کرهای تبدیل گفتار به متنComment
تبدیل کرهای (한국어) صدا به متن با تشخیص گفتار هوش مصنوعی پیشرفته. سریع، دقیق و پشتیبانی از قالبهای چند صدا و ویدئو.
بهترین مدلها برای کرهای
| مدل | ارائهدهنده | WER | سرعت | |
|---|---|---|---|---|
| STT.ai Enhanced بهترین | OpenAI (hosted by STT.ai) | 4.2% | امتحان کن | |
| Whisper Large V3 | OpenAI | 4.2% | امتحان کن | |
| Whisper Turbo | OpenAI | 5.1% | امتحان کن |
در مورد کرهای رونوشت
زبان کرهای از سیستم نوشتاری هانگل استفاده میکند و الگوهای گفتاری منحصر به فردی دارد. STT.ai رونویسی کرهای با دقت بالا را برای هر دو سخن رسمی و غیررسمی ارائه میدهد.
STT.ai يه جورايي پيشرفته هست کرهای چه شما نیاز به رونوشت مصاحبه، سخنرانی، پادکست، یا جلسه در زبان انگلیسی داشته باشید، کرهایپلتفرم ما به طور خودکار زبان رو تشخیص میده و بهترین مدل رو برای بهترین دقت انتخاب میکنه
چقدر دقیق است کرهای رونوشت؟
دقت برای کرهای رونوشت به کیفیت صدا، شفافیت بلندگو، نویز پس زمینه و مدلی که انتخاب میکنید بستگی دارد. در صدای تمیز با یک بلندگو، بهترین مدلهای ما به نرخ خطای کلمه (WER) کمتر از ۶٪ برای کرهای -در حال نزديک شدن به دقت سطح انسان.
براي بهترين نتيجه با کرهای صدا، ما توصیه می کنیم:
- پاک کردن صدا -- به حداقل رساندن نویز پس زمینه و استفاده از میکروفون خوب
- بخشهای بلندگوهای تک -- فعالسازی نوشتار بلندگو برای ضبط چند بلندگو
- مدل درست رو انتخاب کن -- Whisper Large V3 دقیقترین و گستردهترین پوشش زبان را دارد؛ Whisper Turbo کمی دقت را برای سرعت عوض میکند
- مشخص کردن زبان -- در حالی که تشخیص خودکار خوب کار میکند ، انتخاب دستی کرهای می تواند دقت را کمی بهبود بخشد
قالبهای صادرات برای کرهای رونوشت
بعد از اينکه رونوشت رو نوشتم کرهای صوت، نتیجه را در یکی از این قالبها بارگیری کنید:
TXT
رونوشت متن ساده
SRT
زیرنویس با مهر زمان
VTT
زیرنویس ویدئوهای وب
DOCX
سند Word
JSON
دادههای ساختاری با مهرهای زمانی
PDF
سند آماده چاپ
پرسشهای متداول
یک پرونده صوتی یا ویدئویی که شامل کرهای (한국어) است را به STT.ai بارگذاری کنید یا یک نشانی وب را بچسبانید. یک مدل که از کرهای پشتیبانی میکند را انتخاب کنید — برای بهترین نتایج ، آن را با کمترین WER در جدول بالا انتخاب کنید — و بر روی رونوشت کلیک کنید.
بله. STT.ai به هر بازدیدکننده ۶۰۰ دقیقه رایگان برای شروع میدهد، که شامل کرهای (گویندگان 82 million در سراسر جهان) میشود. برای اولین فایل شما نیازی به ثبت نام نیست. برنامههای پرداختی که از ۵ دلار در ماه شروع میشوند، فایلهای طولانیتر و رونوشتهای خصوصی را بلاک میکنند.
دقت کرهای در صدای تمیز با بهترین مدلهای ما به ۹۲-۹۶٪ میرسد. کرهای بدون فضای سطح کلمه مینویسد، بنابراین بخشهای توکنساز ما به درستی برای جستجو و زیرنویسنویسی پاییندست خروجی میدهند.
جدول بالا مدلها را بر اساس WER (که پایینتر بهتر است) رتبهبندی میکند. برای کرهای، Whisper Large V3 پوشش گستردهترین و بهترین دقت را دارد؛ Whisper Turbo کمی دقت را برای سرعت معامله میکند. STT.ai Enhanced Whisper Large V3 بر روی GPU ما است، که در برنامههای پرداخت شده شامل میشود.
خروجی کرهای از خطنویسی بومی استفاده میکند (한국어). برای ژاپنی ، کانجی + کانا همانند گفتار مخلوط میشوند؛ برای مانداری ، ساده یا سنتی توسط مدل انتخاب میشود. میتوانید بین خطنویسیها پس از رونویسی از طریق ابزار خوشه- موضوع تبدیل کنید.
بله. دیاریزاسیون سخنران زبانناشناس است و در کرهای همانند انگلیسی کار میکند. هر سخنران برچسبگذاری میشود (گفتگوکننده ۱ ، سخنران ۲ ،...) و میتوانید بعد از رونوشت ، آنها را در ویرایشگر تغییر نام دهید.
Most کرهای files are transcribed in under 5 minutes. A 1-hour کرهای audio file typically takes 2-3 minutes with our fastest models, and slightly longer with the highest-accuracy models.
فایلهای کرهای در MP3، WAV، M4A، FLAC، OGG، MP4، MKV، MOV، WebM، AVI و ۱۰+ فرمت دیگر همه کار میکنند. خروجی به TXT، SRT، VTT، DOCX، JSON و PDF - همه با متن کرهای سالم.
بله. پروندههای صوتی کرهای به صورت پیشفرض پردازش و حذف میشوند. برنامههای حرفهای رمزگذاری سمت کارگزار را اضافه میکنند — حتی اگر پایگاه داده ما نقض شود، رونوشتهای شما بدون کلید شما قابل خواندن نیستند. دادههای کرهای هرگز بدون انتخاب صریح برای آموزش مدل استفاده نمیشود.
بله. زیرنویسهای کرهای SRT و VTT جریان کاراکترهای بدون فضای را به درستی مدیریت میکنند، از جمله تصمیمات شکست خط در جملات طولانی. آنها در هر پلتفرم ویدئویی بزرگی نمایش داده میشوند.
بله. پس از رونوشت کرهای، ابزار ترجمه زیرنویس میتواند SRT/VTT را به هر یک از بیش از ۱۰۰ زبان هدف ترجمه کند. اگر محتوای کرهای شما برای مخاطبان گستردهتر نیاز به زیرنویس داشته باشد، مفید است.
بله. API REST از طریق پارامتر زبان از کرهای پشتیبانی میکند (خودکاریابی نیز در دسترس است). SDKهای پایتون و Node.js به شما اجازه میدهد که صوت کرهای را با مهرهای زمانی کامل و برچسبهای بلندگو به صورت دسته ای رونویسی کنید.
برای کرهای، سخنرانان بسیار سریع یا گویشهای بسیار پر لهجه (تنوعهای منطقهای) میتوانند دقت را مختل کنند. گفتگوی میانی بین چند سخنران بزرگترین مشکل است - دیاریزاسیون کمک میکند اما نمیتواند کلماتی را که بر روی یکدیگر صحبت شدهاند را بازیابی کند.