ਅੰਗਰੇਜ਼ੀ ਬੋਲੀ ਤੋਂ ਪਾਠ
ਬਦਲੋ ਅੰਗਰੇਜ਼ੀ (English) 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 ਅੰਗਰੇਜ਼ੀ
| 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 | |
| NVIDIA Canary | NVIDIA | 3.5% | ਕੋਸ਼ਿਸ਼ ਕਰੋ | |
| Moonshine | Useful Sensors | 7.8% | ਕੋਸ਼ਿਸ਼ ਕਰੋ | |
| NVIDIA Parakeet | NVIDIA | 3.0% | ਕੋਸ਼ਿਸ਼ ਕਰੋ | |
| SenseVoice | FunAudioLLM | 5.5% | ਕੋਸ਼ਿਸ਼ ਕਰੋ | |
| Distil-Whisper | Hugging Face | 5.8% | ਕੋਸ਼ਿਸ਼ ਕਰੋ | |
| Vosk | Alpha Cephei | 12.0% | ਕੋਸ਼ਿਸ਼ ਕਰੋ |
ਬਾਰੇ ਅੰਗਰੇਜ਼ੀ ਟਰਾਂਸਕਰੀਪਸ਼ਨ
ਅੰਗਰੇਜ਼ੀ ਵਿਸ਼ਵ ਦੀ ਸਭ ਤੋਂ ਵੱਧ ਬੋਲੀ ਜਾਣ ਵਾਲੀ ਭਾਸ਼ਾ ਹੈ ਅਤੇ ਵਪਾਰ, ਟੈਕਨੋਲੋਜੀ ਅਤੇ ਅੰਤਰਰਾਸ਼ਟਰੀ ਸੰਚਾਰ ਲਈ ਪ੍ਰਮੁੱਖ ਭਾਸ਼ਾ ਹੈ। STT.ai ਅਮਰੀਕੀ, ਬ੍ਰਿਟਿਸ਼, ਆਸਟ੍ਰੇਲੀਆਈ ਅਤੇ ਭਾਰਤੀ ਅੰਗਰੇਜ਼ੀ ਸਮੇਤ ਸਾਰੇ ਪ੍ਰਮੁੱਖ ਅੰਗਰੇਜ਼ੀ ਬੋਲੀ ਦੇ ਅਧਾਰ ਤੇ ਉਦਯੋਗ-ਪ੍ਰਮੁੱਖ ਅੰਗਰੇਜ਼ੀ ਬੋਲੀ ਦੀ ਪਛਾਣ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
STT.ai ਨੇ state-of-the-art ਉਪਲੱਬਧ ਕਰਵਾਈ ਹੈ। ਅੰਗਰੇਜ਼ੀ ਮਲਟੀਪਲ AI ਮਾਡਲਾਂ ਨਾਲ ਚਲਾਇਆ ਗਿਆ ਬੋਲੀ ਪਛਾਣ। ਭਾਵੇਂ ਤੁਹਾਨੂੰ ਇੰਟਰਵਿਊ, ਲੇਖ, ਪੋਡਕਾਸਟ ਜਾਂ ਮੀਟਿੰਗਾਂ ਨੂੰ ਟਰਾਨਸਲੇਟ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਅੰਗਰੇਜ਼ੀਸਾਡਾ ਪਲੇਟਫਾਰਮ ਆਟੋਮੈਟਿਕ ਹੀ ਭਾਸ਼ਾ ਦੀ ਪਛਾਣ ਕਰਦਾ ਹੈ ਅਤੇ ਸਭ ਤੋਂ ਵਧੀਆ ਸਹੀ ਮਾਡਲ ਚੁਣਦਾ ਹੈ।
ਕਿੰਨਾ ਸਹੀ ਹੈ ਅੰਗਰੇਜ਼ੀ ਟਰਾਂਸਲੇਸ਼ਨ?
