በwhispertranscribe.ai የአርትዖት ቡድን · የመጨረሻ ዝማኔ፦ ኖቬምበር 2026 · የ12 ደቂቃ ንባብ
MP3ን ወደ ጽሑፍ ለመቀየር ፋይሉን በሰው ሠራሽ ብልህነት ወደሚሠራ መቀየሪያ ይስቀሉ፣ የንግግሩን ቋንቋ ይምረጡ እና ውጤቱን በDOCX፣ TXT ወይም SRT ያውጡ። የMicrosoft Word Transcribeን መጠቀም፣ በእጅ መተየብ ወይም የOpenAI ነፃ Whisper ሞዴልን በራስዎ ኮምፒውተር ማስኬድም ይችላሉ። የውጤቱ ጥራት በዋናው MP3 ጥራት ይወሰናል።
መመሪያው አራቱን ዘዴዎች በየደረጃቸው ይገልጻል። የፋይሉን የቢት ፍጥነትና የናሙና ድግግሞሽ ማንበብ፣ የድምፅ ጥራት ፍተሻ፣ ረጅም ፋይልና ብዙ ተናጋሪዎችን ማስተናገድ፣ እና የሦስት ዙር እርማትም ተካተዋል።
አጭር መልስ፦ MP3ን ወደ ጽሑፍ መቀየር
ለብዙ ሰዎች የድር መሣሪያ ፈጣኑ ነው። MP3ውን እንዳለ ይቀበላል፣ ተናጋሪዎችን ይለያል እና ሊታረም የሚችል ፋይል ይሰጣል። የMicrosoft 365 ደንበኛ ከሆኑ Wordን ይጠቀሙ። አጫጭር ክፍሎችን በእጅ ይጻፉ፣ ድምፁ ከማሽንዎ መውጣት ካልቻለ Whisperን በኮምፒውተርዎ ያስኪዱ።
- ፋይሉን ይፈትሹ። ድምፆቹ ግልጽ መሆናቸውን ለማረጋገጥ 30 ሰከንድ ያዳምጡ።
- ይስቀሉና ቅንብሮችን ይምረጡ። የንግግሩን ቋንቋ ይምረጡ። ከአንድ በላይ ሰው ከተናገረ የተናጋሪ መለያን ያብሩ።
- ያርሙና ያውጡ። ስሞችና ቁጥሮችን ያስተካክሉ። ለሰነድ DOCX ወይም TXT፣ ለንዑስ ጽሑፍ SRT ወይም VTT ያውርዱ።
የትኛውን ዘዴ ይምረጡ?
ምን ያህል ድምፅ እንዳለዎ፣ የተናጋሪ መለያ ያስፈልግዎት እንደሆነና ድምፁ ወዴት መላክ እንደሚችል ያስቡ። የMicrosoft መረጃ በኖቬምበር 2026 ተፈትሿል።
| ዘዴ | ወጪ | የተናጋሪ መለያ | ድምፁ የሚሄድበት | የሚስማማው |
|---|---|---|---|---|
| 1. የድር ጽሑፍ መቀየሪያ | ብዙዎቹ ነፃ መጀመሪያ እና ለብዛት የክፍያ ዕቅድ አላቸው | አዎ፣ በአብዛኞቹ | የአቅራቢው አገልጋዮች | ቃለ መጠይቅ፣ ፖድካስት፣ ትምህርትና መደበኛ ሥራ |
| 2. Microsoft Word Transcribe | በMicrosoft 365 ውስጥ፣ በወር እስከ 300 ደቂቃ የተሰቀለ ድምፅ | አዎ (ተናጋሪ 1፣ ተናጋሪ 2) | የMicrosoft አገልጋዮች፣ ፋይሉም በOneDrive | Word የሚጠቀሙ ከሆነ አልፎ አልፎ ለሚመጣ ፋይል |
| 3. በእጅ መተየብ | ነፃ፣ ብዙ ሰዓት ይወስዳል | እርስዎ ያክላሉ | መሣሪያዎ ላይ ይቆያል | አጭር ድምፅ፣ ቃል በቃል የሚፈለግ ጥቅስ |
| 4. Whisper በኮምፒውተርዎ | ነፃ፣ ክፍት ምንጭ | በኦፊሴላዊው መሣሪያ የለም | መሣሪያዎ ላይ ይቆያል | ሚስጥራዊ ድምፅ፣ ቴክኒክ የሚያውቁ ሰዎች፣ ብዙ ፋይሎች |
