ਚੀਨੀ ਬੋਲੀ ਤੋਂ ਪਾਠ
ਬਦਲੋ ਚੀਨੀ (中文 (普通话)) ਆਡੀਓ ਤੋਂ ਟੈਕਸਟ ਲਈ state-of-the-art AI ਬੋਲੀ ਪਛਾਣ ਨਾਲ। ਤੇਜ਼, ਸਹੀ ਅਤੇ ਕਈ ਆਡੀਓ ਅਤੇ ਵੀਡਿਓ ਫਾਰਮੈਟ ਲਈ ਸਹਾਇਕ ਹੈ।
ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਡਲ ਚੀਨੀ
| ਮਾਡਲ | ਪਰੋਵਾਈਡਰ | WER | ਗਤੀ | |
|---|---|---|---|---|
| STT.ai Enhanced ਸਭ ਤੋਂ ਵਧੀਆ | STT.ai | 3.2% | ਕੋਸ਼ਿਸ਼ ਕਰੋ | |
| Whisper Large V3 | OpenAI | 4.2% | ਕੋਸ਼ਿਸ਼ ਕਰੋ | |
| Whisper Turbo | OpenAI | 5.1% | ਕੋਸ਼ਿਸ਼ ਕਰੋ | |
| SenseVoice | FunAudioLLM | 5.5% | ਕੋਸ਼ਿਸ਼ ਕਰੋ | |
| Distil-Whisper | Hugging Face | 5.8% | ਕੋਸ਼ਿਸ਼ ਕਰੋ | |
| Vosk | Alpha Cephei | 12.0% | ਕੋਸ਼ਿਸ਼ ਕਰੋ |
ਬਾਰੇ ਚੀਨੀ ਟਰਾਂਸਕਰੀਪਸ਼ਨ
ਮੰਡਰੀਨ ਚੀਨੀ ਸਭ ਤੋਂ ਵੱਧ ਬੋਲੀ ਜਾਣ ਵਾਲੀ ਭਾਸ਼ਾ ਹੈ । STT.ai ਸਹੀ ਮੰਡਰੀਨ ਟਰਾਂਸਲੇਸ਼ਨ ਸਹੀ ਅੱਖਰ ਆਉਟਪੁੱਟ ਅਤੇ ਟੋਨ ਪਛਾਣ ਨਾਲ ਦਿੰਦਾ ਹੈ ।
STT.ai ਨੇ state-of-the-art ਉਪਲੱਬਧ ਕਰਵਾਈ ਹੈ। ਚੀਨੀ ਮਲਟੀਪਲ AI ਮਾਡਲਾਂ ਨਾਲ ਚਲਾਇਆ ਗਿਆ ਬੋਲੀ ਪਛਾਣ। ਭਾਵੇਂ ਤੁਹਾਨੂੰ ਇੰਟਰਵਿਊ, ਲੇਖ, ਪੋਡਕਾਸਟ ਜਾਂ ਮੀਟਿੰਗਾਂ ਨੂੰ ਟਰਾਨਸਲੇਟ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਚੀਨੀਸਾਡਾ ਪਲੇਟਫਾਰਮ ਆਟੋਮੈਟਿਕ ਹੀ ਭਾਸ਼ਾ ਦੀ ਪਛਾਣ ਕਰਦਾ ਹੈ ਅਤੇ ਸਭ ਤੋਂ ਵਧੀਆ ਸਹੀ ਮਾਡਲ ਚੁਣਦਾ ਹੈ।
ਕਿੰਨਾ ਸਹੀ ਹੈ ਚੀਨੀ ਟਰਾਂਸਲੇਸ਼ਨ?
