ऑडियो और वीडियो से टेक्स्ट और सार — बोली का स्वचालित लिप्यंतरण, छोटा सार और मुख्य बिंदु
माइक्रोफ़ोन ब्राउज़र की बोली पहचान सेवा का उपयोग करता है। ज़्यादातर ब्राउज़रों में आपकी आवाज़ ब्राउज़र बनाने वाली कंपनी, जैसे Google या Microsoft, को जाती है। आवाज़ को अपने डिवाइस पर रखने के लिए रिकॉर्डिंग को फ़ाइल के रूप में अपलोड करें: फ़ाइलें आपके डिवाइस पर पहचानी जाती हैं।
या कोई भी ऑडियो / वीडियो फ़ाइल चुनें (OGG, MP3, WAV, FLAC, M4A, MP4, WebM)
व्याख्यान, बैठक या वॉयस रिकॉर्डिंग सीधे आपके डिवाइस पर संसाधित की जाती है।
पहली बार ट्रांसक्राइब करने पर चुना गया ऑफ़लाइन Whisper मॉडल एक बार डाउनलोड होता है, फिर कैश से लोड होता है। अपलोड की गई फ़ाइल आपका डिवाइस कभी नहीं छोड़ती।
📖 विशिष्ट शब्दों और नामों की शब्दावली (वैकल्पिक)
इसके बिना, दुर्लभ नाम, शीर्षक और पेशेवर शब्द समान रोजमर्रा के शब्दों के रूप में पहचाने जाते हैं: एक सहकर्मी का नाम दो सामान्य शब्दों में टूट जाता है, एक ब्रांड एक यादृच्छिक संज्ञा में बदल जाता है, एक व्याख्यान शब्द परिचित बकवास में बदल जाता है। ऐसे शब्दों को यहां अल्पविराम से अलग करके सूचीबद्ध करें, और मॉडल उन्हें अधिक सटीकता से पहचान लेगा। भाषण का बाकी हिस्सा अप्रभावित है: सूची से मिलान करने के लिए कुछ भी नहीं छोड़ा गया है या मजबूर नहीं किया गया है।
त्वरित सेट:
20-30 शब्द लंबी सूची से बेहतर काम करते हैं: मॉडल केवल प्रॉम्प्ट की शुरुआत पढ़ता है और बाकी को हटा देता है।
कोई नाम या शब्द गलत तरीके से पहचाना गया?
अक्सर पूछे जाने वाले सवाल
क्या यह मुफ़्त है?
हाँ, यह टूल मुफ़्त है और इसके लिए साइन-अप ज़रूरी नहीं। ऑडियो और वीडियो फ़ाइलें सीधे ब्राउज़र में पहचानी जाती हैं और किसी सर्वर पर अपलोड नहीं होतीं। माइक्रोफ़ोन की आवाज़ ब्राउज़र की बोली पहचान सेवा पहचानती है: ज़्यादातर ब्राउज़रों में आपकी आवाज़ ब्राउज़र बनाने वाली कंपनी को जाती है।