ከመጀመርዎ በፊት፦ MP3ውን በ60 ሰከንድ ይፈትሹ
MP3 መረጃ የሚያጣ የማመቂያ ቅርጸት ነው። የአሜሪካ ኮንግረስ ቤተ መጻሕፍት የቅርጸት መግለጫ ሰዎች የማይሰሟቸውን ድምፆች እንደሚያስወግድና 128 kbit/s MP3 የCD ጥራት ድምፅ መጠን ወደ አንድ አስራ አንደኛ እንደሆነ ያስረዳል። የጠፉ ዝርዝሮች አይመለሱም። የፋይልዎን መረጃ ይመልከቱ።
በWindows Properties → Details፣ በMac Get Info ይክፈቱ። FFmpeg ከተጫነ ይህ ትዕዛዝ ኮዴክ፣ የናሙና ድግግሞሽ፣ ቻናሎች፣ የቢት ፍጥነትና የጊዜ ርዝመትን ያሳያል።
ffprobe -v error -select_streams a:0 -show_entries stream=codec_name,sample_rate,channels,bit_rate -show_entries format=duration -of default=noprint_wrappers=1 interview.mp3
የእንግሊዝኛው ጽሑፍ አዘጋጆች የትዕዛዙን አጻጻፍ ለመፈተሽ FFmpeg 7.1 በአጭር MP3 ናሙና ላይ እንዳስኬዱት ይገልጻሉ። ውጤቱ እንደ sample_rate=44100 እና bit_rate=128000 ያሉ መስመሮችን ያሳያል። እንዲህ ያንብቧቸው።
| እሴት | ምን ያሳያል? | ለጽሑፍ መቀየር ያለው ትርጉም |
|---|---|---|
| bit_rate | ከመታመቅ በኋላ በሰከንድ የቀረ መረጃ | በጣም ዝቅተኛ ፍጥነት ያነሰ ዝርዝር ይተዋል፣ የጠፋውም አይመለስም |
| sample_rate | ድምፁ በሰከንድ ስንት ጊዜ እንደተለካ | Google ለንግግር ማወቂያ 16,000 Hz ወይም ከዚያ በላይ ይመክራል |
| channels | ሞኖ (1) ወይም ስቴሪዮ (2) | ስቴሪዮ ይሠራል። Whisper ፋይሉን ሲጭን ወደ ሞኖ ይቀይረዋል |
| duration | የቅጂው ርዝመት | የመሣሪያውን የፋይል ርዝመት ወይም የደቂቃ ገደብ የሚያልፉ መሆኑን ያሳያል |
የMP3 ቢት ፍጥነት በጽሑፍ ትክክለኛነት ላይ ተጽዕኖ አለው?
ሊኖረው ይችላል። የGoogle Cloud የንግግር ማወቂያ ምክሮች MP3ን ጨምሮ መረጃ የሚያጡ ኮዴኮች ትክክለኛነትን ሊቀንሱ እንደሚችሉ ይገልጻሉ። ጫጫታና የድምፅ ማስተጋባት እነዚህ ኮዴኮች ሲጠቀሙ የበለጠ ይጎዳሉ። የታተመ የቢት ፍጥነት ደረጃ የለም፣ ስለዚህ ከብዙ ምክንያቶች እንደ አንዱ ይውሰዱት። ከማይክሮፎኑ አጠገብ ግልጽ ድምፅ ከፍተኛ የቢት ፍጥነትን ይበልጣል።
ያለዎትን ምርጥ ስሪት ይጠቀሙ። ዋናው WAV ወይም FLAC ካለ ይጠቀሙበት። 96 kbpsን ወደ 320 kbps ወይም WAV መቀየር የጠፋውን ሳይመልስ ፋይሉን ያሳድጋል።
ለንግግር ማወቂያ ምን የናሙና ድግግሞሽ ያስፈልጋል?