ਇਸ ਲਈ ਠੀਕਤਾ ਚੀਨੀ ਟਰਾਂਸਲੇਸ਼ਨ ਆਡੀਓ ਕੁਆਲਟੀ, ਸਪੀਕਰ ਸਪੱਸ਼ਟਤਾ, ਬੈਕਗਰਾਊਂਡ ਨੋਜ਼ ਅਤੇ ਤੁਸੀਂ ਚੁਣੇ ਮਾਡਲ ਉੱਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ । ਇੱਕ ਸਪੀਕਰ ਨਾਲ ਸਾਫ਼ ਆਡੀਓ ਉੱਤੇ ਸਾਡੇ ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਡਲ6% ਤੋਂ ਘੱਟ ਸ਼ਬਦ ਗਲਤੀ ਦਰ (WER) ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ । ਚੀਨੀ -- ਮਨੁੱਖੀ- ਪੱਧਰ ਦੀ ਸਹੀਤਾ ਨੇੜੇ ਹੈ ।
ਸਭ ਤੋਂ ਵਧੀਆ ਨਤੀਜੇ ਲਈ ਚੀਨੀ ਆਡੀਓ, ਅਸੀਂ ਸਿਫਾਰਸ਼ ਕਰਦੇ ਹਾਂ:
- ਆਡੀਓ ਸਾਫ਼ ਕਰੋ -- ਬੈਕਗਰਾਊਂਡ ਨੋਇਸ ਘੱਟੋ- ਘੱਟ ਕਰੋ ਅਤੇ ਚੰਗਾ ਮਾਈਕਰੋਫੋਨ ਵਰਤੋਂ
- ਇੱਕਲਾ ਸਪੀਕਰ ਸੈਗਮੈਂਟ -- ਬਹੁ- ਸਪੀਕਰ ਰਿਕਾਰਡਿੰਗ ਲਈ ਸਪੀਕਰ ਡਾਇਰੀਜ਼ੇਸ਼ਨ ਯੋਗ
- ਸਹੀ ਮਾਡਲ ਚੁਣੋ -- NVIDIA Canary ਸਹਾਇਕ ਭਾਸ਼ਾਵਾਂ ਲਈ ਸਭ ਤੋਂ ਘੱਟ WER ਦਿੰਦਾ ਹੈ, ਜਦੋਂ ਕਿ Whisper Large V3 ਸਭ ਤੋਂ ਵੱਡਾ ਭਾਸ਼ਾ ਕਵਰੇਜ ਦਿੰਦਾ ਹੈ
- ਭਾਸ਼ਾ ਦਿਓ -- ਜਦੋਂ ਕਿ ਆਟੋ- ਖੋਜ ਚੰਗੀ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਦੀ ਹੈ, ਦਸਤੀ ਚੋਣ ਚੀਨੀ ਠੀਕਤਾ ਥੋੜ੍ਹੀ ਜਿਹੀ ਵਧਾ ਸਕਦੀ ਹੈ
ਐਕਸਪੋਰਟ ਫਾਰਮੈਟ ਚੀਨੀ ਟਰਾਂਸਕਰੀਪਸ਼ਨ
ਤੁਹਾਡੇ ਨਾਂ ਨੂੰ ਤਬਦੀਲ ਕਰਨ ਤੋਂ ਬਾਅਦ ਚੀਨੀ ਆਡੀਓ, ਨਤੀਜਾ ਇਨ੍ਹਾਂ ਫਾਰਮੈਟਾਂ ਵਿੱਚੋਂ ਕਿਸੇ ਵਿੱਚ ਡਾਊਨਲੋਡ ਕਰੋ:
TXT
ਸਾਦਾ ਟੈਕਸਟ ਟਰਾਂਸਕਰੀਪਟ
SRT
ਟਾਈਮ- ਸਟੈਂਪ ਨਾਲ ਸਬ- ਟਾਈਟਲ
VTT
ਵੈੱਬ ਵੀਡਿਓ ਟਾਈਟਲ
DOCX
ਵਰਡ ਡੌਕੂਮੈਂਟ
JSON
ਟਾਈਮ- ਸਟੈਂਪ ਨਾਲ ਢਾਂਚੇ ਵਾਲਾ ਡਾਟਾ
PDF
ਛਪਣ ਲਈ ਤਿਆਰ ਡੌਕੂਮੈਂਟ
