تحریریهٔ whispertranscribe.ai · آخرین بهروزرسانی: نوامبر 2026 · زمان مطالعه: 12 دقیقه
ترجمهٔ گفتار به متن یعنی از ضبطی به یک زبان، متن به زبان دیگری بسازید. دو راه دارید: ضبط را به زبان اصلی پیاده کنید و سپس متن را ترجمه کنید، یا از مدلی استفاده کنید که مستقیم از صدا به زبان مقصد مینویسد. بازبینی روش اول آسانتر است و روش دوم سریعتر است.
در ادامه هر دو مسیر و خطاهای احتمالی آنها، چهار روش عملی از جمله زیرنویس چندزبانهٔ SRT و VTT، جدول عوامل مؤثر بر کیفیت، فهرست کنترل پس از ترجمه و موارد نیاز به مترجم حرفهای را میبینید.
پاسخ کوتاه: چگونه گفتار را به متن ترجمه کنیم؟
برای بیشتر ضبطها، ابتدا به زبان اصلی پیاده کنید، متن را اصلاح کنید و سپس ترجمه بگیرید. اگر فقط به انگلیسی نیاز دارید و سرعت مهم است، ترجمهٔ مستقیم گفتار به انگلیسی برای پیشنویس مناسب است. هر چیزی که منتشر میکنید یا مبنای تصمیم قرار میدهید، در هر دو روش باید به دست کسی که هر دو زبان را میداند بررسی شود.
- به زبان گفتار پیاده کنید. خودتان زبان را انتخاب کنید و به تشخیص خودکار تکیه نکنید.
- متن مبدأ را اصلاح کنید. از نامها، اعداد و اصطلاحات شروع کنید.
- ترجمه و بازبینی کنید. ترجمه را با متن مبدأ و صدا تطبیق دهید.
ترجمهٔ گفتار به متن چیست؟
هر فرایندی که از گفتار به زبان الف آغاز شود و به متن به زبان ب برسد در این دسته است. پیادهسازی معمولی زبان را حفظ میکند. ترجمهٔ معمولی از متن شروع میشود. این کار هر دو را ترکیب میکند و شیوهٔ ترکیب تعیین میکند بازبینی چقدر آسان باشد.
دو مسیر: آبشاری یا مستقیم
پژوهشگران روش اول را آبشاری مینامند: ابتدا تشخیص گفتار و سپس ترجمهٔ متن. روش دوم ترجمهٔ مستقیم یا سرتاسری گفتار است که در آن یک مدل صدا را مستقیم به متن زبان مقصد تبدیل میکند. Whisper از OpenAI روش مستقیم را فقط برای خروجی انگلیسی انجام میدهد.
| پیادهسازی و سپس ترجمه (آبشاری) | ترجمهٔ مستقیم گفتار | |
|---|---|---|
| مراحل | دو مرحله، متن مبدأ و سپس ترجمه | یک مرحله، صدا در ورودی و متن مقصد در خروجی |
| زبانهای مقصد | هر زبانی که مترجم متن پشتیبانی کند | اغلب محدود. وظیفهٔ translate در Whisper فقط متن انگلیسی میسازد |
| متن زبان مبدأ | نگه میدارید | معمولاً تولید نمیشود |
| زمان تشخیص خطا | بین دو مرحله، در متن مبدأ | با تطبیق نتیجه با صدا |
| ترجمهٔ دوباره | از متن اصلاحشده استفاده کنید | صدا را دوباره پردازش یا متن انگلیسی را ترجمه کنید |
| کاربرد مناسب | پژوهش، انتشار، زیرنویس چندزبانه و نقلقول | فهم سریع ضبط به انگلیسی |
در هر مسیر چه خطایی ممکن است رخ دهد؟
در روش آبشاری، خطاها از مرحلهای به مرحلهٔ دیگر میروند. اگر گوینده «پانزده» گفته باشد اما متن «پنجاه» بنویسد، ترجمه میتواند همان عدد اشتباه را کاملاً روان تکرار کند. پیش از ترجمه متن را اصلاح کنید.
در روش مستقیم متنی به زبان مبدأ برای بازبینی ندارید. واژهای که اشتباه شنیده شده در خروجی مثل واژهای به نظر میرسد که اشتباه ترجمه شده است. بازبین باید به صدا رجوع کند. روانی متن هم میتواند تشخیص خطاها را دشوارتر کند.