16 kHz ብዙ ጊዜ ይበቃል። የOpenAI ክፍት ምንጭ Whisper ፋይልን በFFmpeg ይጭናል፣ ወደ ሞኖ ይቀይራል እና ሞዴሉ ከመስማቱ በፊት ወደ 16,000 Hz ይለውጣል። whisper/audio.py በGitHub። Googleም ድግግሞሹን በራስዎ እንዳይቀይሩ ይመክራል። በ8,000 Hz የተቀዳ ስልክ ድምፅን እንዳለ ይላኩ።
የተለመደ MP3 44.1 kHz ወይም 48 kHz አለው። ይህ ከበቂ በላይ ነው። ከመስቀልዎ በፊት ድግግሞሹን አይቀይሩ።
የድምፅ ጥራት የፍተሻ ዝርዝር
ጠቃሚ ቅጂ ከመሥራትዎ በፊት፦
- መጀመሪያውንና ከመሃል አንድ ክፍል ያዳምጡ። ቋንቋው ትክክል ነው? ሁሉም ይሰማሉ?
- የድምፅ መጠኑን ይፈትሹ።
ffmpeg -i interview.mp3 -af volumedetect -f null -አማካይና ከፍተኛውን የድምፅ ደረጃ ያሳያል። ከፍተኛው ወደ 0 dB ከቀረበ የድምፅ ጫፎች ተቆርጠው ሊሆን ይችላል። የተዛቡ ጫፎችን መመለስ አስቸጋሪ ነው። - ከባድ የጫጫታ ማጣሪያን ያስወግዱ። Google እንደሚገልጸው ከንግግር ማወቂያ በፊት ጫጫታ ማስወገድ ብዙ ጊዜ ትክክለኛነትን ይቀንሳል።
- ስሞችን፣ አህጽሮተ ቃላትንና የሙያ ቃላትን ይዘርዝሩ በኋላ ለማረም።
- ጽሑፉ እስኪጠናቀቅ ዋናውን ፋይል ያቆዩ።
ዘዴ 1፦ MP3ን ወደ የድር ጽሑፍ መቀየሪያ ይስቀሉ
የድር መሣሪያዎች ረጅም MP3ን ለማረም ወደሚቻል ጽሑፍ በፍጥነት ይቀይራሉ። ሞዴሉ በአቅራቢው አገልጋዮች ላይ ይሠራል፣ መጫን አያስፈልግም። ደረጃዎቹ whispertranscribe.ai ይጠቀማሉ። whispertranscribe.ai በOpenAI Whisper የሚሠራ፣ ድምፅና ቪዲዮን በ130+ ቋንቋዎች ወደ ጽሑፍ የሚቀይር፣ እስከ 5 GB እና 10 ሰዓት ፋይል የሚቀበል የድር መሣሪያ ነው። ሌሎች መሣሪያዎች ተመሳሳይ ናቸው፣ ምናሌዎቻቸው ይለያያሉ።
ደረጃ 1፦ የMP3 መቀየሪያውን ይክፈቱና ቋንቋ ይምረጡ
MP3ን ወደ ጽሑፍ መቀየሪያ ይክፈቱና Step 1 ስር የንግግሩን ቋንቋ ይምረጡ። 130+ ቋንቋዎች፣ እንደ English (India) ያሉ የክልል ልዩነቶች እና ለጫጫታ Noise / Low-Quality Audio/Video ይገኛሉ።
ደረጃ 2፦ MP3ውን ይስቀሉ
Step 2 ስር ፋይሉን ጎትተው ይጣሉ ወይም ከመሣሪያዎ ይምረጡ። ፋይሎቹ እስከ 5 GB ሊሆኑ ይችላሉ፣ ዕቅዶቹ እስከ 10 ሰዓት ድምፅ ይደግፋሉ። WAV፣ M4A፣ FLAC፣ MP4 እና MOVም ይሠራሉ።
ደረጃ 3፦ ካስፈለገ የተናጋሪ መለያን ያብሩ
ለቃለ መጠይቅ፣ ስብሰባና ፖድካስት Enable Speaker Detection ያብሩ። እያንዳንዱ ተራ የተናጋሪ መለያ ያገኛል።
ደረጃ 4፦ ወደ ጽሑፍ መቀየር ይጀምሩ
Transcribe MP3 to text ይጫኑ። ግልጽ ድምፅ ላይ ትክክለኛነት እስከ 99% ይደርሳል። ጫጫታ፣ ከፍተኛ የአነጋገር ልዩነትና ተደራራቢ ንግግር ይቀንሱታል። የማረሚያ ጊዜ ይመድቡ።
