متن به گفتارName عاملهای هوش مصنوعی موسیقی تبدیل گفتار به متنComment شبیه‌سازی صدا طراحی صدا بازار بیشتر
گزارش اشکال / درخواست ویژگی

Convert OGG to Text

Convert OGG/Opus audio files to text with AI. Transcribe voice messages and audio recordings. Free online OGG to text tool.

ثبت نام
هنوز صداهای TTS برای زبان شما نداریم. به ما کمک کنید تا صداهای خودتان را اضافه کنیم! فروش صدای خود

بارگذاری صدا یا ویدئو

پروندۀ خود را به اینجا بکشید و بگذارید ، یا مرور

از فرمت‌های MP3، WAV، FLAC، OGG، M4A، MP4، WebM، AVI، MOV، MKV پشتیبانی می‌کند.

پرونده.mp3

0 MB
یا از میکروفون خود ضبط کنید
00:00

تنظیمات

1,000/min نویسه‌ها — ثبت نام برای ردیابی استفاده

رونوشت

یک پرونده صوتی یا ویدئویی را بارگذاری کنید و برای شروع رونوشت را فشار دهید

. دارم رونوشت ميکنم. ممکنه يه لحظه طول بکشه

شناسایی شد:

چطور کار میکنه

بارگذاری صدا یا ویدئو

پرونده‌های صوتی یا ویدئویی خود را بارگذاری کنید. ما از فرمت‌های MP3، WAV، FLAC، OGG، M4A، MP4، WebM، AVI، MOV و MKV تا ۱۰۰ مگابایت پشتیبانی می‌کنیم.

2. AI رونوشت

مدل‌های هوش مصنوعی ما صدای شما را پردازش می‌کنند، زبان را تشخیص می‌دهند، گویندگان را شناسایی می‌کنند و متن دقیقی با مهر زمان تولید می‌کنند.

3. رونوشت رو بگير

رونوشت خود را رونوشت کنید یا آن را به صورت زیرنویس TXT یا SRT بارگیری کنید. به صورت مورد نیاز ویرایش و اصلاح کنید.

موارد استفاده

رونوشت صوتی برای هر صنعت و جریان کاری

جلسات و کنفرانسها

به صورت خودکار ضبط‌های Zoom، Teams و Google Meet را رونوشت کنید. دیگر هیچ‌گاه یک مورد عمل را از دست ندهید. به عنوان یادداشت‌های جلسه یا زیرنویس‌ها صادر کنید.

مصاحبه و روزنامه‌نگاری

مصاحبه‌ها را برای مقالات، مقالات پژوهشی و مستندها رونوشت کنید.

پادکست و رسانه

تولید رونوشت و نمایش یادداشت‌ها برای قسمت‌های پادکست. ایجاد آرشیوهای قابل جستجو از محتوای صوتی خود. اضافه کردن زیرنویس به پادکست‌های ویدئویی.

سخنرانی و آموزش

تبدیل سخنرانی‌های ضبط شده به یادداشت‌های مطالعه. محتوای آموزشی را با عنوان‌های دقیق قابل دسترس کنید. از دانش آموزان با اختلالات شنوایی پشتیبانی کنید.

یوتیوب و شبکه‌های اجتماعی

تولید زیرنویس و زیرنویس‌های بسته برای ویدئوهای یوتیوب، TikToks و محتوای رسانه‌های اجتماعی. دسترسی و SEO را با رونوشت‌های دقیق بهبود دهید.

حقوقی و پزشکی

رونوشت از اظهارات، جلسات، مشورت‌ها و دیکتات. مهر زمان دقیق برای مراجعه. صادرات به قالب‌های مناسب برای مستندات.

قالبهای پشتیبانی‌شده

رونوشت هر پرونده صوتی یا ویدئویی — ما به طور خودکار صدا را استخراج می‌کنیم

قالبهای صوتی

MP3 WAV FLAC OGG M4A AAC WMA OPUS

قالبهای ویدئو

MP4 WebM AVI MOV MKV WMV FLV M4V

صوت به صورت خودکار از فایل‌های ویدئویی برای رونویسی استخراج می‌شود.

مدل‌های رونویسی

Whisper

مدل تشخیص گفتار قوی اوپن‌آی از ۹۹ زبان پشتیبانی می‌کند.

  • 99 زبان
  • ترجمه
  • مهرهای زمانی
  • مقاوم در برابر نویز
OpenAI

Faster Whisper

4x سریعتر از Whisper با بهینه‌سازی CTranslate2، همان دقت.

  • ۴ برابر سریعتر
  • حافظه پایین
  • تمام اندازه‌های مدل
  • پردازش گروهی
  • پالایش VAD
SYSTRAN

SenseVoice

مدل درک گفتار با تشخیص احساسات، ۵۰+ زبان.

  • 50+ زبان
  • تشخیص احساسات
  • رویدادهای صوتی
  • تحلیل گوینده
  • فراداده‌های غنی
Alibaba (FunAudioLLM)

پرسشهای متداول

پروندۀ OGG خود را مستقیماً بارگذاری کنید — نیازی به تبدیل نیست. رونوشت‌گر ما جریان Vorbis (open-source patent-free) را رمزگشایی می‌کند ، آن را به فاستر ویسپ در یک GPU می‌فرستد ، و یک رونوشت با مهر زمان را همراه با صادرات زیرنویس‌های اختیاری SRT و VTT برمی‌گرداند.

OGG Vorbis (open-source patent-free) است. این معمولاً توسط open-source applications, game engines, Wikipedia audio, and Linux-recorded files تولید می‌شود.

