Jak zamienić audio na tekst online
Jeśli masz oryginalne nagranie, zacznij od niego. Kolejne zapisywanie skompresowanego audio nie odzyska utraconych szczegółów i może pogorszyć czytelność mowy. Przed wysłaniem odsłuchaj początek i kawałek środka, żeby sprawdzić plik i głosy.
Dodaj plik z nagraniem
W panelu wybierz MP3, WAV, M4A, FLAC, OGG lub OPUS. Plik musi mieć obsługiwane rozszerzenie i zawierać audio. Sama zmiana nazwy na .mp3 nie zamieni innego pliku w nagranie.
Dobierz opcje do nagrania
Zostaw język na auto albo go podpowiedz. Do wywiadu lub dyskusji włącz „Identify speakers”. Przy notatce głosowej jednej osoby zwykle wystarczą tekst i czasy.
Przeczytaj i sprawdź tekst
Odsłuchaj miejsca, których nie jesteś pewien. W pobranej kopii popraw nazwy, liczby i specjalistyczne terminy, zanim użyjesz tekstu w badaniu, notatkach lub publikacji.
Skopiuj tekst lub pobierz plik
Do szybkiej notatki skopiuj fragment. Do redakcji wybierz TXT, do aplikacji JSON. Jeśli nagranie ma trafić do odtwarzacza lub filmu, pobierz SRT albo VTT.
MP3, M4A i WAV bez zbędnej konwersji
MP3 i M4A są częste w wywiadach i notatkach głosowych, bo nie zajmują dużo miejsca. WAV i FLAC przy tej samej długości mogą być znacznie większe. Płacisz jednak za czas nagrania zaokrąglony w górę do pełnych minut, nie za rozmiar pliku.
Nie musisz zmieniać obsługiwanego formatu. Zapisanie zaszumionego MP3 jako WAV nie usunie szumu ani nie odtworzy brakujących słów. Jeśli przygotowujesz nowy plik, odsłuchaj go przed wysłaniem. Sprawdź, czy zawiera właściwą ścieżkę, a nie ciszę lub dźwięk z innego mikrofonu.
| Twoje nagranie | Co zrobić przed wysłaniem |
|---|---|
| Notatka głosowa | Zachowaj oryginalne M4A lub inny obsługiwany plik. Sprawdź początek i koniec. |
| Długi wywiad w WAV | Sprawdź rozmiar i czas trwania, zanim wybierzesz sposób wysyłania. |
| Kilka osobnych sesji | Dodaj każde nagranie osobno i zachowaj oznaczenie sesji. |
| Ledwo słyszalna mowa | Najpierw sprawdź samo audio. Inne rozszerzenie nie poprawi jakości nagrania. |
Kto co powiedział w wywiadzie
Podział na rozmówców dodaje Speaker 1, Speaker 2 itd. do wypowiedzi. Nie musisz podpisywać każdej linijki od zera. Nie znamy jednak imion uczestników. Odsłuchaj początek rozmowy i dopisz w swoim dokumencie, kto odpowiada której etykiecie.
W następnym wywiadzie Speaker 1 może oznaczać inną osobę. Sprawdź też miejsca, w których ktoś przerywa, kilka osób mówi naraz albo głos dobiega z daleka. Przy ważnym cytacie zachowaj znacznik czasu, żeby móc wrócić do audio, gdy przypisanie wypowiedzi budzi wątpliwości.
Duży plik, długie nagranie i przerwany upload
W panelu wrzucisz plik do 2 GB, w granicach limitów konta. Korzystamy z uploadu w częściach. Osobno obowiązuje limit 5 godzin dla transkrypcji AI. Mały skompresowany plik może być za długi, a nieskompresowane audio może przekroczyć rozmiar dużo wcześniej.
Przez API wyślesz do 95 MB jednym requestem. Większy plik wymaga rezerwacji, wysłania części i potwierdzenia końca uploadu. Jeśli połączenie się przerwie, sprawdź postęp i doślij brakujące części. Nie zaczynaj od nowej rezerwacji. W dokumentacji opisujemy też odnowienie tokenu.
Jeśli sam dzielisz długie nagranie, zapisz, gdzie każda część zaczynała się w oryginale. W transkrypcji czasy liczymy od początku dodanego pliku. Żeby odnaleźć cytat w pełnym nagraniu, dolicz czas początku tej części.
Z mówionej wypowiedzi do czytelnego dokumentu
W rozmowie są urwane zdania, powtórzenia i odniesienia do tego, co ktoś pokazuje w pokoju. Zdecyduj, czy potrzebujesz dokładnego zapisu, czy zredagowanych notatek. Zachowaj surową transkrypcję do sprawdzania, a tekst dla czytelnika przygotuj w osobnej kopii.
Znaczniki czasu pomogą ci odsłuchać trudny termin, podzielić dokument przy zmianie tematu i zachować źródło cytatu. Przy rozmowie wielojęzycznej przydadzą się oznaczenia języka. Sama podpowiedź języka nie tłumaczy tekstu. Tłumaczenie zrób osobno.
Własną kopię audio zachowaj u siebie. Usuwamy nagranie 24 godziny po osiągnięciu końcowego statusu transkrypcji. Tekst zostaje, dopóki go nie usuniesz, ale nie przechowujemy nagrań jako długoterminowej kopii zapasowej.