ደረጃ 5፦ ጽሑፉን ያውጡ
ለሰነድና ትንተና DOCX፣ PDF፣ TXT ወይም CSV፣ የጊዜ ምልክት ላለው ንዑስ ጽሑፍ SRT ወይም VTT ያውርዱ። ግቡ ንዑስ ጽሑፍ ከሆነ MP3 ወደ SRT መቀየሪያ በቀጥታ የንዑስ ጽሑፍ ፋይል ያዘጋጃል።
ዕቅድ ከመምረጥዎ በፊት ያለ መለያ በነፃ ይሞክሩ። የክፍያ ዕቅዶች በዓመታዊ ክፍያ ከ$9.99 በወር ይጀምራሉ። ዋጋዎችን ይመልከቱ። ትልቅ ቪዲዮን በድምፅና ቪዲዮ ወደ MP3 መቀየሪያ ማሳነስ ይቻላል። Google Drive ወይም Dropbox ላይ ያለ MP3 በቀጥታ በከURL መቀየሪያ ይጠቀሙ።
ልብ ይበሉ። የድር መሣሪያዎች ድምፁን ወደ አቅራቢው አገልጋይ ይሰቅላሉ። ለሚስጥራዊ ቅጂ በቅድሚያ የግላዊነት ፖሊሲውን ያንብቡ ወይም ዘዴ 3 ወይም 4 ይጠቀሙ።
ዘዴ 2፦ የMicrosoft Word Transcribe ተግባርን ይጠቀሙ
በMicrosoft 365 Word ራሱ MP3ን ወደ ጽሑፍ ይቀይራል። በኖቬምበር 2026 በተፈተሸው የMicrosoft ድጋፍ መሠረት Transcribe .mp3፣ .wav፣ .m4a እና .mp4 ይቀበላል፣ ተናጋሪዎቹንም ይለያል።
- Microsoft 365 ይግቡና በWord for the web (አዲስ Microsoft Edge ወይም Chrome) ወይም በWindows Word for Microsoft 365 ሰነድ ይክፈቱ።
- Home → Dictate (ተቆልቋይ ምናሌ) → Transcribe ይክፈቱ።
- በTranscribe ፓነል Upload audio ይምረጡና MP3ውን ይጫኑ።
- ሲሠራ ፓነሉን ክፍት ያድርጉት። Microsoft ሂደቱ የፋይሉን የጊዜ ርዝመት ያህል ሊፈጅ እንደሚችል ይገልጻል።
- ይፈትሹ። ማንኛውንም ክፍል እስከ 2x ፍጥነት ያዳምጡ፣ ጽሑፉን ያርሙ፣ «ተናጋሪ 1» ሁሉንም በአንድ ጊዜ ይሰይሙ።
- Add all to document በመምረጥ ጽሑፉን ወደ ሰነዱ አክለው እንደ DOCX ያስቀምጡ።
ገደቦች። የMicrosoft 365 ተጠቃሚዎች በወር እስከ 300 ደቂቃ መስቀል ይችላሉ። አንድ ሰነድ አንድ ጽሑፍ ይይዛል፣ የተሰቀሉት ፋይሎችም በOneDrive የTranscribed Files አቃፊ ውስጥ ይቀመጣሉ። እንደ Microsoft የWindows ዴስክቶፕ አማራጩ በአሁኑ ጊዜ ለንግድ ድርጅት መለያዎች ብቻ ነው። የእገዛ ገጹ SRT ወይም VTT አይዘረዝርም፣ ስለዚህ Word ለሰነዶች ይበልጥ ይስማማል።
ዘዴ 3፦ MP3ውን በእጅ ወደ ጽሑፍ ይቀይሩ
በራስዎ መተየብ ነፃ ነው፣ ድምፁም በመሣሪያዎ ይቆያል። ጊዜ ይወስዳል። ለአጭር ቅጂ፣ ቃል በቃል ጥቅስ ወይም ሞዴሉ ላሳሳተው ክፍል ይጠቀሙበት።
- MP3ውን ፍጥነቱን መቀነስ በሚችል ማጫወቻ ይክፈቱ። በአቋራጭ ቁልፍ ወደ ኋላ የሚመለስ ማጫወቻ ይምረጡና ባዶ ሰነድ በጎኑ ይክፈቱ።
- የማጫወቻውን ፍጥነት ወደ 0.75x ያድርጉ። አጭር ሐረግ ያዳምጡ፣ ያቁሙ፣ ይተይቡ እና ካስፈለገ ወደኋላ ይመለሱ።