کدام روش مناسب است؟
بر اساس کاربرد متن و تعداد زبانهای لازم انتخاب کنید.
| موقعیت | روش پیشنهادی | دلیل |
|---|---|---|
| میخواهید ضبط خارجی را زود بفهمید | روش 2: مستقیم به انگلیسی | یک مرحله برای پیشنویس خوانا |
| از گوینده در مقاله یا گزارش نقلقول میکنید | روش 1، همراه با روش 4 برای نقلقولهای مهم | میتوانید عین گفتار اصلی را بررسی کنید |
| به زیرنویس دو یا چند زبان نیاز دارید | روش 3: SRT یا VTT مبدأ و ترجمهٔ متن قطعهها | یک زمانبندی برای همهٔ زبانها |
| مصاحبهٔ پژوهشی را تحلیل میکنید و به آن استناد میکنید | روش 1 | کدگذاری و ارجاع به متن اصلی متصل میمانند |
| قرارداد، سند قضایی، پزشکی یا مهاجرتی دارید | روش 4 با فرد واجد صلاحیت | خطا پیامد واقعی دارد |
روش 1: به زبان اصلی پیاده کنید و سپس متن را ترجمه کنید
این مسیر انعطاف بیشتری دارد. متن اصلاحشده نسخهٔ اصلی میشود و همهٔ ترجمهها از آن شروع میشوند.
گام 1: به زبان گفتار پیاده کنید
فایل را در ابزار پیادهسازی بارگذاری کنید و پیش از شروع زبان را تعیین کنید. whispertranscribe.ai ابزار تحت مرورگر با مدل Whisper از OpenAI است. بیش از 130 زبان با گونههای منطقهای و حالت Noise / Low-Quality Audio/Video برای ضبط بیکیفیت دارد. برای منابع رایج، صفحههای جداگانهای مانند صدای اسپانیایی و صدای چینی وجود دارد. برای ضبطی که گوینده زبان عوض میکند، گزینهٔ Multilingual Mix انگلیسی، اسپانیایی، فرانسوی، آلمانی، هندی، روسی، پرتغالی، ژاپنی، ایتالیایی و هلندی را پوشش میدهد.
اگر ضبط روی Google Drive، Dropbox، Vimeo یا YouTube است، آن را از نشانی پیاده کنید تا نیازی به دانلود نباشد. برای مصاحبهها و جلسهها تشخیص گوینده را روشن کنید.
گام 2: متن مبدأ را اصلاح کنید
هر اشتباهی که بماند به ترجمهٔ هر زبان منتقل میشود. اول نامها، اصطلاحات محصول و سرواژهها را پیدا کنید. هر عددی که میخواهید نگه دارید دوباره گوش کنید. طبق توضیح ابزار، دقت در صدای واضح به 99% میرسد. سروصدا، لهجهٔ پررنگ و همپوشانی صدا آن را پایین میآورند، بنابراین برای بازبینی وقت بگذارید.
گام 3: متن اصلاحشده را ترجمه کنید
خروجی DOCX یا TXT بگیرید و آن را با ابزار ترجمهٔ متن باز کنید. ابتدا محدودیت قالبها را بررسی کنید. طبق مستندات نوامبر 2026:
- Google Translate طبق راهنمای گوگل ترنسلیت سندهای .docx، .pdf، .pptx و .xlsx تا 10 مگابایت را ترجمه میکند. PDF باید حداکثر 300 صفحه باشد. فایل زیرنویس در این فهرست نیست.
- DeepL در صفحهٔ قالبهای فایل DOCX، PDF و TXT را فهرست میکند. SRT و VTT در طرحهای Pro Individual، Pro Team، Pro Business و API نیز آمدهاند، با محدودیت 150 یا 200 کیلوبایت برای هر فایل زیرنویس. حساب رایگان DeepL از TXT پشتیبانی نمیکند.
اگر ابزار اجازه میدهد زمینه بدهید: گوینده کیست، مخاطب چه کسی است و نتیجه چقدر رسمی باشد.
گام 4: هر دو نسخه را کنار هم نگه دارید
متن مبدأ و ترجمه را با نامهای متناظر، مانند interview-04_es_v2.docx و interview-04_en_v2.docx، ذخیره کنید تا بتوان هر سطر مورد اختلاف را با عبارت اصلی تطبیق داد.
روش 2: مستقیم به انگلیسی پیاده کنید
اگر مقصد انگلیسی است و بیشتر میخواهید ضبط را بفهمید یا خلاصه کنید، ابزار مستقیم یک مرحله را حذف میکند.
