Apple Music موسیقی را همان‌طور بشنوید که مستر شده. تا ۳ ماه Apple Music رایگان، با کیفیت لاسلس و Dolby Atmos. امتحان رایگان تبلیغ · فقط برای مشترکان جدید
SoundBench English
ضبط و گفتار

تبدیل صدا به متن

گفتار هر فایل صوتی یا ضبطی را با هوش مصنوعی به متن تبدیل کنید. روی دستگاه خودتان اجرا می‌شود، بیش از ۹۰ زبان از جمله فارسی را پشتیبانی می‌کند و متن ساده یا زیرنویس SRT و VTT می‌دهد.

درباره‌ی تبدیل صدا به متن

این ابزار از مدل متن‌باز تشخیص گفتار Whisper شرکت OpenAI استفاده می‌کند که یک بار دانلود می‌شود و روی دستگاه خودتان اجرا می‌شود. برخلاف بیشتر سایت‌های تبدیل صدا به متن، صدای شما هیچ‌وقت آپلود نمی‌شود؛ پس برای مصاحبه، جلسه، کلاس و ضبط‌های خصوصی مناسب است.

زبان را انتخاب کنید یا بگذارید خودکار تشخیص داده شود، دقت سریع، متعادل یا دقیق را انتخاب کنید و ببینید متن چطور همزمان نوشته می‌شود. نتیجه را کپی کنید، به صورت TXT دانلود کنید یا فایل زیرنویس SRT و VTT با زمان‌بندی بگیرید.

نحوه‌ی استفاده از تبدیل صدا به متن

  1. فایل صوتی را روی صفحه بیندازید یا با میکروفون ضبط کنید.
  2. زبان و دقت را انتخاب کنید و «تبدیل به متن» را بزنید. بار اول مدل دانلود می‌شود.
  3. متن را کپی کنید یا به صورت TXT، SRT یا VTT دانلود کنید.

پرسش‌های متداول

واقعاً رایگان است؟

بله. دقیقه، اعتبار یا حساب کاربری در کار نیست. هوش مصنوعی روی دستگاه شما اجرا می‌شود، پس هزینه‌ای برای ما ندارد که از شما بگیریم.

فارسی را هم پشتیبانی می‌کند؟

بله. Whisper بیش از ۹۰ زبان از جمله فارسی، انگلیسی، عربی، ترکی و آلمانی را می‌فهمد. برای فارسی و زبان‌های غیرانگلیسی حالت «دقیق» نتیجه‌ی خیلی بهتری می‌دهد.

چقدر طول می‌کشد؟

به دستگاه و میزان دقت بستگی دارد. روی یک کامپیوتر جدید، حالت سریع یک ساعت صدا را در چند دقیقه تبدیل می‌کند و حالت دقیق چند برابر بیشتر طول می‌کشد. گوشی‌ها کندترند.

می‌شود برای ویدیو زیرنویس ساخت؟

بله. صدا را با ابزار ویدیو به MP3 جدا کنید، اینجا به متن تبدیل کنید و فایل SRT را دانلود کنید که بیشتر پخش‌کننده‌ها و ویرایشگرهای ویدیو آن را می‌شناسند.

می‌تواند متن ترانه‌ی یک آهنگ را بنویسد؟

بله، با کمی دقت. گزینه‌ی «این یک آهنگ است» را بزنید تا اول صدای خواننده از موسیقی جدا شود و از مدل «بهترین» استفاده کنید. تشخیص کلمات آوازی از گفتار سخت‌تر است، پس انتظار چند اشتباه را داشته باشید، به‌خصوص وقتی افکت زیاد است یا تند خوانده می‌شود.

ابزارهای مرتبط