- ተናጋሪውን በእያንዳንዱ ተራ ይለዩ። ለምሳሌ
ጠያቂ:እናማሪያ:ይጻፉ። በW3C የጽሑፍ ቅጂ መመሪያ መሠረት የፖድካስት ጽሑፍ ተናጋሪዎቹ የተለዩበት ቀላል አንቀጽ ሊሆን ይችላል። - ያልሰሙትን ይጠቁሙ። ወደዚያ ለመመለስ የጊዜ ምልክት ያክሉ፣ ለምሳሌ
[አይሰማም 00:14:32]። - በመጨረሻ በመደበኛው ፍጥነት ያዳምጡ። ተመሳሳይ ድምፅ ያላቸው ቃላት እንዳልተሳሳቱ ጽሑፉን እያነበቡ ይፈትሹ።
ወይም በመሣሪያ ረቂቁን አዘጋጅተው ይህን ዘዴ ጠቃሚ በሆኑ ክፍሎች ብቻ ይጠቀሙ።
ዘዴ 4፦ Whisperን በራስዎ ኮምፒውተር ያስኪዱ
Whisper የOpenAI ክፍት ምንጭ የንግግር ማወቂያ ሞዴል ነው። የOpenAI የምርምር ጽሑፍ በ680,000 ሰዓት የብዙ ቋንቋ ድምፅ እንደሰለጠነ ይገልጻል። በኮምፒውተርዎ ነፃ ይሠራል፣ ፋይልም አይሰቀልም። Python፣ FFmpeg እና በዝግተኛ ማሽን ላይ ተጨማሪ ጊዜ ያስፈልጋሉ።
ይፋዊውን የኮድ ማከማቻ ተከትለው ይጫኑ።
pip install -U openai-whisper
FFmpegም ተጭኖ PATH ውስጥ መኖር አለበት። ከዚያ መቀየር ይጀምሩ።
whisper interview.mp3 --model turbo --language English --output_format srt
ለቀላል ጽሑፍ --output_format txt ይጠቀሙ። አማራጩን ካስወገዱ TXT፣ VTT፣ SRT፣ TSV እና JSON አብረው ይወጣሉ። በCPU ላይ ማስጠንቀቂያውን ለማስወገድ --fp16 False ያክሉ። የእንግሊዝኛው ጽሑፍ አዘጋጆች አጻጻፉን ለመፈተሽ openai-whisper 20250625 እና tiny ሞዴልን በአጭር የሕዝብ ንብረት ድምፅ ላይ እንዳስኬዱ ይገልጻሉ።
| ሞዴል | ፓራሜትሮች | ግምታዊ VRAM (በOpenAI መሠረት) | ፍጥነት ከlarge ጋር (በOpenAI መሠረት) |
|---|---|---|---|
| tiny | 39 ሚሊዮን | ወደ 1 GB | ወደ 10x |
| small | 244 ሚሊዮን | ወደ 2 GB | ወደ 4x |
| medium | 769 ሚሊዮን | ወደ 5 GB | ወደ 2x |
| turbo (ነባሪ) | 809 ሚሊዮን | ወደ 6 GB | ወደ 8x |
| large | 1550 ሚሊዮን | ወደ 10 GB | 1x |
OpenAI turboን ጥቂት የትክክለኛነት ቅናሽ ያለው የlarge-v3 የተመቻቸ ስሪት እንደሆነ ይገልጻል። ለትርጉም አልሰለጠነም።
የመሣሪያው ገደቦች። ይፋዊው መሣሪያ የተናጋሪ መለያ፣ የጽሑፍ አርታዒ፣ DOCX ወይም PDF ማውጫ የለውም። OpenAI ውጤቱ በቋንቋ በእጅጉ እንደሚለያይ ይገልጻል። የማኅበረሰብ ፕሮጀክቶች አንዳንዶቹን ክፍተቶች ይሞላሉ፣ የየራሳቸውም ቅንብር አላቸው።
ረጅም MP3ዎችን፣ ብዙ ተናጋሪዎችንና ሌሎች ቋንቋዎችን ማስተናገድ
ረጅም ቅጂዎች
