تحریریهٔ whispertranscribe.ai · آخرین بهروزرسانی: نوامبر 2026 · زمان مطالعه: 13 دقیقه
مبدل ویدیو به متن، گفتار مسیر صوتی ویدیو را به متنی تبدیل میکند که میتوانید ویرایش کنید، در آن جستوجو کنید یا از آن زیرنویس بسازید. زبان گفتار را انتخاب کنید، فایل یا پیوند را بدهید، اگر چند نفر حرف میزنند تشخیص گوینده را روشن کنید و سپس خروجی DOCX، TXT، PDF، CSV، SRT یا VTT بگیرید.
در ادامه چهار منبع ویدیو، مشکلات ویژهٔ ویدیو، قالب مناسب برای کاربردهای مختلف و مقایسهٔ قیمت ابزارهای اصلی را بر اساس دادههای نوامبر 2026 میبینید.
مبدل ویدیو به متن چگونه کار میکند؟
مبدل جریان صوتی داخل ظرفی مانند MP4، MOV یا MKV را میخواند، تشخیص گفتار انجام میدهد و برای هر عبارت نشان زمانی میگذارد. نوشتهٔ اسلاید، کد روی صفحه و زیرنویس چسبیده به تصویر وارد متن نمیشوند.
کیفیت متن به صدا بستگی دارد. هر چیزی را که بیننده فقط میبیند باید خودتان اضافه کنید. راهنمای متنهای پیادهشدهٔ W3C به متنی که این اطلاعات دیداری را هم دارد «متن توصیفی» میگوید.
ویدیو کجاست؟ چهار منبع و چهار راه
بر اساس محل کنونی ویدیو راه را انتخاب کنید.
| ویدیو کجاست؟ | نمونه | روش مناسب | اول چه چیزی را بررسی کنیم؟ |
|---|---|---|---|
| فایل روی دستگاه | کلیپ گوشی، فیلم دوربین، ضبط Zoom یا OBS، خروجی تدوین | فایل را بارگذاری کنید | زیر 5 گیگابایت و 10 ساعت باشد و مسیر گفتار درست را داشته باشد |
| آنلاین با پیوند | YouTube، Vimeo، Google Drive، Dropbox | پیوند را بچسبانید | بدون ورود به حساب باز شود |
| اکنون روی صفحه پخش میشود | وبینار، نمایش محصول، تماس در زبانهٔ مرورگر | صفحه را ضبط و سپس پیاده کنید | صدای سیستم یا زبانه در ضبط باشد |
| از قبل زیرنویس دارد | ویدیوی خودتان در YouTube، فایل MKV با مسیر زیرنویس | از زیرنویس استفاده کنید و فقط اگر کیفیت پایین است دوباره پیاده کنید | زیرنویس خودکار است یا ویرایششده؟ |
1. فایل ویدیو روی رایانه یا گوشی
خروجی اصلیِ تدوین یا برنامهٔ ضبط را بارگذاری کنید. نسخهای که از پیامرسان فرستاده شده اغلب صدای دوباره فشردهشده دارد. صفحهٔ تبدیل ویدیو به متن در whispertranscribe.ai فایل تا 5 گیگابایت و 10 ساعت میپذیرد.
2. پیوند YouTube، Vimeo، Google Drive یا Dropbox
ابزار پیادهسازی از نشانی پیوندهای YouTube، Vimeo، Google Drive و Dropbox را میپذیرد. پیوند باید عمومی باشد. اگر کار انجام نشود، پیام خود ابزار میخواهد مطمئن شوید پیوند عمومی است و فایل بدون ورود به حساب قابل دریافت است.
در Google Drive، Share را باز کنید و در General access گزینهٔ Anyone with the link را بگیرید. راهنمای اشتراکگذاری گوگل میگوید این تنظیم اجازهٔ بازکردن فایل بدون ورود را میدهد. حساب محل کار یا مدرسه ممکن است آن را ببندد. در این صورت فایل را دریافت و بارگذاری کنید. برای YouTube، صفحهٔ تبدیل ویدیوی YouTube به متن همین مراحل را دارد.
