ਵੀਅਤਨਾਮੀ ਬੋਲੀ ਤੋਂ ਪਾਠ
ਬਦਲੋ ਵੀਅਤਨਾਮੀ (Tiếng Việt) 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 ਵੀਅਤਨਾਮੀ
| 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 ਵੀਅਤਨਾਮੀ ਟਰਾਂਸਕਰੀਪਸ਼ਨ
ਵੀਅਤਨਾਮੀ ਬੋਲੀ ਰੀਕਾਰਡਿੰਗ, ਸਹੀ ਟੋਨ ਮਾਰਕ ਪੇਸ਼ਕਾਰੀ ਅਤੇ ਡਾਇਕਰੀਟਿਕ ਹੈਂਡਲਿੰਗ ਨਾਲ । ਦੋਵੇਂ ਉੱਤਰੀ ਅਤੇ ਦੱਖਣੀ ਵੀਅਤਨਾਮੀ ਲਈ ਸਹਾਇਕ ਹੈ ।
STT.ai ਨੇ state-of-the-art ਉਪਲੱਬਧ ਕਰਵਾਈ ਹੈ। ਵੀਅਤਨਾਮੀ ਮਲਟੀਪਲ AI ਮਾਡਲਾਂ ਨਾਲ ਚਲਾਇਆ ਗਿਆ ਬੋਲੀ ਪਛਾਣ। ਭਾਵੇਂ ਤੁਹਾਨੂੰ ਇੰਟਰਵਿਊ, ਲੇਖ, ਪੋਡਕਾਸਟ ਜਾਂ ਮੀਟਿੰਗਾਂ ਨੂੰ ਟਰਾਨਸਲੇਟ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਵੀਅਤਨਾਮੀਸਾਡਾ ਪਲੇਟਫਾਰਮ ਆਟੋਮੈਟਿਕ ਹੀ ਭਾਸ਼ਾ ਦੀ ਪਛਾਣ ਕਰਦਾ ਹੈ ਅਤੇ ਸਭ ਤੋਂ ਵਧੀਆ ਸਹੀ ਮਾਡਲ ਚੁਣਦਾ ਹੈ।
ਕਿੰਨਾ ਸਹੀ ਹੈ ਵੀਅਤਨਾਮੀ ਟਰਾਂਸਲੇਸ਼ਨ?
ਇਸ ਲਈ ਠੀਕਤਾ ਵੀਅਤਨਾਮੀ 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 । ਵੀਅਤਨਾਮੀ -- ਮਨੁੱਖੀ- ਪੱਧਰ ਦੀ ਸਹੀਤਾ ਨੇੜੇ ਹੈ ।
ਸਭ ਤੋਂ ਵਧੀਆ ਨਤੀਜੇ ਲਈ ਵੀਅਤਨਾਮੀ 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 ਵੀਅਤਨਾਮੀ ਠੀਕਤਾ ਥੋੜ੍ਹੀ ਜਿਹੀ ਵਧਾ ਸਕਦੀ ਹੈ
ਐਕਸਪੋਰਟ ਫਾਰਮੈਟ ਵੀਅਤਨਾਮੀ ਟਰਾਂਸਕਰੀਪਸ਼ਨ
ਤੁਹਾਡੇ ਨਾਂ ਨੂੰ ਤਬਦੀਲ ਕਰਨ ਤੋਂ ਬਾਅਦ ਵੀਅਤਨਾਮੀ 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 ਵੀਅਤਨਾਮੀ (Tiếng Việt) ਵਾਲੀ ਆਡੀਓ ਜਾਂ ਵੀਡਿਓ ਫਾਇਲ ਅੱਪਲੋਡ ਕਰੋ ਜਾਂ URL ਚਿਪਕਾਓ । ਇੱਕ ਮਾਡਲ ਚੁਣੋ, ਜੋ ਕਿ ਵੀਅਤਨਾਮੀ 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 ਵੀਅਤਨਾਮੀ (ਵਿਸ਼ਵ ਭਰ ਵਿੱਚ 85 million 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।
