انگریزی اسپیچ ٹو ٹیکسٹ
تبدیل انگریزی (English) آڈیو سے متن میں AI کلام شناخت کے ساتھ. تیز، صحیح اور متعدد آڈیو اور ویڈیو فارمیٹ کو مدد
بہترین ماڈل انگریزی
| ماڈل | فراہم کُنندہ | WER | رفتار | |
|---|---|---|---|---|
| STT.ai Enhanced بہترین | STT.ai | 3.2% | اس کو تلاش | |
| Whisper Large V3 | OpenAI | 4.2% | اس کو تلاش | |
| Whisper Turbo | OpenAI | 5.1% | اس کو تلاش | |
| NVIDIA Canary | NVIDIA | 3.5% | اس کو تلاش | |
| Moonshine | Useful Sensors | 7.8% | اس کو تلاش | |
| NVIDIA Parakeet | NVIDIA | 3.0% | اس کو تلاش | |
| SenseVoice | FunAudioLLM | 5.5% | اس کو تلاش | |
| Distil-Whisper | Hugging Face | 5.8% | اس کو تلاش | |
| Vosk | Alpha Cephei | 12.0% | اس کو تلاش |
کے بارے میں انگریزی نقل
انگریزی دنیا بھر میں سب سے زیادہ بولی جانے والی زبان ہے اور کاروبار، ٹیکنالوجی اور بین الاقوامی مواصلات کے لئے غالب زبان ہے۔ STT.ai تمام اہم لہجے میں صنعت کی پیشرو انگریزی کلام کی شناخت فراہم کرتا ہے، جن میں امریکی، برطانوی، آسٹریلیائی اور ہندوستانی انگریزی شامل ہیں۔
STT.ai اعلیٰ معیار کی خدمات فراہم کرتا ہے انگریزی متعدد AI ماڈلز سے طاقتور کلام شناخت. چاہے آپ کو انٹرویو، محاضرات، پوڈکاسٹ، یا میٹنگز کو رائج زبان میں نقل کرنے کی ضرورت ہو انگریزیہمارا پلیٹ فارم خودکار زبان کی دریافت کرتا ہے اور بہترین دقت کے لئے بہترین ماڈل کو منتخب کرتا ہے۔
کتنا صحیح ہے انگریزی نقل؟
دقیت انگریزی نقل کی کیفیت آڈیو کی کیفیت، اسپیکر کی روشنی، پس منظر کی شور اور آپ کے منتخب ماڈل پر منحصر ہے۔ ایک اسپیکر کے ساتھ صاف آڈیو پر، ہمارے بہترین ماڈل 6% کے نیچے ایک ورڈ ایرر ریٹ (WER) حاصل کرتے ہیں۔ انگریزی - انسانی سطح کی دقت قریب.
بہترین نتائج کے لئے انگریزی آڈیو، ہم سفارش کرتے ہیں:
- آڈیو صاف کریں -- پس منظر کی شور کو کم کریں اور ایک اچھا مائیکروفون استعمال کریں
- اکیلے اسپیکر سگگٹ -- کثیر اسپیکر ریکارڈنگ کے لیے اسپیکر ڈائریزیشن فعال کریں
- صحيح ماڈل منتخب کريں -- NVIDIA Canary سب سے کم WER کی فراہمی کرتا ہے، جبکہ Whisper Large V3 سب سے وسیع زبان کی فراہمی کرتا ہے
- زبان کا ذکر کریں -- while خودکار تلاش اچھی طرح کام کرتا ہے، ہاتھ سے منتخب کر رہا ہے انگریزی دقيت کي بتدريج بہتري کر سکتا هے
صادرات انگریزی نقل
آپ کے نقل کے بعد انگریزی آڈیو، ان فارمیٹ میں سے کسی میں نتیجے کو ڈاؤن لوڈ کریں:
TXT
عام متن
SRT
وقت کے نشان کے ساتھ ذیلی عنوان
VTT
ویب ویڈیو سرلیکس
DOCX
ورڈ دستاویز
JSON
ٹائم سٹیمپز کے ساتھ ڈھانچے ہوئے اعداد و شمار
PDF
پرنٹ کے لیے تیار دستاویز
عام سوالات
STT.ai پر آ ڊيو يا ويڈیو فائ ئل اپ لوڈ کريں جس ميں انگریزی (English) موجود هے يا URL کو پيسٹ کريں ۔ انگریزی کو مدد دینے والا ماڈل منتخب کريں ۔ بهترين نتيجے کے ليے اوپري جدول پر سب سے کم WER والا ماڈل منتخب کريں ۔ اور نقل کريں کلک کريں
ہاں۔ STT.ai ہر مہمان کو شروع کرنے کے لئے 600 مفت منٹ دیتا ہے، جس میں انگریزی (1.5 billion عالمی اسپیکر) شامل ہیں۔ آپ کی پہلی فائلیں کے لئے کوئی سائن اپ کی ضرورت نہیں ہے۔ $5/مئی سے شروع ہونے والے پیسے کے منصوبے طویل فائلیں اور نجی نقلات کو کھولتے ہیں۔
صاف آ ڈیو پر انگریزی درستگي ہمارے بہترین ماڈل کے ساتھ 93-96% تک پہنچتی هے نمبر ، صحیح نام اور inflected فارم سب ہینڈل کی جا چکے هے کم سے کم پس منظر کی شور کے ساتھ صاف آ ڈیو بہترین نتيجے لاتا هے
اوپر کی ٹیبل WER کے ذریعے انگریزی کے لئے مدد شدہ ماڈلز کی درجہ بندی کرتی ہے (کوئی بھی کم بہتر ہے). Whisper Large V3 میں سب سے وسیع انگریزی کوریج ہے؛ NVIDIA Canary میں سب سے کم WER ہے جو انگریزی کے مختلف نسخوں پر مدد دی جاتی ہے؛ STT.ai Enhanced دونوں کو ادائیگی منصوبوں کے لئے متحد کرتا ہے.