3. چیزی روی صفحه پخش میشود
اگر ویدیو در جایی ذخیره نشده، اول آن را ضبط کنید. ضبطکنندهٔ صفحه در مرورگر، صفحه، دوربین، میکروفن و صدای سیستم را میگیرد و سپس متن، خلاصهٔ هوش مصنوعی و زیرنویس میسازد. وقتی گفتار از رایانه پخش میشود، مثل صدای افراد دیگر در تماس، صدای سیستم را وارد ضبط کنید. در غیر این صورت فقط صدای میکروفن خودتان ثبت میشود. پیش از ضبط رضایتهای لازم و برای جلسه اجازهٔ برگزارکننده را بگیرید.
4. ویدیو از پیش زیرنویس دارد
ببینید متن از قبل در دسترس است یا نه:
- ویدیوی فرد دیگری در YouTube. اگر ویدیو زیرنویس دارد، در توضیحات روی Show transcript بزنید و متن را بخوانید، همانطور که در راهنمای YouTube آمده است. زیرنویس خودکار نام گوینده ندارد و اغلب نامها را اشتباه میگیرد.
- ویدیویی که خودتان در YouTube گذاشتهاید. مسیر زیرنویس را از YouTube Studio دانلود کنید. راهنمای تبدیل ویدیوی YouTube به متن هر دو روش را توضیح میدهد.
- فایلی که مسیر زیرنویس دارد. MKV و MP4 میتوانند زیرنویس متنی را در جریان مجزا نگه دارند. FFmpeg میتواند آن را فهرست و استخراج کند:
ffprobe -v error -show_entries stream=index,codec_type,codec_name -of compact input.mkv
ffmpeg -i input.mkv -map 0:s:0 subtitles.srt
در آزمون FFmpeg 7.1.5 که در مقالهٔ مبدأ گزارش شده، فرمان اول جریان subrip را در فایل نمونه نشان داد و فرمان دوم آن را بهصورت SRT ذخیره کرد. این آزمون فقط نحو فرمانها را بررسی کرد. مسیرهای تصویری، مانند زیرنویس DVD، به این شیوه به متن تبدیل نمیشوند. راهنمای خروجی گرفتن زیرنویس SRT ویرایشگرها و کدهای زمانی را بیشتر توضیح میدهد.
چگونه با whispertranscribe.ai ویدیو را به متن تبدیل کنیم؟
این مراحل مطابق صفحهٔ تبدیل ویدیو به متن در whispertranscribe.ai هستند. whispertranscribe.ai ابزار تحت وب با Whisper از OpenAI است که صوت و ویدیو را به بیش از 130 زبان پیاده میکند. بارگذاری تا 5 گیگابایت و 10 ساعت را میپذیرد و در مرورگر بدون نصب اجرا میشود.
- زبان گفتار را انتخاب کنید (گام 1 در صفحه). فهرست بیش از 130 زبان دارد، با گونههایی مانند انگلیسی هند، گزینهٔ Noise / Low-Quality Audio/Video برای بسیاری از زبانها و Multilingual Mix برای ویدیوی چندزبانه.
- ویدیو را اضافه کنید (گام 2). فایل را در کادر رها کنید یا آن را از دستگاه انتخاب کنید. برای پیوند، Transcribe from URL را باز و روی Start URL Transcription بزنید.
- Enable Speaker Detection را روشن کنید اگر مصاحبه، میزگرد یا جلسه است. برای یک راوی میتواند خاموش بماند.
- پیادهسازی را شروع کنید با دکمهٔ تبدیل زیر کادر بارگذاری.
- بازبینی و خروجی بگیرید. نامها، عددها و تغییر گوینده را با ویدیو تطبیق دهید و قالب لازم را بگیرید. جدول خروجی پایین را ببینید.
طبق توصیف ابزار، دقت روی صدای واضح به 99% میرسد. موسیقی زیر صدا، نویز اتاق، لهجهٔ پررنگ و همپوشانی گفتار آن را کم میکنند. برای بازبینی وقت بگذارید. صفحهٔ پیادهسازی رایگان برای امتحانکردن حساب نمیخواهد. میزان پیادهسازی یا خروجی بدون طرح در سایت مشخص میشود و ممکن است تغییر کند. طرحها با پرداخت سالانه از ماهی $9.99 آغاز میشوند (قیمتها).