OGG با از دست دادن است (Vorbis (open-source patent-free))، اما از دست دادن در باندهای صوتی رخ می‌دهد که اطلاعات زیادی از گفتار را حمل نمی‌کنند. فاستر ویسپ OGG را در 96-256 kbps Vorbis در حدود ~۱٪ دقت WAV در همان ضبط منبع رونوشت می‌کند. دقت واقعی کیفیت ضبط اصلی (میکروفون، اتاق، شفافیت بلندگو) است ، نه کدک OGG.

پرونده‌های OGG معمولاً 1 MB/min at 128 kbps Vorbis هستند، بنابراین بیشتر بارگذاری‌ها در حد ۵۰۰ مگابایت ما قرار می‌گیرند. حساب‌های رایگان می‌توانند تا ۵ دقیقه در هر بارگذاری رونوشت کنند. برنامه‌های پرداختی تا ۲ ساعت ادامه می‌یابند. اگر در پرونده‌های طولانی به حداکثر می‌رسید، ابزار کتاب صوتی / فرم طولانی را ببینید که رونوشت چند ساعته را مدیریت می‌کند.

بله — فاستر ویسپ از ۹۹ زبان پشتیبانی می‌کند و زبان گفتاری را در پرونده OGG خودکار تشخیص می‌دهد. همچنین می‌توانید زبان منبع خاصی را از طریق تنظیمات پیشرفته اجبار کنید ، اگر تشخیص خودکار یکی اشتباه را انتخاب کند (معمولاً با انگلیسی با لهجه که به اشتباه به عنوان زبان مادری شنونده طبقه‌بندی می‌شود ، یا با کلیپ‌های بسیار کوتاه).

بله — رونوشت شامل مهرهای زمانی بخش و مهرهای زمانی سطح کلمه است ، که به عنوان SRT یا VTT در کنار نسخه متن ساده صادر می‌شود. SRT را با OGG اصلی (یا MP4 تبدیل شده) جفت کنید و کلیپ زیرنویس آماده برای انتشار دارید.

بله. در تنظیمات پیشرفته، دیاریزاسیون بلندگو را فعال کنید و خط لوله ما pyannote.audio را در بالای Whisper اجرا می‌کند تا هر بلندگو را برچسب بزند. برای بهترین نتایج در OGG، حداقل ۳۰ ثانیه صدا را به ما بدهید تا دیاریزاسیون نمونه‌های کافی برای گردآوری اثر انگشت صدا داشته باشد. ضبط دو بلندگو دقیق‌ترین برچسب‌گذاری را دریافت می‌کند.

نه. رونوشت‌گر ما مستقیماً OGG را مدیریت می‌کند — تبدیل به MP3 ابتدا یک مرحله کدگذاری مجدد (با احتمال از دست دادن) اضافه می‌کند و زمان شما را هدر می‌دهد. تنها استثنا این است که اگر پرونده OGG شما از یک کدک غیرمعمول استفاده می‌کند که رمزگشایی‌کننده ما آن را تشخیص نمی‌دهد (نایاب)؛ ما این را در بارگذاری به شما می‌گوییم و می‌توانید از طریق مبدل صوتی رایگانمان تبدیل کنید.

بله ، این معمول‌ترین الگو برای بارگذاری OGG است. فایر ویسپر ضبط‌های تمیز ، پر سر و صدا ، و گفتار با لهجه را مدیریت می‌کند — نیازی نیست که صدا را اول تمیز کنید. اگر دقت آنچه انتظار دارید نیست ، پرونده را از طریق تقویت‌کننده صدای ما اجرا کنید (برای یک گذر رایگان) تا نویز پس زمینه را حذف کنید ، سپس دوباره تلاش کنید رونوشت را انجام دهید.

رونوشت برای پرونده‌هایی که کمتر از ۵ دقیقه هستند رایگان است. برنامه‌های پرداختی از ~۱۰۰۰ کاراکتر در دقیقه صدای OGG استفاده می‌کنند. یک جلسه ۶۰ دقیقه‌ای برای ۶۰۰۰ کاراکتر رونوشت می‌شود؛ یک یادداشت صوتی ۳ دقیقه‌ای رایگان است. توجه خاص OGG: اگر پرونده شما بیشتر سکوت است (مثلاً توقف‌های طولانی در ضبط جلسه)، تشخیص فعالیت صدا را فعال کنید تا سکوت را رد کنید و فقط برای بخش‌های گفتار پرداخت کنید.

بله. پرونده‌های OGG بارگذاری شده در کارگزارهای GPU ما پردازش می‌شوند و به صورت خودکار در عرض ۲ روز حذف می‌شوند. ما هرگز صدا را برای مدت طولانی ذخیره نمی‌کنیم، مدل‌ها را بر روی داده‌های کاربر آموزش نمی‌دهیم، یا با افراد سوم اشتراک نمی‌گذاریم. رونوشت تا زمانی که بخواهید در حساب شما باقی می‌ماند.

بله. پروندۀ OGG خود را به عنوان داده‌های فرم چندبخشی با پروندۀ صوتی در حوزه «پرونده» به /api/v1/transcribe/ POST کنید. پاسخ شامل رونوشت، مهرهای زمانی بخش، مهرهای زمانی سطح کلمه اختیاری و یک UUID کار است که می‌توانید برای نشانی‌های وب صادرات SRT/VTT پرس و جو کنید. در دسترس در تمام برنامه‌های پرداختی.
5.0/5 (1)

چه چیزی میتونیم بهتر کنیم؟ بازخورد شما به ما کمک میکنه مشکلات رو حل کنیم.

رونوشت صدا و ویدئو با هوش مصنوعی

رونوشت دقیق در ۹۹ زبان دریافت کنید. رایگان ثبت نام کنید و ۱۵۰۰۰ کاراکتر برای شروع دریافت کنید.

ثبت نام نمایش قیمت