Report Bug / Feature Request

និយាយទៅអត្ថបទ

បម្លែងអូឌីយ៉ូ និងវីដេអូទៅជាអត្ថបទជាមួយ AI ។ គាំទ្រ 99 ភាសា កាលបរិច្ឆេទ និងការរកឃើញអ្នកនិយាយ ។

ចុះឈ្មោះដោយឥតគិតថ្លៃ

យើងមិនមានសំឡេង TTS ក្នុងភាសារបស់អ្នកនៅឡើយទេ & # 160; ។ ជួយយើងបន្ថែមរបស់អ្នក & # 160;! លក់សំឡេងរបស់អ្នក

ផ្ទុកអូឌីយ៉ូ ឬវីដេអូឡើង

អូស និងទម្លាក់ឯកសាររបស់អ្នកនៅទីនេះ ឬ រកមើល

គាំទ្រ MP3, WAV, FLAC, OGG, M4A, MP4, WebM ។ អតិបរមា 100MB ។

— ឬថតពីមីក្រូហ្វូនរបស់អ្នក —

00:00

ការកំណត់រចនាសម្ព័ន្ធ

ម៉ូដែល

ភាសា

រួមបញ្ចូលត្រាពេលវេលា

ការកំណត់អត្តសញ្ញាណអ្នកនិយាយ

1,000/min តួអក្សរ — ចុះឈ្មោះ ប្រើការត្រួតពិនិត្យការប្រើ

បម្លែងជាសំឡេង

ផ្ទុកឯកសារអូឌីយ៉ូឡើង ហើយចុច បម្លែងដើម្បីចាប់ផ្ដើម

របៀបដែលវាធ្វើការ

១. ផ្ទុកអូឌីយ៉ូឡើង

ផ្ទុកឡើងឯកសារអូឌីយ៉ូឬវីដេអូរបស់អ្នក. យើងគាំទ្រ MP3, WAV, FLAC, OGG, M4A, MP4, និងទ្រង់ទ្រាយ WebM រហូតដល់ 100MB.

2. AI បម្លែង

ម៉ូដែល AI របស់យើងដំណើរការអូឌីយ៉ូរបស់អ្នក រកឃើញភាសា កំណត់អត្តសញ្ញាណអ្នកនិយាយ និងបង្កើតអត្ថបទត្រឹមត្រូវជាមួយ timestamps ។

3. យកអត្ថបទរបស់អ្នក

ចម្លងការបកប្រែរបស់អ្នក ឬទាញយកវាជាទ្រង់ទ្រាយចំណងជើងរង TXT ឬ SRT & # 160; ។ កែសម្រួល និងកែលម្អតាមដែលចាំបាច់ & # 160; ។

ករណីប្រើ

និយាយទៅអត្ថបទសម្រាប់ឧស្សាហកម្ម និងលំហូរការងារទាំងអស់

កិច្ចប្រជុំ និងសន្និសីទ

សរសេរជាអក្សរដោយស្វ័យប្រវត្តិ Zoom, ក្រុម និង Google Meet ការថត។ កុំភ្លេចធាតុសកម្មភាពម្តងទៀត។ នាំចេញជាចំណាំកិច្ចប្រជុំឬចំណងជើងរង។

បទសម្ភាសន៍ & សារព័ត៌មាន

សរសេរបទសម្ភាសន៍សម្រាប់អត្ថបទ ឯកសារស្រាវជ្រាវ និងឯកសារឯកសារ ។ កម្មវិធីសរសេរកំណត់អត្តសញ្ញាណអ្នកនិយាយដែលបាននិយាយអ្វីសម្រាប់ការផ្ទេរភាពងាយស្រួល ។

ផតខាស់ និងមេឌៀ

បង្កើតអត្ថបទបកប្រែ និងបង្ហាញចំណាំសម្រាប់ផតខាស់ភាគ ។ បង្កើតប័ណ្ណសារដែលអាចស្វែងរកបាននៃមាតិកាអូឌីយ៉ូរបស់អ្នក ។ បន្ថែមចំណងជើងរងទៅផតខាស់វីដេអូ ។

វគ្គបង្រៀន និងអប់រំ

បម្លែងការបង្រៀនដែលបានថតទៅជាចំណាំសិក្សា & # 160; ។ ធ្វើមាតិកាអប់រំដែលអាចចូលដំណើរការបានជាមួយចំណងជើងត្រឹមត្រូវ & # 160; ។ គាំទ្រសិស្សដែលមានបញ្ហាស្ដាប់ & # 160; ។

ការនិយាយវេជ្ជសាស្ត្រ

សរសេរសំបុត្រវេជ្ជបណ្ឌិត-អ្នកជំងឺ, ចំណាំវេជ្ជសាស្ត្រនិងវេជ្ជបញ្ជាវេជ្ជសាស្ត្រ. រក្សាទុកម៉ោងនៃឯកសារដោយដៃជាមួយនឹងភាពត្រឹមត្រូវ AI-powered.