کدام قالبهای ویدیو را میتوان بارگذاری کرد؟
کادر بارگذاری در کنار صدا این ظرفهای ویدیو را فهرست میکند: MP4، MOV، M4V، MKV، AVI، WMV، WEBM، MPG و MPEG. نیازی به تبدیل نیست.
| ظرف | منبع معمول | پیش از بارگذاری |
|---|---|---|
| MP4 | گوشی، ضبط Zoom و بیشتر خروجیهای تدوین | خروجی نهایی را بردارید. نسخهٔ پیامرسان ممکن است فشرده شده باشد |
| MOV | دوربین آیفون، QuickTime و برنامهٔ تدوین اپل | خروجی باکیفیت حجیم است. اگر بیش از 5 گیگابایت شد صدا را استخراج کنید |
| M4V | خروجیهای اپل و برخی مبدلها | مثل MP4 از آن استفاده کنید |
| MKV | ضبط OBS و فایل چندمسیره | ببینید گفتار در کدام مسیر صوتی است |
| AVI، WMV | دوربین قدیمی و نرمافزار ویندوز | مستقیم بارگذاری کنید. صدای فایل قدیمی ممکن است ضعیف باشد |
| WEBM | ضبطکننده و ابزار مرورگر | مستقیم بارگذاری کنید |
| MPG، MPEG | DVD، دوربین قدیمی و ضبط تلویزیون | مستقیم بارگذاری کنید. احتمال نویز بیشتر است |
چند مسیر صوتی دارید؟ OBS میتواند برای هر میکروفن یک مسیر ذخیره کند و فیلمها ممکن است دوبلهٔ چند زبان داشته باشند. صفحه نمیگوید کدام مسیر پیاده میشود. مسیر موردنظر را به MP3 بگیرید. برای نمونه ffmpeg -i input.mkv -map 0:a:1 -vn speech.mp3 مسیر صوتی دوم را میگیرد. همان فایل را بارگذاری کنید.
فایل خیلی بزرگ است؟ مبدل ویدیو به MP3 میگوید صدا را در مرورگر و بدون بارگذاری ویدیو جدا میکند. MP3 بهدستآمده بسیار کوچکتر از ویدیوی اصلی است.
چرا پیادهسازی ویدیو از صدا دشوارتر است؟
ویدیو مسائلی دارد که در یادداشت صوتی ساده پیش نمیآیند. راهکارهای زیر شیوهٔ ویرایشاند. در این مقاله برای سنجش دقت آنها آزمایشی انجام نشده است.
| مشکل | چرا در ویدیو پیش میآید؟ | راهحل |
|---|---|---|
| موسیقی پسزمینه | مقدمه، نمای مکمل و ولاگ روی گفتار موسیقی میگذارند | خروجی فقط گفتار را از تدوین بگیرید یا حالت Noise / Low-Quality را انتخاب کنید |
| چند گوینده | میزگرد، پادکست تصویری و جلسه | تشخیص گوینده را روشن کنید و «گوینده 1» و «گوینده 2» را نامگذاری کنید |
| نمایش با اشتراک صفحه | نکات اصلی در تصویرند و صفحهکلید و فن سروصدا میکنند | متن روی صفحه را دستی اضافه کنید. اعلانها را بیصدا و میکروفن را نزدیک کنید |
| ناهماهنگی زیرنویس با حرکت لب | ویدیو پس از پیادهسازی برش خورده یا زمانش عوض شده است | از خروجی نهایی دوباره بسازید یا همهٔ زمانها را در ویرایشگر زیرنویس جابهجا کنید |
| ضبط طولانی | وبینار، سخنرانی و پخش زنده ساعتها طول میکشند | زیر 10 ساعت و 5 گیگابایت بمانید. فایل بلندتر را تقسیم یا صدا را جدا کنید |
| چند زبان | مصاحبهٔ دوزبانه یا تغییر زبان مجری | از Multilingual Mix استفاده کنید یا بر اساس زبان برش بزنید |
موسیقی زیر گفتار: اگر ویدیو را ساختهاید، نسخهٔ بدون موسیقی صادر کنید. چون طول خط زمانی عوض نمیشود، نشانهای زمانی همچنان درستاند. (گزینهٔ English (Songs & Lyrics) برای واژههای خواندهشده در ترانه است. برای گفتار روی موسیقی، حالت ضبط پرنویز را بررسی کنید.)
ضبط صفحه: «اینجا بزنید و این را بنویسید» روی کاغذ روشن نیست. هنگام بازبینی جزئیات تصویر را در کروشه اضافه کنید، مانند «[تنظیمات > صورتحساب]».