استفاده از صفحهٔ ترجمهٔ صدا به انگلیسی
صفحهٔ ترجمهٔ صدا به انگلیسی در whispertranscribe.ai گفتارِ زبانهای دیگر را به متن انگلیسی تبدیل میکند. در توضیح صفحه، انگلیسی تنها زبان خروجی است.
- زبان گفتار را انتخاب کنید. گام 1 صفحه زبان ضبط را میخواهد. طبق توضیح صفحه، انتخاب درست باعث دقت بیشتر انگلیسی میشود. اگر نتیجه مناسب نیست، گزینهٔ دیگری را امتحان کنید.
- فایل را بارگذاری کنید. گام 2 قالبهای رایج صوتی و ویدیویی، از جمله MP3، WAV، M4A، MP4، MOV و MKV را میپذیرد.
- تشخیص گوینده را روشن کنید اگر بیش از یک نفر صحبت میکند. صفحه این امکان را برای ترجمه فهرست کرده است.
- Translate audio to English را انتخاب کنید و سپس متن انگلیسی را بازبینی و صادر کنید.
خروجی را پیشنویس کاری بدانید. کیفیت نهایی ترجمه تضمین نمیشود. اگر متن زبان اصلی را هم میخواهید، پیادهسازی معمولی را جداگانه انجام دهید.
استفاده از Whisper متنباز روی رایانه
مخزن Whisper در OpenAI وظیفهٔ translate را برای خروجی انگلیسی مستند کرده است:
whisper japanese.wav --model medium --language Japanese --task translate
README دو نکته را یادآوری میکند. مدل پیشفرض turbo برای ترجمه آموزش ندیده و حتی با --task translate زبان اصلی را برمیگرداند. برای ترجمه از medium یا large استفاده کنید. خروجی فقط انگلیسی است. برای متن فرانسوی از صدای آلمانی، مرحلهٔ ترجمهٔ متن همچنان لازم است.
عملکرد چگونه است؟ مقالهٔ Whisper میگوید دادههای آموزش شامل 125,000 ساعت برای ترجمه از زبانهای دیگر به انگلیسی بود. Whisper بدون آموزش روی CoVoST2، در آزمون همان مجموعه امتیاز 29.1 BLEU گرفت که نویسندگان آن را بهترین نتیجهٔ آن زمان دانستند. BLEU میزان اشتراک خروجی ماشینی با ترجمههای مرجع را میسنجد. این عدد درصد جملههای درست نیست. مقاله همچنین میگوید Whisper هنوز از سامانههای قبلی که مستقیم برای زبانهای پُرداده آموزش دیده بودند عقب میماند. حجم بیشتر دادهٔ آموزش کیفیت ترجمه را به اطمینان کیفیت پیادهسازی پیشبینی نمیکند.
روش 3: زیرنویس چندزبانه بسازید (SRT و VTT)
برای ویدیو، یک فایل زیرنویس به زبان اصلی بسازید و فقط متن هر قطعه را ترجمه کنید. زمانبندی در همهٔ زبانها یکسان میماند.
گام 1: فایل زیرنویس مبدأ را بسازید
از ابزار ساخت زیرنویس یا مبدل MP4 به SRT استفاده کنید و SRT یا VTT را به زبان گفتار بگیرید. متن و زمانبندی این فایل را اول اصلاح کنید تا الگوی همهٔ زبانها شود.
گام 2: متن قطعه را ترجمه کنید و ساختار را حفظ کنید
هر قطعهٔ SRT شماره، سطر زمان و متن دارد. فقط متن عوض میشود. نمونهٔ خیالی:
12
00:01:04,200 --> 00:01:07,900
La reunión empieza el 3 de mayo a las 15:00.
12
00:01:04,200 --> 00:01:07,900
جلسه 3 مه ساعت 15:00 آغاز میشود.
شماره و کد زمان یکسان میمانند. نمایش تاریخ و ساعت با مخاطب مقصد سازگار میشود. اگر مترجم فقط سند میگیرد، متن را در جدول کپی کنید و بعد قطعهبهقطعه برگردانید. طرحهای Pro در DeepL طبق فهرست بالا SRT و VTT را مستقیم میپذیرند.
گام 3: زمان خواندن را بررسی کنید
سطر ترجمه میتواند بلندتر از اصل شود. قطعهای که در 3.7 ثانیه راحت خوانده میشد شاید دیگر در همان زمان جا نشود. قطعهها را بشکنید یا متن را کوتاه کنید. اگر زمانبندی را جابهجا میکنید، دوباره با صدا تطبیق دهید.