ਅਕਸਰ ਪੁੱਛੇ ਜਾਣ ਵਾਲੇ ਸਵਾਲ
STT.ai ਵਿੱਚ ਚੀਨੀ (中文 (普通话)) ਵਾਲੀ ਆਡੀਓ ਜਾਂ ਵੀਡਿਓ ਫਾਇਲ ਅੱਪਲੋਡ ਕਰੋ ਜਾਂ URL ਚਿਪਕਾਓ । ਇੱਕ ਮਾਡਲ ਚੁਣੋ, ਜੋ ਕਿ ਚੀਨੀ ਲਈ ਸਹਾਇਕ ਹੈ — ਵਧੀਆ ਨਤੀਜਿਆਂ ਲਈ ਉੱਪਰਲੇ ਟੇਬਲ ਵਿੱਚ ਸਭ ਤੋਂ ਘੱਟ WER ਵਾਲਾ ਚੁਣੋ — ਅਤੇ ਟਰਾਂਸਕਰੀਪਟ ਕਲਿੱਕ ਕਰੋ ।
ਹਾਂ। STT.ai ਹਰੇਕ ਝਾਤੀ ਮਾਰਨ ਵਾਲੇ ਨੂੰ ਸ਼ੁਰੂ ਕਰਨ ਲਈ 600 ਮੁਫਤ ਮਿੰਟ ਦਿੰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਚੀਨੀ (ਵਿਸ਼ਵ ਭਰ ਵਿੱਚ 1.1 billion ਸਪੀਕਰ) ਸ਼ਾਮਲ ਹਨ। ਤੁਹਾਡੀ ਪਹਿਲੀ ਫਾਇਲ ਲਈ ਕੋਈ ਸਾਈਨਅੱਪ ਲੋੜੀਦਾ ਨਹੀਂ ਹੈ। $5/ ਮਹੀਨਾ ਤੋਂ ਸ਼ੁਰੂ ਹੋਣ ਵਾਲੇ ਭੁਗਤਾਨ ਕੀਤੇ ਪਲਾਨ ਲੰਬੀਆਂ ਫਾਇਲਾਂ ਅਤੇ ਨਿੱਜੀ ਟਰਾਂਸਕਰੀਪਸ਼ਨ ਨੂੰ ਲਾਕ ਕਰ ਦਿੰਦੇ ਹਨ।
ਚੀਨੀ ਦੀ ਸਾਫ਼ ਆਡੀਓ ਉੱਤੇ ਸਹੀਤਾ ਸਾਡੇ ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਡਲਾਂ ਨਾਲ 92-96% ਤੱਕ ਪਹੁੰਚਦੀ ਹੈ। ਚੀਨੀ ਸ਼ਬਦ- ਪੱਧਰ ਦੇ ਖਾਲੀ ਥਾਂ ਤੋਂ ਬਿਨਾਂ ਲਿਖਦਾ ਹੈ, ਇਸ ਲਈ ਸਾਡੇ ਟੋਕਨਾਈਜ਼ਰ ਸੈਗਮੈਂਟਾਂ ਦਾ ਆਉਟਪੁੱਟ ਡਾਊਨਸਟ੍ਰੀਮ ਖੋਜ ਅਤੇ ਸਬਟਾਈਟਲਿੰਗ ਲਈ ਢੁਕਵਾਂ ਹੈ।
ਉੱਪਰਲੀ ਟੇਬਲ WER ਦੁਆਰਾ ਚੀਨੀ ਲਈ ਸਹਾਇਕ ਮਾਡਲਾਂ ਦੀ ਰੇਂਕਿੰਗ ਹੈ (ਘੱਟ ਵਧੀਆ ਹੈ)। Whisper Large V3 ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਡਾ ਚੀਨੀ ਕਵਰੇਜ ਹੈ; NVIDIA Canary ਵਿੱਚ ਸਭ ਤੋਂ ਘੱਟ WER ਹੈ; STT.ai Enhanced ਦੋਹਾਂ ਨੂੰ ਭੁਗਤਾਨ ਕੀਤੇ ਪਲਾਨ ਲਈ ਇੱਕਜੁਟ ਕਰਦਾ ਹੈ।