នីតិវិធីច្បាប់

សរសេរការដាក់ពាក្យបណ្តឹង, ការសួរដេញដោល និងកិច្ចប្រជុំអតិថិជន ។ សម្គាល់ពេលវេលាត្រឹមត្រូវសម្រាប់សេចក្ដីយោងច្បាប់ ។ នាំចេញក្នុងទ្រង់ទ្រាយសមរម្យសម្រាប់ឯកសារតុលាការ ។

ការប្រៀបធៀបម៉ូដែល STT

Whisper

ម៉ូដែលការទទួលស្គាល់ការនិយាយរឹងមាំរបស់ OpenAI ដែលគាំទ្រ ៩៩ ភាសា ។

99 ភាសា
ការបកប្រែ
ត្រាពេលវេលា
រឹងមាំចំពោះសំឡេងរំខាន

OpenAI

Faster Whisper

4x រហ័សជាង Whisper ជាមួយការបង្កើនប្រសិទ្ធិភាព CTranslate2, ភាពត្រឹមត្រូវដូចគ្នា.

ឆាប់ជាង ៤ ដង
សតិទាប
ទំហំម៉ូដែលទាំងអស់
ការដំណើរការបាច់
ការត្រង VAD

SYSTRAN

SenseVoice

ម៉ូដែលការយល់ដឹងនៃការនិយាយជាមួយការរកឃើញអារម្មណ៍ 50+ ភាសា ។

50+ ភាសា
ការរកឃើញអារម្មណ៍
ព្រឹត្តិការណ៍អូឌីយ៉ូ
ការវិភាគអ្នកនិយាយ
ទិន្នន័យមេតាសម្បូរបែប

Alibaba (FunAudioLLM)

ផែនការនិយាយទៅអត្ថបទ

ចាប់ផ្តើមដោយឥតគិតថ្លៃ ធ្វើឲ្យប្រសើរឡើងនៅពេលអ្នកត្រូវការបន្ថែម

ឥតគិតថ្លៃ

ដែនកំណត់អូឌីយ៉ូ ១ នាទី
ម៉ូដែល Whisper រហ័សជាង
បម្លែងជាសំឡេងមូលដ្ឋាន
100+ ភាសា

ពេញនិយមបំផុត

គណនីឥតគិតថ្លៃ

អូឌីយ៉ូ 30 នាទី + 15,000 តួអក្សរ
ម៉ូដែល STT ទាំងអស់
ត្រាពេលវេលាកម្រិតពាក្យ
នាំចេញចំណងជើងរង SRT និង VTT
ការកំណត់អត្តសញ្ញាណអ្នកនិយាយ

ចុះឈ្មោះដោយឥតគិតថ្លៃ

ជំនាញ

ឯកសារអូឌីយ៉ូ ២ ម៉ោង
បម្លែងជាសំឡេងជាបាច់
ដំណើរការអាទិភាព
ការចូលដំណើរការ API
វចនានុក្រមផ្ទាល់ខ្លួន

ធ្វើឲ្យប្រសើរ

សំណួរដែលសួរញឹកញាប់

និយាយទៅអត្ថបទ (STT) ដែលត្រូវបានគេហៅថាការទទួលស្គាល់ការនិយាយដោយស្វ័យប្រវត្តិ (ASR) បម្លែងភាសានិយាយទៅជាអត្ថបទសរសេរ។ ម៉ូដែលរបស់យើងប្រើ AI ដើម្បីបកប្រែអូឌីយ៉ូពីកិច្ចប្រជុំការសម្ភាសន៍ផតខាស់ការបង្រៀននិងច្រើនទៀត។

Faster Whisper ត្រូវបានផ្ដល់អនុសាសន៍សម្រាប់ករណីប្រើច្រើនបំផុត - វាគឺ 4x រហ័សជាង Whisper ដើម ខណៈពេលដែលរក្សាភាពត្រឹមត្រូវដូចគ្នា ។ ប្រើ SenseVoice ប្រសិនបើអ្នកត្រូវការការរកឃើញអារម្មណ៍ ឬការរកឃើញព្រឹត្តិការណ៍អូឌីយ៉ូនៅក្បែរការបកប្រែ ។

យើងគាំទ្រ MP3, WAV, M4A, OGG, FLAC, WEBM, និងទ្រង់ទ្រាយអូឌីយ៉ូ / វីដេអូទូទៅបំផុត. ទំហំឯកសារអតិបរមាគឺ 50MB. សម្រាប់ឯកសារធំជាងនេះ, ពិចារណាចែកអូឌីយ៉ូដំបូង.