ከመስቀልዎ በፊት ገደቡን ይፈትሹ። የwhispertranscribe.ai ዕቅዶች እስከ 10 ሰዓትና 5 GB ፋይሎችን ይደግፋሉ። የWord ወርሃዊ ገደብ በድምሩ አምስት ሰዓት ነው። አጭር ገደብ ላለው መሣሪያ FFmpeg MP3ውን ዳግም ሳይቀይር በአንድ ሰዓት ክፍሎች ይከፍላል።
ffmpeg -i lecture.mp3 -f segment -segment_time 3600 -c copy lecture_part_%03d.mp3
መቁረጡ በዓረፍተ ነገር መካከል ሊሆን ይችላል። ጽሑፉን ሲያገናኙ መጋጠሚያዎቹን ይፈትሹ። ለክፍልና ለንግግሮች ትምህርቶችን ወደ ጽሑፍ መቀየር ይመልከቱ።
ብዙ ተናጋሪዎች
የተናጋሪ መለያን ያብሩና ከማጋራትዎ በፊት አጠቃላይ መለያዎችን በስም ይተኩ። ሰዎች ሲቋረጡ ወይም ተመሳሳይ ድምፅ ሲኖራቸው መለያዎች ይሳሳታሉ። ከእያንዳንዱ ተናጋሪ ጥቂት ክፍሎችን ይፈትሹ። ቀጣዩን ሲቀዱ ለእያንዳንዱ ሰው የራሱን ማይክሮፎን ይስጡ።
ሌሎች ቋንቋዎችና አነጋገሮች
በተለይ ፋይሉ በሙዚቃ ከጀመረ በራስ-ሰር ፍለጋ ከመተማመን ይልቅ ቋንቋውን ይምረጡ። whispertranscribe.ai እንግሊዝኛ፣ ስፓኒሽ፣ ፈረንሳይኛ፣ ጀርመንኛ፣ ሂንዲ፣ ሩሲያኛ፣ ፖርቱጋልኛ፣ ጃፓንኛ፣ ጣሊያንኛና ደች መካከል ለሚቀያየር ቅጂ Multilingual Mix አለው። ከሌላ ቋንቋ MP3 የእንግሊዝኛ ጽሑፍ ካስፈለገ ድምፅን ወደ እንግሊዝኛ መተርጎሚያ በአንድ ደረጃ ይጠቀሙ።
የMP3 ጽሑፍን በ3 ዙሮች ማረም
ራስ-ሰር ረቂቅ በተለመዱ ቦታዎች ይሳሳታል። ሙሉ ፋይሉን እንደገና ማዳመጥ ብዙ ጊዜ አያስፈልግም።
ዙር 1፦ በጽሑፉ ውስጥ ይፈልጉ። የስምና የቃላት ዝርዝርዎን በመጠቀም በመፈለግና በመተካት ተመሳሳይ ስህተቶችን በአንድ ጊዜ ያርሙ።
ዙር 2፦ ችግር የሚኖርባቸውን ክፍሎች ያዳምጡ። ወደ እነዚህ ክፍሎች ዘለው ከድምፁ ጋር ያመሳክሩ።
| ክፍል | የተለመደ ስህተት | እንዴት ይፈትሹ? |
|---|---|---|
| ቁጥሮችና ቀናት | «አሥራ አምስት» እና «ሃምሳ» ይደባለቃሉ፣ አስርዮሽ ይጠፋል | የሚጠቅሱትን ቁጥር ሁሉ ዳግም ያዳምጡ |
| ስሞችና የምርት ስሞች | በተሰሙበት መንገድ ብቻ ተጽፈዋል | ከቃላት ዝርዝርዎ ጋር ያመሳክሩ |
| ተደራራቢ ንግግር | ሁለት ዓረፍተ ነገሮች ይጣመራሉ ወይም አንዱ ይጠፋል | በመደበኛ ፍጥነት፣ ከዚያ በዝግታ ያዳምጡ |
| ተናጋሪ ሲቀየር | መስመር ለተሳሳተ ሰው ተመድቧል | ከእያንዳንዱ ለውጥ በኋላ የመጀመሪያውን መስመር ይፈትሹ |
| ዝቅ ያሉ ወይም ሩቅ ድምፆች | ቃላት ጠፍተዋል | የዚያን ክፍል ድምፅ ከፍ ያድርጉ |
| የመጀመሪያና መጨረሻ ደቂቃዎች | የቀላል ወግ፣ ሙዚቃ፣ የተሳሳተ የቋንቋ ግምት | እንደ አስፈላጊነቱ ይሰርዙ ወይም ያርሙ |
ዙር 3፦ እንደ ሰነድ ያንብቡ። ያለ ድምፅ አንዴ ያንብቡ፣ ያልተገባዎትን ዳግም ያዳምጡ። አሁንም ያልሰሙትን ከመገመት ይልቅ [ግልጽ አይደለም] ብለው ይጻፉ።
የትኛው የማውጫ ቅርጸት ይፈልጋሉ?