ਇਸ ਲਈ ਠੀਕਤਾ ਅੰਗਰੇਜ਼ੀ 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 । ਅੰਗਰੇਜ਼ੀ -- ਮਨੁੱਖੀ- ਪੱਧਰ ਦੀ ਸਹੀਤਾ ਨੇੜੇ ਹੈ ।
ਸਭ ਤੋਂ ਵਧੀਆ ਨਤੀਜੇ ਲਈ ਅੰਗਰੇਜ਼ੀ 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 ਅੰਗਰੇਜ਼ੀ ਠੀਕਤਾ ਥੋੜ੍ਹੀ ਜਿਹੀ ਵਧਾ ਸਕਦੀ ਹੈ
ਐਕਸਪੋਰਟ ਫਾਰਮੈਟ ਅੰਗਰੇਜ਼ੀ ਟਰਾਂਸਕਰੀਪਸ਼ਨ
ਤੁਹਾਡੇ ਨਾਂ ਨੂੰ ਤਬਦੀਲ ਕਰਨ ਤੋਂ ਬਾਅਦ ਅੰਗਰੇਜ਼ੀ 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 ਅੰਗਰੇਜ਼ੀ (English) ਵਾਲੀ ਆਡੀਓ ਜਾਂ ਵੀਡਿਓ ਫਾਇਲ ਅੱਪਲੋਡ ਕਰੋ ਜਾਂ URL ਚਿਪਕਾਓ । ਇੱਕ ਮਾਡਲ ਚੁਣੋ, ਜੋ ਕਿ ਅੰਗਰੇਜ਼ੀ 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 ਅੰਗਰੇਜ਼ੀ (ਵਿਸ਼ਵ ਭਰ ਵਿੱਚ 1.5 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।
ਅੰਗਰੇਜ਼ੀ ਸਾਫ਼ ਆਡੀਓ ਦੀ ਸਹੀਤਾ ਸਾਡੇ ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਡਲਾਂ ਨਾਲ 93- 96% ਤੱਕ ਪਹੁੰਚਦੀ ਹੈ । ਅੰਕ, ਸਹੀ ਨਾਮ ਅਤੇ ਅਣ- ਸੰਚਾਰਿਤ ਫਾਰਮ ਸਭ ਨੂੰ ਸੰਭਾਲਿਆ ਜਾਂਦਾ ਹੈ । ਘੱਟੋ- ਘੱਟ ਬੈਕਗਰਾਊਂਡ ਨੋਜ਼ ਨਾਲ ਸਾਫ਼ ਆਡੀਓ ਸਭ ਤੋਂ ਵਧੀਆ ਨਤੀਜੇ ਦਿੰਦਾ ਹੈ ।
ਉੱਪਰਲੀ ਟੇਬਲ WER ਦੁਆਰਾ ਅੰਗਰੇਜ਼ੀ ਲਈ ਸਹਾਇਕ ਮਾਡਲਾਂ ਦੀ ਰੇਂਕਿੰਗ ਹੈ (ਘੱਟ ਵਧੀਆ ਹੈ)। Whisper Large V3 ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਡਾ ਅੰਗਰੇਜ਼ੀ ਕਵਰੇਜ ਹੈ; NVIDIA Canary ਵਿੱਚ ਸਭ ਤੋਂ ਘੱਟ WER ਹੈ; STT.ai Enhanced ਦੋਹਾਂ ਨੂੰ ਭੁਗਤਾਨ ਕੀਤੇ ਪਲਾਨ ਲਈ ਇੱਕਜੁਟ ਕਰਦਾ ਹੈ।
ਹਾਂ । ਅੰਗਰੇਜ਼ੀ ਆਉਟਪੁੱਟ ਵਿੱਚ ਵਿਰਾਮ ਚਿੰਨ੍ਹ (ਡਿਪੈਚਰ, ਕਾਮਾ, ਸਵਾਲ ਨਿਸ਼ਾਨ) ਅਤੇ ਠੀਕ ਕੇਸਿੰਗ ਸ਼ਾਮਲ ਹੈ । ਅੰਕ ਅਤੇ ਟਾਈਟਲ ਅੰਗਰੇਜ਼ੀ ਸੰਧੀ ਅਨੁਸਾਰ ਹਨ । ਟਰਾਂਸਕਰੀਪਟ ਐਡੀਟਰ ਤੁਹਾਨੂੰ ਵਿਰਾਮ ਚਿੰਨ੍ਹ ਨੂੰ ਦਸਤੀ ਤਬਦੀਲ ਕਰਨ ਦਿੰਦਾ ਹੈ ।