អ្នកប្រើឥតគិតថ្លៃអាចបម្លែងរហូតដល់ទៅ5នាទីនៃអូឌីយ៉ូ. ផែនការដែលបានបង់គាំទ្រឯកសារអូឌីយ៉ូរហូតដល់ទៅ2ម៉ោង. សម្រាប់ការថតយូរ, ប្រើ API របស់យើងជាមួយនឹងការដំណើរការ batch.

ម៉ូដែលរបស់យើងសម្រេចបាន 95% + ភាពត្រឹមត្រូវលើការនិយាយភាសាអង់គ្លេសច្បាស់លាស់. ភាពត្រឹមត្រូវប្រែប្រួលដោយភាសា, គុណភាពអូឌីយ៉ូ, និងសំឡេងរំខានផ្ទៃខាងក្រោយ. សម្លេងលាន់លឺលឿនជាងមុននិងសម្លេងលាន់លឺគាំទ្រ 99 ភាសាជាមួយនឹងកម្រិតភាពត្រឹមត្រូវខុសគ្នា.

បាទ, របៀបបកប្រែកម្រិតខ្ពស់របស់យើងអាចកំណត់អត្តសញ្ញាណនិងដាក់ស្លាកអ្នកនិយាយផ្សេងគ្នានៅក្នុងអូឌីយ៉ូ។ ការបកប្រែអ្នកនិយាយគឺមានប្រយោជន៍ជាពិសេសសម្រាប់ការបកប្រែសន្និសីទការសម្ភាសន៍និងផតខាស់មនុស្សច្រើនកន្លែងដែលអ្នកត្រូវការដឹងថានរណាបាននិយាយអ្វី។

ការបកប្រែស្ទ្រីមពេលវេលាពិតប្រាកដគឺអាចរកបានតាមរយៈ API របស់យើងដោយប្រើ Faster Whisper ។ អូឌីយ៉ូត្រូវបានដំណើរការក្នុង chunks ខណៈពេលដែលវាមកដល់ ការផ្គត់ផ្គង់ការបកប្រែផ្នែកមួយជាមួយ latency ទាប ។ នេះគឺល្អឥតខ្ចោះសម្រាប់ចំណងជើងផ្ទាល់និងពេលវេលាពិតប្រាកដការយកចំណាំ។

បាទ / ចាស, លទ្ធផលនៃការបកប្រែរបស់យើងរួមបញ្ចូលទាំងសញ្ញាពេលវេលាកម្រិតពាក្យដែលអាចត្រូវបាននាំចេញជា SRT, VTT, ឬឯកសារចំណងជើងរង ASS. នេះគឺល្អឥតខ្ចោះសម្រាប់បន្ថែមចំណងជើងទៅវីដេអូ YouTube, វគ្គសិក្សាលើបណ្តាញ, និងមាតិកាប្រព័ន្ធផ្សព្វផ្សាយសង្គម.

បាទ/ ចាស លទ្ធផលបម្លែងទាំងអស់រួមបញ្ចូលត្រាពេលវេលាកម្រិតចម្រៀកតាមលំនាំដើម & # 160; ។ ត្រាពេលវេលាកម្រិតពាក្យក៏អាចប្រើបានដែរ បង្ហាញពេលវេលាចាប់ផ្ដើម និងបញ្ចប់ជាក់លាក់សម្រាប់ពាក្យនីមួយៗក្នុងអូឌីយ៉ូ & # 160; ។

Faster Whisper ត្រូវបានហ្វឹកហាត់លើអូឌីយ៉ូចម្រុះ និងដោះស្រាយសំឡេងផ្ទៃខាងក្រោយមធ្យមយ៉ាងល្អ & # 160; ។ សម្រាប់ការថតសំឡេងខ្លាំងណាស់ យើងផ្ដល់អនុសាសន៍ឲ្យរត់អូឌីយ៉ូតាមរយៈកម្មវិធីបង្កើនសំឡេងរបស់យើងដំបូងដើម្បីបង្កើនភាពច្បាស់មុនពេលបម្លែង & # 160; ។

បាទ/ ចាស ឯកសារអូឌីយ៉ូដែលបានផ្ទុកឡើងត្រូវបានដំណើរការលើម៉ាស៊ីនបម្រើ GPU ដែលមានសុវត្ថិភាពរបស់យើង ហើយត្រូវបានលុបដោយស្វ័យប្រវត្តិបន្ទាប់ពីការបកប្រែបានបញ្ចប់ & # 160; ។ យើងមិនរក្សាទុក ចែករំលែក ឬប្រើអូឌីយ៉ូរបស់អ្នកសម្រាប់គោលបំណងបង្ហាត់ & # 160; ។ ការផ្ទេរទាំងអស់ត្រូវបានអ៊ិនគ្រីប & # 160; ។

