تبدیل MP3 به متن: پیاده‌سازی فایل صوتی

MP3 را بارگذاری کنید، کمی صبر کنید، متن را بخوانید و اصلاح کنید و دانلود کنید. بدون ثبت‌نام هر فایل تا 15 دقیقه و 25 مگابایت می‌تواند باشد. MP3 فرمتی فشرده‌شده است؛ ممکن است قبل از سقف زمان، به سقف حجم برسید، و ضبط با کیفیت بالا حجم بیشتری از ضبط هم‌مدت و بدکیفیت دارد.

1. اگر مدت و حجم فایل را نمی‌دانید، با ابزار اطلاعات فایل صوتی (انگلیسی) ببینید؛ در مرورگر کار می‌کند و فایل به جایی نمی‌رود.
2. فایل را در کادر بالا رها کنید یا «انتخاب فایل» را بزنید.
3. هم‌زمان که گوش می‌دهید، متن را بخوانید و خطاها را درست کنید.
4. TXT، TXT همراه زمان، SRT، VTT، Markdown، JSON یا CSV دانلود کنید.

اگر فایل از حجم مجاز بزرگ‌تر است، آن را در یک ویرایش‌گر صدا ببرید یا حساب رایگان بسازید.

بعضی‌ها «تبدیل MP3 به متن» را برای پیدا کردن متن آهنگ جست‌وجو می‌کنند. این سرویس چنین کاری نمی‌کند: وقتی صدای خواننده یا موسیقی هست، تشخیص گفتار به شدت بد می‌شود. کلمه‌ها جا می‌افتند، سازها به هجاهای تصادفی تبدیل می‌شوند و عبارت‌های ناموجود ساخته می‌شود. این خروجی را به عنوان متن آهنگ استفاده نکنید. اگر موسیقی کم‌صدا در زمینه است و کسی حرف می‌زند، ممکن است نتیجه قابل‌قبول باشد، اما باز باید کنترل کنید.

• MP3 تلفنی و ضبط‌صوت. ضبطی که خیلی فشرده شده، آوا‌های سایشی را از دست می‌دهد و کلمه‌هایی مثل «شش» و «ده» راحت قاطی می‌شوند. عددها را با گوش کنترل کنید.
• نویز حذف نمی‌شود. MP3 صدا را تمیز نمی‌کند؛ اگر ضبط شلوغ بود، متن هم ناهموار می‌شود.
• نیم‌فاصله و «ی/ک». «می‌خواهم»، «کتاب‌ها» و شکل فارسی حرف‌های «ی» و «ک» را بعد از ویرایش یک بار بررسی کنید.
• محاوره و رسمی. «میرم» و «نمیدونم» ممکن است بیاید؛ تصمیم بگیرید متن نهایی کدام سبک باشد.
• کلمه‌های انگلیسی. کادر روی فارسی تنظیم است و کلمه‌ی انگلیسی وسط جمله‌ی فارسی اغلب درست نوشته نمی‌شود.

برای خواندن و نقل‌قول، TXT یا Markdown بس است. اگر باید به ضبط برگردید، TXT همراه زمان بگیرید. برای گفتار ویدیو SRT و VTT مفیدند: جزئیات در ساخت زیرنویس SRT. در حساب می‌توانید متن را خط به خط ویرایش کنید، گوینده‌ها را نام‌گذاری کنید و در همه‌ی متن‌هایتان جست‌وجو کنید. اگر فایل به فارسی نیست، صفحه انگلیسی MP3 زبان را خودکار تشخیص می‌دهد.

خروجی یک پیش‌نویس است، نه متن نهایی. فارسی نسبت به زبان‌های پرداده مثل انگلیسی داده آموزشی کمتری دارد؛ بهترین نتیجه معمولاً برای صدای واضح، گفتار رسمی‌تر و یک گوینده است. بیشترین خطا در نام‌ها، عددها و تاریخ‌ها، اصطلاح‌های تخصصی، کلمه‌های انگلیسی وسط جمله فارسی و جاهایی است که چند نفر هم‌زمان حرف می‌زنند یا صدای زمینه و موسیقی هست. درصد دقت نمی‌دهیم؛ هنگام خواندن متن، فایل را گوش کنید و موارد مهم را اصلاح کنید.