኋላ, የ Subtitle-translator መሣሪያ SRT/VTTን ወደ 100+ የሚፈለገው ቋንቋ ሊተረጎም ይችላል. ቻይንኛ ይዘትዎ ለበለጠ ተመልካቾች Subtitles ያስፈልጋል ከሆነ ጠቃሚ ነው.
አዎ. REST API በቋንቋው ማራሚድ ቻይንኛን ይደግፋል (አቶማቲክ-አግኝቶም ይገኛል)። Python እና Node.js SDKs ቻይንኛ ድምፅን በሙሉ ጊዜ ምልክቶች እና የተናጋሪ መለያዎችን በመጠቀም በባች-መጻፍ ያስችልዎታል።
ለ ቻይንኛ, በጣም ፈጣን ተናጋሪዎች ወይም በከፍተኛ ሁኔታ የተጠናከሩ ተናጋሪዎች (የክልል ልዩነቶች) ትክክለኛነትን ሊጎዱ ይችላሉ. በብዙ ተናጋሪዎች መካከል ያለው የጎን-ጎን ንግግር ትልቁ ችግር ነው - የዲአርሲዜሽን ይረዳል ግን በአንድ ላይ የተናገሩትን ቃላት ሊያመለክት አይችልም.