អ្នកប្រើឥតគិតថ្លៃអាចសរសេរឡើងទៅ5នាទីនៃអូឌីយ៉ូដោយគ្មានការចំណាយ. ផែនការដែលបានបង់ប្រើតួអក្សរផ្អែកលើរយៈពេលអូឌីយ៉ូ: ប្រហែល 1,000 តួអក្សរក្នុងមួយនាទីនៃអូឌីយ៉ូ. ពិនិត្យមើលទំព័រតម្លៃរបស់យើងសម្រាប់ព័ត៌មានលម្អិតផែនការនិងកញ្ចប់តួអក្សរ.

5.0/5 (1)

បម្លែងអូឌីយ៉ូជាមួយ AI

ទទួលបានការបកប្រែត្រឹមត្រូវនៅក្នុង 99 ភាសា. ចុះឈ្មោះដោយឥតគិតថ្លៃនិងទទួលបាន 15,000 តួអក្សរដើម្បីចាប់ផ្តើម.

ចុះឈ្មោះដោយឥតគិតថ្លៃ មើលតម្លៃ

និយាយ​ទៅ​អត្ថបទ

ផ្ទុក​អូឌីយ៉ូ ឬ​វីដេអូ​ឡើង

ការ​កំណត់​រចនាសម្ព័ន្ធ​

បម្លែង​ជា​សំឡេង

របៀប​ដែល​វា​ធ្វើការ

១. ផ្ទុក​អូឌីយ៉ូ​ឡើង

2. AI បម្លែង

3. យក​អត្ថបទ​របស់អ្នក

ករណី​ប្រើ

កិច្ចប្រជុំ និង​សន្និសីទ

បទសម្ភាសន៍ & សារព័ត៌មាន

ផតខាស់ និង​មេឌៀ

វគ្គ​បង្រៀន និង​អប់រំ

ការ​និយាយ​វេជ្ជសាស្ត្រ

នីតិវិធី​ច្បាប់

ការ​ប្រៀបធៀប​ម៉ូដែល STT

Whisper

Faster Whisper

SenseVoice

ផែនការ​និយាយ​ទៅ​អត្ថបទ

សំណួរ​ដែល​សួរ​ញឹកញាប់

តើ​អ្វី​ជា​ការ​និយាយ​ទៅ​អត្ថបទ (STT) & # 160;?

តើ​ម៉ូដែល​បម្លែង​ជា​ភាសា​អង់គ្លេស​ណា​ដែល​ល្អ​ជាង​គេ & # 160;?

តើ​ទ្រង់ទ្រាយ​អូឌីយ៉ូ​អ្វី​ដែល​ខ្ញុំ​អាច​ផ្ទុក​ឡើង & # 160;?

តើ​មាន​កំណត់​ពេល​វេលា​សម្រាប់​បម្លែង​ឬ & # 160;?

តើ​ការ​បកប្រែ​ត្រឹមត្រូវ​យ៉ាង​ណា & # 160;?

តើ​ការ​និយាយ​ទៅ​អត្ថបទ​គាំទ្រ​ការ​សរសេរ​ជា​អក្សរ​របស់​អ្នក​និយាយ​ឬទេ & # 160;?

តើ​ខ្ញុំ​អាច​ទទួល​បាន​ការ​បកប្រែ​ពេល​ពិត​ប្រាកដ​បាន​ទេ & # 160;?

តើ​ខ្ញុំ​អាច​បង្កើត​ចំណង​ជើង​រង ឬ​ឯកសារ SRT បាន​ទេ & # 160;?

តើ​ការ​បកប្រែ​រួម​បញ្ចូល​ត្រា​ពេលវេលា​ដែរឬទេ & # 160;?

តើ​ឧបករណ៍​គ្រប់គ្រង​សំឡេង​រំខាន​ផ្ទៃខាងក្រោយ​យ៉ាងដូចម្តេច & # 160;?

តើ​ទិន្នន័យ​អូឌីយ៉ូ​របស់​ខ្ញុំ​ត្រូវ​បាន​រក្សា​ទុក​ជា​ឯកជន​ឬ & # 160;?

តើ​ការ​និយាយ​ទៅ​អត្ថបទ​មាន​តម្លៃ​ប៉ុន្មាន?

បម្លែង​អូឌីយ៉ូ​ជាមួយ AI