ਚੀਨੀ ਆਉਟਪੁੱਟ ਨੇਟਿਵ ਸਕ੍ਰਿਪਟ (中文 (普通话)) ਵਰਤਦਾ ਹੈ । ਜਪਾਨੀ ਲਈ, kanji + kana ਬੋਲੀ ਵਾਂਗ ਮਿਲਾਏ ਜਾਂਦੇ ਹਨ; ਮੰਡਰੀਨ ਲਈ, ਸਧਾਰਨ ਜਾਂ ਰਵਾਇਤੀ ਮਾਡਲ ਵਲੋਂ ਚੁਣੇ ਜਾਂਦੇ ਹਨ । ਤੁਸੀਂ ਟਾਈਟਲ- ਕਲਾਸਟਰ ਟੂਲ ਰਾਹੀਂ ਟਰਾਂਸਲੇਸ਼ਨ ਤੋਂ ਬਾਅਦ ਸਕ੍ਰਿਪਟਾਂ ਵਿੱਚ ਤਬਦੀਲ ਕਰ ਸਕਦੇ ਹੋ ।
ਹਾਂ । ਸਪੀਕਰ ਡਾਇਰੀਜ਼ੇਸ਼ਨ ਭਾਸ਼ਾ- ਅਣਜਾਣ ਹੈ ਅਤੇ ਚੀਨੀ ਉੱਤੇ ਅੰਗਰੇਜ਼ੀ ਵਾਂਗ ਕੰਮ ਕਰਦੀ ਹੈ । ਹਰ ਸਪੀਕਰ ਨੂੰ ਲੇਬਲ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ (ਸਪੀਕਰ 1, ਸਪੀਕਰ2,...) ਅਤੇ ਤੁਸੀਂ ਟਰਾਂਸਲੇਸ਼ਨ ਤੋਂ ਬਾਅਦ ਐਡੀਟਰ ਵਿੱਚ ਉਨ੍ਹਾਂ ਦਾ ਨਾਂ ਬਦਲ ਸਕਦੇ ਹੋ ।
ਬਹੁਤੀਆਂ ਚੀਨੀ ਫਾਇਲਾਂ5ਮਿੰਟਾਂ ਵਿੱਚ ਟਰਾਂਸਕਰੀਪਟ ਹੋ ਜਾਂਦੀਆਂ ਹਨ। ਇੱਕ 1 ਘੰਟੇ ਦੀ ਚੀਨੀ ਆਡੀਓ ਫਾਇਲ ਆਮ ਤੌਰ ਉੱਤੇ ਸਾਡੇ ਤੇਜ਼ ਮਾਡਲਾਂ ਨਾਲ2-3 ਮਿੰਟਾਂ ਵਿੱਚ ਬਣ ਜਾਂਦੀ ਹੈ ਅਤੇ ਉੱਚ-ਸੁਚਾਈ ਮਾਡਲਾਂ ਨਾਲ ਥੋੜ੍ਹਾ ਵਧੇਰੇ ਸਮਾਂ ਲੱਗਦਾ ਹੈ।
MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI ਅਤੇ ਹੋਰ 10+ ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਚੀਨੀ ਫਾਇਲਾਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ। ਆਉਟਪੁੱਟ TXT, SRT, VTT, DOCX, JSON ਅਤੇ PDF ਵਿੱਚ ਹੈ - ਸਭ ਚੀਨੀ ਪਾਠ ਨਾਲ ਸੰਪੂਰਨ ਹੈ।
ਹਾਂ । ਚੀਨੀ ਆਡੀਓ ਫਾਇਲਾਂ ਡਿਫਾਲਟ ਤੌਰ ਉੱਤੇ ਪਰੋਸੈੱਸ ਅਤੇ ਹਟਾਈਆਂ ਜਾਂਦੀਆਂ ਹਨ । ਪਰੋ ਪਲਾਨ ਕਲਾਂਇਟ-ਸਾਈਡ ਇੰਕ੍ਰਿਪਸ਼ਨ ਸ਼ਾਮਲ ਕਰਦੇ ਹਨ — ਭਾਵੇਂ ਸਾਡਾ ਡਾਟਾਬੇਸ ਖਰਾਬ ਹੋ ਜਾਵੇ, ਤੁਹਾਡੀਆਂ ਟਰਾਂਸਕਰੀਪਟਾਂ ਤੁਹਾਡੀ ਕੁੰਜੀ ਤੋਂ ਬਿਨਾਂ ਪੜ੍ਹਨਯੋਗ ਨਹੀਂ ਹਨ । ਚੀਨੀ ਡਾਟਾ ਸਪੱਸ਼ਟ ਚੋਣ-ਇਨ ਤੋਂ ਬਿਨਾਂ ਮਾਡਲ ਟਰੇਨਿੰਗ ਲਈ ਕਦੇ ਨਹੀਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ।