ቀጣዩን አጠቃቀም ይመልከቱ። ለሰነድ DOCX ወይም TXT፣ በቪዲዮ ላይ ለሚታይ SRT ወይም VTT ይምረጡ።
| ቅርጸት | አጠቃቀም |
|---|---|
| DOCX | ማረም፣ ሪፖርት፣ መጣጥፍና የፕሮግራም ማስታወሻ |
| ለማጋራት ወይም ለማከማቸት የማይለወጥ ቅጂ | |
| TXT | ወደ ሌላ መተግበሪያ ለመለጠፍ ወይም ራስ-ሰር ማጠቃለያ ለማዘጋጀት |
| CSV | ሰንጠረዦችና የምርምር ትንተና |
| SRT | ለYouTube፣ ለቪዲዮ አርታዒዎችና ማጫወቻዎች ንዑስ ጽሑፍ |
| VTT | ለHTML5 የድር ቪዲዮ ማጫወቻ ንዑስ ጽሑፍ |
ከስልክዎ ለሚመጡ የድምፅ ማስታወሻዎች የድምፅ ማስታወሻ መቀየሪያ ተመሳሳይ ቅርጸቶችን ይሸፍናል።
ተደጋጋሚ ጥያቄዎች
MP3ን በነፃ ወደ ጽሑፍ መቀየር እችላለሁ?
አዎ። በእጅ መተየብ ነፃ ነው፣ የOpenAI ክፍት ምንጭ Whisperን ለማስኬድም ከማዘጋጃ ጊዜና ከኮምፒውተር በቀር ወጪ የለም። ብዙ የድር መሣሪያዎችም ነፃ መጀመሪያ አላቸው። whispertranscribe.ai ያለ መለያ በነፃ የድምፅዎን ውጤት ለማየት አማራጭ ይሰጣል። ነፃ አማራጮች ቆይታን ወይም ተግባሮችን ይገድባሉ። ለመደበኛ ሥራ የክፍያ ዕቅዶችን ያነጻጽሩ። whispertranscribe.ai በዓመታዊ ክፍያ በወር ከ$9.99 ይጀምራል።
አንድ MP3 ለመቀየር ምን ያህል ጊዜ ይፈጃል?
የሰው ሠራሽ ብልህነት መሣሪያ ብዙ ጊዜ ከድምፁ ርዝመት በጣም ያነሰ ጊዜ ይፈጃል። በፋይሉና በአገልግሎቱ ይለያያል። Microsoft የWord Transcribe የፋይሉን ርዝመት ያህል ሊፈጅ እንደሚችል ይገልጻል። Whisperን በራስዎ ማስኬድ በመሣሪያውና ሞዴሉ ይወሰናል። ትንሽ ሞዴሎች ፈጣን ናቸው፣ የበለጠም ይሳሳታሉ። በእጅ መጻፍ ከድምፁ ርዝመት በብዙ እጥፍ ይረዝማል፣ ስለዚህ ብዙ ሰዎች አጭር ክፍሎችን ብቻ በእጅ ይጽፋሉ።
MP3ን ወደ WAV መቀየር ትክክለኛነትን ያሻሽላል?