گام 4: هر زبان را در مسیر جداگانه بارگذاری کنید
نام فایلها را با کد زبان بنویسید، مانند talk.en.srt و talk.es.srt، و هرکدام را مسیر جداگانهٔ زیرنویس بگذارید. زیرنویس جداگانه به بیننده امکان تغییر زبان میدهد.
روش 4: بازبینی انسانی اضافه کنید
برای هر مطلبی که منتشر میشود، نقل میشود یا مبنای تصمیم است، از فردی دوزبانه بخواهید ترجمه را با اصل مقایسه کند. خروجی ماشینی حتی وقتی خطا دارد ممکن است روان به نظر برسد.
یک جدول ساده بازبینی را سریع میکند. این نمونه خیالی است:
| قطعه | سطر مبدأ | ترجمه | علامت | یادداشت بازبین |
|---|---|---|---|---|
| #37 | Vamos a cerrar el trato el lunes | دوشنبه معامله را نهایی میکنیم | درست | — |
| #81 | Eso no es moco de pavo | این آب بینی بوقلمون نیست | اصطلاح | «مسئلهٔ کوچکی نیست» را به کار ببرید |
| #126 | Facturamos 1,5 millones | 1.5 میلیون فاکتور کردیم | عدد | واحد پول را با گوینده بررسی کنید |
توجه بازبین را به نامها، اعداد، نقلقولها، اصطلاحات حقوقی یا پزشکی و بخشهای علامتخورده بهعنوان نامفهوم جلب کنید. whispertranscribe.ai پیادهسازی یا ترجمهٔ انسانی ندارد. این مرحله را شما یا متخصص انجام میدهید.
چه چیزهایی کیفیت ترجمهٔ گفتار به متن را تغییر میدهند؟
کیفیت دو بار تعیین میشود: یکبار هنگام تبدیل گفتار به متن و بار دیگر هنگام عوضشدن زبان. بعضی عوامل به هر دو مرحله آسیب میزنند.
| عامل | اثر بر پیادهسازی | اثر بر ترجمه | چه کار کنید؟ |
|---|---|---|---|
| کیفیت صدا (نویز، پژواک، فاصله) | واژه جا میافتد یا اشتباه شنیده میشود | همان خطا به هر زبان منتقل میشود | نزدیک میکروفن ضبط کنید و واضحترین فایل اصلی را بگیرید |
| لهجه و گویش | خطای بیشتر در گفتار منطقهای | واژههای محلی ممکن است تحتاللفظی ترجمه شوند | اگر هست، گونهٔ منطقهای را انتخاب کنید |
| واژههای فنی | اصطلاحات بر اساس صدا نوشته میشوند | معادل نادرست یا ناهماهنگ | واژهنامه درست کنید و متن مبدأ را اصلاح کنید |
| جفت زبان | به زبان گفتار بستگی دارد | جفتهای رایج معمولاً بهترند | برای زبانهای کمکاربرد وقت بازبینی بیشتری بگذارید |
| اسم خاص | نام به واژهٔ عادی تبدیل میشود | اسمها «ترجمه» یا عوض میشوند | از اول فهرست نام درست کنید و بعد جستوجو و اصلاح کنید |
| تغییر زبان | زبان در میانهٔ جمله نادرست تشخیص داده میشود | متن چندزبانه مترجم را سردرگم میکند | حالت چندزبانه بگیرید و زبان هر بخش را مشخص کنید |
| همپوشانی گفتار | سطرها در هم میروند یا حذف میشوند | منظور گوینده از دست میرود | میکروفن مجزا بگذارید و برچسبها را هنگام قطع صحبت بررسی کنید |
راهنمای گوگل برای دادهٔ گفتار میگوید کدکهای اتلافی مثل MP3 و M4A ممکن است دقت را کم کنند. نویز و پژواک در کنار این کدکها تأثیر بیشتری دارند. README شرکت OpenAI هم میگوید عملکرد Whisper به زبان بستگی زیادی دارد. پیش از پردازش دستهٔ بزرگ، یک نمونهٔ کوتاه امتحان کنید.
فهرست کنترل پس از ترجمه
پس از هر ترجمه و پیش از ارسال به بیرون از تیم، این موارد را بررسی کنید:
- اعداد. هر عدد را با صدا تطبیق دهید. به ویرگول اعشاری توجه کنید. «1,5» در بسیاری از زبانهای اروپایی همان 1.5 در انگلیسی است.