ਹਾਂ । ਚੀਨੀ SRT ਅਤੇ VTT ਸਬਟਾਈਟਲ ਬਿਨਾਂ- ਥਾਂ ਅੱਖਰ ਫਲੋ ਨੂੰ ਠੀਕ ਤਰ੍ਹਾਂ ਹੈਂਡਲ ਕਰਦੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਲੰਬੇ ਪ੍ਹੈਰੇ ਵਿੱਚ ਲਾਈਨ- ਬਰੇਕ ਫੈਸਲੇ ਵੀ ਸ਼ਾਮਲ ਹਨ । ਇਹ ਹਰੇਕ ਵੱਡੇ ਵੀਡਿਓ ਪਲੇਟਫਾਰਮ ਉੱਤੇ ਰਿਡਰ ਕਰਦੇ ਹਨ ।
ਹਾਂ। ਚੀਨੀ ਨੂੰ ਟਰਾਂਸਕਰੀਪਟ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਸਬ-ਟਾਈਟਲ-ਟਰਾਂਸਲੇਟਰ ਟੂਲ SRT/VTT ਨੂੰ 100+ ਟੀਚੇ ਵਾਲੀਆਂ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਫਾਇਦੇਮੰਦ ਹੈ ਜੇਕਰ ਤੁਹਾਡੀ ਚੀਨੀ ਸਮੱਗਰੀ ਨੂੰ ਵਿਸਤਾਰ ਪਾਠਕਾਂ ਲਈ ਸਬ-ਟਾਈਟਲ ਦੀ ਲੋੜ ਹੈ।
ਹਾਂ। REST API ਭਾਸ਼ਾ ਪੈਰਾਮੀਟਰ ਰਾਹੀਂ ਚੀਨੀ ਲਈ ਸਹਾਇਕ ਹੈ (ਆਟੋ-ਖੋਜ ਵੀ ਉਪਲੱਬਧ ਹੈ)। Python ਅਤੇ Node.js SDKs ਤੁਹਾਨੂੰ ਪੂਰੀ ਟਾਈਮ-ਸਟੈਂਪ ਅਤੇ ਸਪੀਕਰ ਲੇਬਲ ਨਾਲ ਚੀਨੀ ਆਡੀਓ ਨੂੰ ਬੈਚ-ਟ੍ਰਾਂਸਕਰੀਪਟ ਕਰਨ ਲਈ ਸਹਾਇਕ ਹਨ।
ਚੀਨੀ ਲਈ, ਬਹੁਤ ਤੇਜ਼ ਬੋਲਣ ਵਾਲੇ ਜਾਂ ਭਾਰੀ ਅੱਖਰਾਂ ਨਾਲ ਬੋਲਣ ਵਾਲੇ ਬੋਲਣ ਵਾਲੇ (ਖੇਤੀਬਾੜੀ ਕਿਸਮਾਂ) ਸਹੀਤਾ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਾ ਸਕਦੇ ਹਨ । ਕਈ ਬੋਲਣ ਵਾਲੇ ਲੋਕਾਂ ਵਿੱਚ ਕ੍ਰਾਸ-ਟੈਕ ਸਭ ਤੋਂ ਵੱਡੀ ਸਮੱਸਿਆ ਹੈ — ਡਾਇਰੀਜ਼ੇਸ਼ਨ ਮਦਦ ਕਰਦੀ ਹੈ ਪਰ ਉਹਨਾਂ ਸ਼ਬਦਾਂ ਨੂੰ ਮੁੜ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕਰ ਸਕਦੀ ਹੈ ਜੋ ਕਿ ਇੱਕ ਦੂਜੇ ਉੱਤੇ ਬੋਲੇ ਗਏ ਹਨ ।