ਹਾਂ । ਸਪੀਕਰ ਡਾਇਰੀਜ਼ੇਸ਼ਨ ਭਾਸ਼ਾ- ਅਣਜਾਣ ਹੈ ਅਤੇ ਅੰਗਰੇਜ਼ੀ 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 ਅੰਗਰੇਜ਼ੀ ਫਾਇਲਾਂ5ਮਿੰਟਾਂ ਵਿੱਚ ਟਰਾਂਸਕਰੀਪਟ ਹੋ ਜਾਂਦੀਆਂ ਹਨ। ਇੱਕ 1 ਘੰਟੇ ਦੀ ਅੰਗਰੇਜ਼ੀ 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 ਅੰਗਰੇਜ਼ੀ ਫਾਇਲਾਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ। ਆਉਟਪੁੱਟ TXT, SRT, VTT, DOCX, JSON ਅਤੇ PDF ਵਿੱਚ ਹੈ - ਸਭ ਅੰਗਰੇਜ਼ੀ ਪਾਠ ਨਾਲ ਸੰਪੂਰਨ ਹੈ।
ਹਾਂ । ਅੰਗਰੇਜ਼ੀ 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 । ਅੰਗਰੇਜ਼ੀ ਡਾਟਾ ਸਪੱਸ਼ਟ ਚੋਣ-ਇਨ ਤੋਂ ਬਿਨਾਂ ਮਾਡਲ ਟਰੇਨਿੰਗ ਲਈ ਕਦੇ ਨਹੀਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ।
ਹਾਂ। ਟਰਾਂਸਕਰੀਪਟ ਨੂੰ SRT ਜਾਂ VTT ਵਜੋਂ ਐਕਸਪੋਰਟ ਕਰੋ - ਦੋਵੇਂ ਹੀ ਯੂਟਿਊਬ, ਵੀਮੀਓ, ਟਿਕਟੋਕ ਅਤੇ ਸਭ ਵੱਡੇ ਵੀਡਿਓ ਪਲੇਟਫਾਰਮਾਂ ਨਾਲ ਕੰਮ ਕਰਦੇ ਹਨ। ਬਰਨ-ਸਬਟਾਈਟਲ ਟੂਲ ਉਨ੍ਹਾਂ ਨੂੰ ਵੀਡਿਓ ਉੱਤੇ ਹਾਰਡਸਬਟ ਵਜੋਂ ਆਵਰਲੇਅ ਕਰਦਾ ਹੈ।
ਹਾਂ। ਅੰਗਰੇਜ਼ੀ 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 ਅੰਗਰੇਜ਼ੀ ਸਮੱਗਰੀ ਨੂੰ ਵਿਸਤਾਰ ਪਾਠਕਾਂ ਲਈ ਸਬ-ਟਾਈਟਲ ਦੀ ਲੋੜ ਹੈ।
ਹਾਂ। REST API ਭਾਸ਼ਾ ਪੈਰਾਮੀਟਰ ਰਾਹੀਂ ਅੰਗਰੇਜ਼ੀ ਲਈ ਸਹਾਇਕ ਹੈ (ਆਟੋ-ਖੋਜ ਵੀ ਉਪਲੱਬਧ ਹੈ)। Python ਅਤੇ Node.js SDKs ਤੁਹਾਨੂੰ ਪੂਰੀ ਟਾਈਮ-ਸਟੈਂਪ ਅਤੇ ਸਪੀਕਰ ਲੇਬਲ ਨਾਲ ਅੰਗਰੇਜ਼ੀ ਆਡੀਓ ਨੂੰ ਬੈਚ-ਟ੍ਰਾਂਸਕਰੀਪਟ ਕਰਨ ਲਈ ਸਹਾਇਕ ਹਨ।
ਅੰਗਰੇਜ਼ੀ ਲਈ ਸਭ ਤੋਂ ਵੱਡੇ ਠੀਕਤਾ ਵੇਰੀਬਲ ਬੈਕਗਰਾਊਂਡ ਨੋਇਸ, ਓਵਰਲੇਪ ਸਪੀਕਰ ਅਤੇ ਐਕਸਟੈਂਸ਼ਨ ਤਾਕਤ ਹਨ । ਇੱਕ ਚੰਗਾ ਮਾਈਕਰੋਫੋਨ ਵਰਤੋਂ, ਜਦੋਂ ਵੀ ਸੰਭਵ ਹੋਵੇ ਵੱਖਰੇ ਸਪੀਕਰ ਅਤੇ ਇੱਕ ਮਾਡਲ ਚੁਣੋ ਜੋ ਕਿ ਸਬੰਧਤ ਬੋਲੀ ਉੱਤੇ ਟਰੇਨ ਕੀਤਾ ਗਿਆ ਹੈ ।