ਵੀਅਤਨਾਮੀ 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 ਵੀਅਤਨਾਮੀ ਲਈ ਸਹਾਇਕ ਮਾਡਲਾਂ ਦੀ ਰੇਂਕਿੰਗ ਹੈ (ਘੱਟ ਵਧੀਆ ਹੈ)। Whisper Large V3 ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਡਾ ਵੀਅਤਨਾਮੀ ਕਵਰੇਜ ਹੈ; NVIDIA Canary ਵਿੱਚ ਸਭ ਤੋਂ ਘੱਟ WER ਹੈ; STT.ai Enhanced ਦੋਹਾਂ ਨੂੰ ਭੁਗਤਾਨ ਕੀਤੇ ਪਲਾਨ ਲਈ ਇੱਕਜੁਟ ਕਰਦਾ ਹੈ।
ਹਾਂ । ਵੀਅਤਨਾਮੀ ਆਉਟਪੁੱਟ ਵਿੱਚ ਵਿਰਾਮ ਚਿੰਨ੍ਹ (ਡਿਪੈਚਰ, ਕਾਮਾ, ਸਵਾਲ ਨਿਸ਼ਾਨ) ਅਤੇ ਠੀਕ ਕੇਸਿੰਗ ਸ਼ਾਮਲ ਹੈ । ਅੰਕ ਅਤੇ ਟਾਈਟਲ ਵੀਅਤਨਾਮੀ ਸੰਧੀ ਅਨੁਸਾਰ ਹਨ । ਟਰਾਂਸਕਰੀਪਟ ਐਡੀਟਰ ਤੁਹਾਨੂੰ ਵਿਰਾਮ ਚਿੰਨ੍ਹ ਨੂੰ ਦਸਤੀ ਤਬਦੀਲ ਕਰਨ ਦਿੰਦਾ ਹੈ ।
ਹਾਂ । ਸਪੀਕਰ ਡਾਇਰੀਜ਼ੇਸ਼ਨ ਭਾਸ਼ਾ- ਅਣਜਾਣ ਹੈ ਅਤੇ ਵੀਅਤਨਾਮੀ 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 ਵੀਅਤਨਾਮੀ ਫਾਇਲਾਂ5ਮਿੰਟਾਂ ਵਿੱਚ ਟਰਾਂਸਕਰੀਪਟ ਹੋ ਜਾਂਦੀਆਂ ਹਨ। ਇੱਕ 1 ਘੰਟੇ ਦੀ ਵੀਅਤਨਾਮੀ 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 ਵੀਅਤਨਾਮੀ ਫਾਇਲਾਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ। ਆਉਟਪੁੱਟ TXT, SRT, VTT, DOCX, JSON ਅਤੇ PDF ਵਿੱਚ ਹੈ - ਸਭ ਵੀਅਤਨਾਮੀ ਪਾਠ ਨਾਲ ਸੰਪੂਰਨ ਹੈ।
ਹਾਂ । ਵੀਅਤਨਾਮੀ 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 । ਵੀਅਤਨਾਮੀ 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। ਵੀਅਤਨਾਮੀ 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 ਵੀਅਤਨਾਮੀ ਸਮੱਗਰੀ ਨੂੰ ਵਿਸਤਾਰ ਪਾਠਕਾਂ ਲਈ ਸਬ-ਟਾਈਟਲ ਦੀ ਲੋੜ ਹੈ।
ਹਾਂ। REST API ਭਾਸ਼ਾ ਪੈਰਾਮੀਟਰ ਰਾਹੀਂ ਵੀਅਤਨਾਮੀ ਲਈ ਸਹਾਇਕ ਹੈ (ਆਟੋ-ਖੋਜ ਵੀ ਉਪਲੱਬਧ ਹੈ)। Python ਅਤੇ Node.js SDKs ਤੁਹਾਨੂੰ ਪੂਰੀ ਟਾਈਮ-ਸਟੈਂਪ ਅਤੇ ਸਪੀਕਰ ਲੇਬਲ ਨਾਲ ਵੀਅਤਨਾਮੀ ਆਡੀਓ ਨੂੰ ਬੈਚ-ਟ੍ਰਾਂਸਕਰੀਪਟ ਕਰਨ ਲਈ ਸਹਾਇਕ ਹਨ।
ਵੀਅਤਨਾਮੀ 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 ।