- پول و واحدها. واحد پول گوینده را حفظ کنید، مگر اینکه تبدیل را اعلام کنید. کیلومتر را بیتوضیح به مایل تبدیل نکنید.
- نامها و عنوانها. نام اشخاص، شرکتها و مکانها را با املای اصلی بنویسید.
- تاریخ و ساعت. ترتیب روز و ماه به کشور بستگی دارد. 03/04 ممکن است 3 آوریل یا 4 مارس باشد. در موارد مهم نام ماه را بنویسید.
- نقلقولها. نقلقول مستقیم را هم با صدا و هم با متن پیادهشده مقابله کنید.
- اصطلاح و طنز. ترجمهٔ لفظی اصطلاحات را با معادل طبیعی جایگزین کنید یا برای بازبینی علامت بزنید.
- زمینهٔ فرهنگی. برای اشارهای که در زبان مقصد روشن نیست توضیح کوتاهی بگذارید.
- لحن. شیوهٔ خطاب رسمی و خودمانی (tú/usted، du/Sie) با رابطهٔ گویندگان سازگار باشد.
- برچسب گوینده. هر سطر همچنان به نفر درست نسبت داده شده باشد.
- بخش نامفهوم. به جای حدسزدن، بخش نامطمئن را در هر دو زبان با
[نامفهوم]مشخص کنید.
چهوقت مترجم حرفهای لازم است؟
وقتی خطا به پول، سلامت، وضعیت حقوقی یا اعتماد آسیب میزند، از مترجم واجد صلاحیت استفاده کنید. این اطلاعات عمومی است و مشاورهٔ حقوقی نیست. شرایط به کشور، دادگاه و سازمان بستگی دارد. از نهادی که سند را دریافت میکند بپرسید.
| موقعیت | چرا خروجی ماشینی کافی نیست؟ |
|---|---|
| پروندهٔ مهاجرت | مقررات آمریکا (8 CFR 103.2(b)(3)) مستلزم ترجمهٔ کامل انگلیسی برای اسناد خارجی ارسالی به USCIS است. مترجم باید گواهی دهد ترجمه کامل و درست است و خودش صلاحیت ترجمه دارد |
| شواهد دادگاه و شهادت رسمی | دادگاه معمولاً مقررات خاصی برای صلاحیت ترجمه یا گواهی دارد |
| قرارداد و توافقنامه | یک واژهٔ اشتباه میتواند تعهد را تغییر دهد |
| مشاوره و پروندهٔ پزشکی | مقدار دارو، علائم و رضایت باید دقیق باشند |
| نقلقول منتشرشده و مطالب مطبوعاتی | نقلقول نادرست به اعتماد آسیب میزند و میتواند مسئولیت ایجاد کند |
برای کار کمخطرتر، مثل یادداشت داخلی، پیشنویس پژوهش یا فهم ویدیو، ترجمهٔ ماشینی همراه با بازبینی خودتان معمولاً کافی است.
کدام قالب خروجی لازم است؟
قالب را بر اساس گام بعدی انتخاب کنید. whispertranscribe.ai متن را در قالبهای DOCX، PDF، TXT، CSV، SRT و VTT صادر میکند.
| قالب | کاربرد |
|---|---|
| DOCX | ترجمه در Word، DeepL یا Google Translate و ویرایش همراه با نظر |
| TXT | کپی در مترجم یا برنامهٔ دیگر |
| نسخهٔ ثابت ترجمهٔ تأییدشده | |
| CSV | جدول بازبینی دوزبانه و کدگذاری پژوهش |
| SRT | مسیر زیرنویس برای YouTube، ویرایشگر ویدیو و پخشکننده |
| VTT | زیرنویس برای پخشکنندهٔ وب HTML5 |
پرسشهای رایج
تفاوت تبدیل گفتار به متن با ترجمهٔ گفتار به متن چیست؟
تبدیل گفتار به متن زبان را حفظ میکند، مثلاً صدای اسپانیایی به متن اسپانیایی میرسد. ترجمهٔ گفتار به متن خروجی را به زبان دیگری، مثلاً انگلیسی، مینویسد. میتوانید اول پیاده و بعد ترجمه کنید یا از مدلی استفاده کنید که مستقیم زبان مقصد را مینویسد. دو مرحله بازبینی را آسانتر میکند، چون متن مبدأ پیش از ترجمه اصلاح و بعد برای زبانهای دیگر استفاده میشود.
