تبدیل صدا به متن فارسی با هوش مصنوعی؛ دیکته و متن ویدیو

جست‌وجوی «تبدیل صدا به متن فارسی» معمولاً از دو نیاز می‌آید: می‌خواهید به‌جای تایپ کردن حرف بزنید و متن نوشته شود، یا ویدیو یا فایل صوتی دارید و متنش را می‌خواهید. ادمینو یک مبدل فایل صوتی همه‌منظوره نیست، و بهتر است همین ابتدا بگوییم؛ ولی دو مسیر دارد که برای صاحب پیج اینستاگرام خوب کار می‌کنند.

مسیر اول: دیکته با میکروفون هوشینوی وب

هوشینو فضای کار با هوش مصنوعی فارسی ادمینو است. دکمه میکروفون در جعبه نوشتن هوشینوی وب (hooshino.admino.click)، صدای شما را با مدل «شنوا» به متن قابل ویرایش تبدیل می‌کند و هر دقیقه صدا ۵ اعتبار هوش مصنوعی از اشتراک شما برمی‌دارد. بعد می‌توانید همان متن را ویرایش کنید یا مستقیم برای هوشینو بفرستید تا کپشن، توضیح محصول یا پاسخ مشتری بنویسد.

این دکمه فعلاً فقط در هوشینوی وب است و در اپلیکیشن موبایل ادمینو هنوز وجود ندارد؛ برای دیکته از مرورگر گوشی یا کامپیوتر وارد هوشینو شوید. این برای وقتی خوب است که در راه هستید و ایده یک کپشن یا یک پاسخ طولانی به مشتری را می‌خواهید سریع بگویید. متن را بعد از تبدیل بخوانید؛ همان‌طور که با هر تشخیص گفتاری، نام‌های خاص و اصطلاحات ممکن است نیاز به اصلاح داشته باشند.

مسیر دوم: متن ویدیو در زیرنویسینو

اگر ویدیویی دارید و متن حرف‌هایش را می‌خواهید، زیرنویسینو آن را به متن زمان‌دار تبدیل می‌کند: هر کلمه با زمان شروع و پایانش. متن را خط‌به‌خط ویرایش می‌کنید، با جست‌وجو و جایگزینی اشتباه‌های تکراری را درست می‌کنید و نتیجه را به‌صورت فایل SRT یا ASS می‌گیرید. اگر فقط متن را بخواهید، همین فایل SRT متن کامل ویدیو را دارد.

• فقط صدای ویدیو برای تشخیص گفتار فرستاده می‌شود؛ خود ویدیو روی گوشی شما می‌ماند.
• فارسی و حدود ۶۰ زبان دیگر، با تشخیص خودکار زبان.
• نیم‌فاصله و «ی» و «ک» فارسی اصلاح می‌شود، و اگر بخواهید علامت‌گذاری و تبدیل محاوره به نوشتاری.
• نام برند و کلمات خاص را یک بار در «کلمات برند» می‌نویسید تا همیشه درست بیایند.
• حداکثر ۱۰ دقیقه برای هر ویدیو؛ هر ویدیو به دقیقه بالا گرد می‌شود و دست‌کم یک دقیقه حساب می‌شود.
• سهم پلن ماهانه ۶۰ دقیقه در ماه است. اگر ساخت ناموفق باشد، دقیقه‌ای کم نمی‌شود.

چه کارهایی را ادمینو انجام نمی‌دهد

روشن بودن حد و مرز کار از اتلاف وقت جلوگیری می‌کند. ادمینو برای تبدیل فایل صوتی دلخواه، مثلاً یک ویس تلگرام یا بله، ساخته نشده است؛ ورودی آن میکروفون هوشینو و ویدیوی زیرنویسینو است. ویدیوهای بلندتر از ۱۰ دقیقه را هم باید قبل از زیرنویس کوتاه کنید. اگر کارتان تبدیل مصاحبه‌های بلند به متن است، این ابزار برای آن ساخته نشده است.

کدام مسیر برای چه کاری

• می‌خواهید کپشن یا پاسخ مشتری را بگویید و نوشته شود: دیکته در هوشینو.
• ویدیویی دارید و متن یا زیرنویسش را می‌خواهید: زیرنویسینو.
• می‌خواهید متن ریلز را برای کپشن و پست دیگر هم استفاده کنید: اول زیرنویسینو، بعد متن را به هوشینو بدهید تا کپشن بنویسد.

پرسش‌های متداول درباره تبدیل صدا به متن

آیا ادمینو صدا را به متن فارسی تبدیل می‌کند؟

بله، به دو شکل: دیکته با میکروفون در هوشینوی وب (هر دقیقه ۵ اعتبار هوش مصنوعی؛ در اپلیکیشن موبایل هنوز نیست) و متن زمان‌دار ویدیو در زیرنویسینو. فایل صوتی دلخواه را نمی‌پذیرد.

تبدیل ویدیو به متن چقدر طول می‌کشد؟

زمان آن به طول ویدیو و شلوغی سرویس بستگی دارد. حداکثر طول هر ویدیو ۱۰ دقیقه است.

می‌توانم فقط متن را بدون زیرنویس بگیرم؟

بله. متن زمان‌دار را در ویرایشگر خط‌به‌خط می‌بینید و ویرایش می‌کنید، و فایل SRT شامل متن کامل ویدیو است.

تبدیل صدا به متن رایگان است؟

هر شماره موبایل ۳۰ روز همه امکانات را رایگان دارد، شامل ۶۰ دقیقه زیرنویس و سهم اعتبار هوش مصنوعی. پلن رایگان همیشگی نداریم؛ بعد از آن اشتراک ماهانه ۹۶۳٬۰۰۰ تومان و سالانه ۷٬۹۶۳٬۰۰۰ تومان است.

ویدیوی من آپلود می‌شود؟

نه. فقط صدای ویدیو برای تشخیص گفتار فرستاده می‌شود و ویدیو روی گوشی شما می‌ماند.