MP3ን ወደ WAV ወይም ወደ ከፍተኛ የቢት ፍጥነት መቀየር የፋይሉን መጠን ያሳድጋል፣ MP3ው ሲፈጠር የጠፉትን ዝርዝሮች አይመልስም። MP3 መረጃ የሚያጣ ቅርጸት ነው። የመጀመሪያው WAV ወይም FLAC ካለ እሱን ይጠቀሙ። ካልሆነ MP3ውን እንዳለ ይስቀሉ። እንደ Whisper ያሉ የንግግር ማወቂያዎች በውስጣቸው ወደ 16 kHz ሞኖ ይቀይራሉ፣ ስለዚህ የናሙና ድግግሞሹን በራስዎ መቀየር አይጠቅምም።
ብዙ ተናጋሪዎች ያሉበትን MP3 እንዴት እቀይራለሁ?
ተናጋሪ መለያ ያለው መሣሪያ ይጠቀሙና ከመጀመርዎ በፊት ያብሩት። እያንዳንዱ ተራ «ተናጋሪ 1» ዓይነት ቁጥር ይኖረዋል፣ በኋላም በእውነተኛ ስም ይተኩት። Microsoft Word Transcribe እና whispertranscribe.ai ተናጋሪዎችን ይለያሉ። ይፋዊው የWhisper የትዕዛዝ መሣሪያ ይህን አያደርግም። ሰዎች እርስ በርስ በሚቋረጡበት ቦታ መለያዎቹን ይፈትሹ።
MP3ን ወደ Word ሰነድ መቀየር እችላለሁ?
አዎ። ፈጣኑ መንገድ MP3ን በድር መሣሪያ ቀይሮ DOCX ማውጣት ነው። በWord ወይም Google Docs በቀጥታ ይከፈታል። Microsoft 365 ካለዎ MP3ውን ለመስቀል በWord Home፣ Dictate፣ Transcribe፣ Upload audio ይጠቀሙ። ከዚያ Add all to document ይምረጡ። Microsoft 365 በወር እስከ 300 ደቂቃ የድምፅ ሰቀላ ያካትታል።
MP3ን ወደ ንዑስ ጽሑፍ መቀየር እችላለሁ?
አዎ። ጽሑፉን በSRT ወይም VTT ያውጡ። ሁለቱም መስመሮቹ በቪዲዮ ላይ በትክክለኛው ጊዜ እንዲታዩ የጊዜ ምልክት ያስቀምጣሉ። በwhispertranscribe.ai ከቀየሩ በኋላ SRT ወይም VTT ያውጡ፣ ወይም MP3 ወደ SRT መቀየሪያን ይጠቀሙ። የWhisper የትዕዛዝ መሣሪያም በማውጫ ቅርጸት ምርጫ SRT እና VTT ይፈጥራል።
ለመሞከር ዝግጁ ነዎት? ፋይሉን ወደ whispertranscribe.ai MP3 ወደ ጽሑፍ መቀየሪያ ይስቀሉ፣ ለሌሎች ቅርጸቶችም ነፃ ድምፅ ወደ ጽሑፍ መቀየሪያ ይጠቀሙ። ሁለቱም 130+ ቋንቋዎችን፣ የተናጋሪ መለያዎችን እና DOCX፣ PDF፣ TXT፣ CSV፣ SRT እና VTT ይደግፋሉ።
ምንጮች
- የአሜሪካ ኮንግረስ ቤተ መጻሕፍት፦ MP3 (MPEG Layer III የድምፅ ኮድ)
- Google Cloud፦ ለSpeech-to-Text API ውሂብ የማቅረብ ዘዴዎች
- የMicrosoft ድጋፍ፦ ቅጂዎችዎን ወደ ጽሑፍ ይቀይሩ
- OpenAI፦ Whisper በGitHub (README እና
whisper/audio.py) - Radford እና ሌሎች፣ OpenAI፦ በሰፊ መጠን በደካማ ቁጥጥር የሰለጠነ ጠንካራ ንግግር ማወቂያ
- W3C የድር ተደራሽነት ተነሳሽነት፦ የጽሑፍ ቅጂዎች