ہاں انگریزی آ وٹ پٹ ميں وقفہ (دقا ئ ، کما ، سوالي نشانياں) اور صحيح کا سينگ شامل هے نمبر اور عنوان انگریزی کے عرفات کو پيرو ں کرتے هے
ہاں ، اسپيکر دياريزيز زبان سے ناپيد هے اور انگریزی پر کام کر تا هے اور انگريزي پر بھی اتي ئي طرح کام کر تا هے ہر اسپيکر کو ليبل کر دیا جاتا هے (سپيکر 1 ، اسپيکر 2 ،...) اور آپ ان کا نام ترنس کر نے کے بعد ايڈيٽر ميں تبديل کر سکتے هيں
زیادہ تر انگریزی فائلیں 5 منٹ میں نقل کی جاتی ہیں. ایک 1 گھنٹہ انگریزی آڈیو فائل عام طور پر ہمارے سب سے تیز ماڈل کے ساتھ 2-3 منٹ لے لیتا ہے، اور سب سے زیادہ دقت والے ماڈل کے ساتھ تھوڑا زیادہ.
MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, اور 10+ دیگر فارمیٹ میں انگریزی فائلیں سب کام کرتے ہیں. TXT, SRT, VTT, DOCX, JSON, اور PDF میں آؤٹ پٹ - سب انگریزی متن کے ساتھ بقایا.
ہاں. انگریزی اوڈیو فائلیں پروسیسنگ اور ڈیفٹ سے حذف کی جاتی ہیں. پرو پلان کلائنٹ-سایڈ خفیہ سازی شامل کرتے ہیں - اگرچہ ہماری ڈیٹا بیس کو توڑ دیا جاتا ہے، آپ کی نقل آپ کی کلید کے بغیر پڑھنے میں نہیں آتی. انگریزی ڈیٹا واضح آپٹ-ان کے بغیر ماڈل تربیت کے لئے کبھی استعمال نہیں کیا جاتا.
ہاں۔ اس نقل کو SRT یا VTT کے طور پر برآمد کریں۔ دونوں یو ٹیوب، ویمیو، ٹیک ٹک اور تمام اہم ویڈیو پلیٹ فارم کے ساتھ کام کرتے ہیں۔ برن سب ٹیٹلز ٹول ان کو ویڈیو پر ہارڈ سب کے طور پر اوورلےڈ کرتا ہے۔
ہاں. انگریزی کو نقل کرنے کے بعد، سب ٹیٹل-ٹرانزلیٹر ٹول SRT/VTT کو 100+ مقصد زبانوں میں ترجمہ کر سکتا ہے۔ اگر آپ کے انگریزی مواد کو وسیع ناظرین کے لئے سب ٹیٹل کی ضرورت ہو تو یہ مفید ہے۔
ہاں. REST API زبان کے پیرامیٹر کے ذریعے انگریزی کو مدد دیتا ہے (خودکار دریافت بھی دستیاب ہے). Python اور Node.js SDKs آپ کو انگریزی آڈیو کو مکمل وقت کے نشانوں اور اسپیکر لیبلز کے ساتھ بٹچ-ٹرانسکریپٹ کرنے کی اجازت دیتے ہیں.
انگریزیکے ليے ، سب سے زيادہ دقت کے متغیرات پس منظر کی شور ، اوور ليپنگ اسپيکر اور اکسنٹ قوت هے ۔ايک اچھا مائکرو فون استعمال کريں ، جب ممکن ه ہو تو جدا اسپيکر اور مناسب دلايلي پر تربيت يافته ماڈل منتخب کريں