آیا Whisper میتواند صدا را به زبانی جز انگلیسی ترجمه کند؟
خیر. وظیفهٔ داخلی translate در Whisper فقط متن انگلیسی میدهد. میتوانید گفتار در زبانهای گوناگون بدهید. برای هر مقصد دیگر، صدا را به زبان اصلی پیاده کنید و متن را با مترجم متن ترجمه کنید. README شرکت OpenAI میگوید مدل پیشفرض turbo برای ترجمه آموزش ندیده و حتی با درخواست ترجمه زبان اصلی را برمیگرداند. برای ترجمه medium یا large را انتخاب کنید.
بهتر است اول پیاده کنیم و بعد ترجمه؟
معمولاً بله، بهخصوص برای انتشار، نقلقول یا ترجمه به چند زبان. با پیادهسازی اول، متنی دارید که میتوان اصلاح کرد. نام یا عدد اشتباه یکبار در مبدأ درست میشود و خطا به همهٔ ترجمهها نمیرود. ترجمهٔ مستقیم به انگلیسی برای فهم سریع ضبط مناسب است. برای زیرنویس چندزبانه از SRT یا VTT مبدأِ اصلاحشده شروع کنید.
دقت ترجمهٔ گفتار به متن چقدر است؟
به صدا، جفت زبان و موضوع بستگی دارد و رقم واحدی برای همه وجود ندارد. پیادهسازی صدای واضح میتواند بسیار دقیق باشد. whispertranscribe.ai برای صدای واضح دقت تا 99% اعلام میکند و نویز و لهجه آن را پایین میآورند. ترجمه خطاهای خودش را دارد، بهویژه در اصطلاحات، نامها و واژههای فنی. جفتزبانهای رایج عموماً نتیجهٔ بهتری دارند. نامها، اعداد و نقلقولها را خودتان بررسی کنید و برای مطالب مهم بازبینی دوزبانه بگیرید.
میشود زیرنویس را ترجمه کرد و نشان زمانی را نگه داشت؟
بله. فقط متن قطعه را ترجمه کنید و شماره و زمان را دست نزنید. میتوانید دستی کپی کنید و برگردانید یا ابزاری بگیرید که فایل زیرنویس بپذیرد. DeepL در طرحهای Pro Individual، Pro Team، Pro Business و API قالبهای SRT و VTT را فهرست میکند. Google Translate زیرنویس را در قالبهای سند نیاورده است. پس از ترجمه ببینید سطرهای بلند در وقت نمایش خوانده میشوند یا نه.
میتوانم از ترجمهٔ ماشینی برای ضبط حقوقی یا پزشکی استفاده کنم؟
برای نگاه اول میتوانید. نسخهٔ نهایی مطالب حقوقی، پزشکی، قراردادی یا مهاجرتی اغلب به مترجم واجد صلاحیت نیاز دارد و برخی نهادها ترجمهٔ گواهیشده میخواهند. برای نمونه، مقررات مهاجرت آمریکا گواهی مترجم دربارهٔ کامل و دقیق بودن ترجمهٔ انگلیسی را میخواهند. الزامات کشور و نهاد متفاوت است. از گیرندهٔ سند بپرسید. این اطلاعات عمومی است و مشاورهٔ حقوقی نیست.
میخواهید شروع کنید؟ ضبط را در ترجمهٔ صدا به انگلیسی بارگذاری کنید یا برای زیرنویس و زبان مقصد دیگر اول به زبان اصلی پیاده کنید. میتوانید رایگان و بدون حساب امتحان کنید. طرحهای پولی با پرداخت سالانه از ماهی $9.99 شروع میشوند. قیمتها را ببینید. whispertranscribe.ai رابط API، پیادهسازی انسانی یا ربات جلسه ندارد.
منابع
- Radford و همکاران، OpenAI: تشخیص مقاوم گفتار با نظارت ضعیف در مقیاس بزرگ (بخشهای 1، 2.1 و 3.5، جدول 4)
- OpenAI: Whisper در GitHub (README و خط فرمان)
- راهنمای Google Translate: ترجمهٔ سند و وبسایت
- راهنمای DeepL: قالبهای فایل
- Google Cloud: شیوههای پیشنهادی برای دادهٔ ورودی Speech-to-Text API
- eCFR: 8 CFR 103.2، ثبت و رسیدگی به درخواستها