ویدیوهای بسیار طولانی
صفحه فایل طولانیتر از 10 ساعت را رد میکند و کوتاهکردن آن را میخواهد. FFmpeg میتواند بدون کدگذاری دوباره ضبط را تقسیم کند:
ffmpeg -i stream.mp4 -c copy -f segment -segment_time 18000 -reset_timestamps 1 part_%02d.mp4
فرمان قطعههای 5 ساعته میخواهد. در بررسی نحو گزارششده در مقالهٔ مبدأ، یک کلیپ 12 ثانیهای با هدف قطعههای 5 ثانیهای امتحان شد و قطعهٔ اول حدود 6 ثانیه بود. برش بدون کدگذاری دوباره روی فریم کلیدی میافتد. مدتها تقریبیاند و نشانهای زمانی هر قطعه از صفر شروع میشوند.
کدام قالب خروجی را انتخاب کنیم؟
بر اساس مقصد متن انتخاب کنید. میتوانید از یک متن چند بار خروجی بگیرید.
| قالب | زمانبندی برای پخشکننده | در چه چیزی باز میشود؟ | کاربرد |
|---|---|---|---|
| DOCX | خیر | Word، Google Docs | ویرایش به شکل مقاله، یادداشت قسمت یا جزوه |
| خیر | هر PDFخوان | ارسال به مشتری یا بایگانی نسخهٔ ثابت | |
| TXT | خیر | ویرایشگر متن، CMS یا دستیار هوش مصنوعی | کپی در جای دیگر یا خلاصهکردن |
| CSV | در صفحه مستند نشده است | Excel، Google Sheets | مرتبسازی، کدگذاری یا جستوجوی نقلقولها |
| SRT | بله | YouTube، Vimeo، Premiere، Resolve، VLC | زیرنویس در پلتفرم ویدیو یا ویرایشگر |
| VTT | بله | پخشکنندهٔ وب HTML5، Vimeo، YouTube | زیرنویس پخشکنندهٔ وبسایت خودتان |
اگر هدف اصلی زیرنویس است، ابزار ساخت زیرنویس و مبدل MP4 به SRT تنظیم Maximum Words per Subtitle دارند که با پیشفرض 8 کلمه سطرها را کوتاه نگه میدارد. whispertranscribe.ai فایل زیرنویس میسازد. برای چسباندن زیرنویس به تصویر به ویرایشگر ویدیو نیاز دارید. راهنماهای فایل SRT چیست؟ و چگونه به ویدیو زیرنویس اضافه کنیم؟ روش بارگذاری را توضیح میدهند.
چهار روند رایج برای پیادهسازی ویدیو
هر روند از ویدیوی نهایی شروع میشود و به چیزی میرسد که میتوانید منتشر یا ارسال کنید.
کلاسهای آنلاین و سخنرانیهای ضبطشده
- هر درس را فایل جدا صادر کنید تا متنها با بخشهای دوره همخوان باشند.
- زبان و گونهٔ لهجهٔ مدرس را انتخاب کنید. فقط وقتی دانشجوها هم صحبت میکنند، تشخیص گوینده را روشن کنید.
- برای پخشکنندهٔ دوره SRT و برای جزوه DOCX بگیرید. عنوانها و مطالب اسلاید مانند فرمولها را در کروشه اضافه کنید.
- طبق پیشنهاد W3C، متن یا پیوند آن را درست زیر ویدیو بگذارید.
مصاحبههای ویدیویی
- در صورت امکان به هر نفر میکروفن جدا بدهید تا تغییر گوینده روشنتر ثبت شود.
- با تشخیص گویندهٔ روشن بارگذاری کنید و سپس برچسب عمومی را با نام عوض کنید.
- برای کدگذاری پاسخهای پژوهش CSV و برای مقالهٔ پرسشوپاسخ DOCX بگیرید.
- پیش از نقل هر سطر دوباره آن را پخش کنید و به مصاحبهشوندگان بگویید متن چه استفادهای دارد.
جلسهها و وبینارهای ضبطشده
- از MP4 پلتفرم استفاده کنید یا پس از گرفتن رضایتهای لازم و اجازهٔ برگزارکننده، جلسه را با ضبطکنندهٔ صفحه و صدای سیستم ضبط کنید.
- تشخیص گوینده را روشن کنید و TXT را برای خلاصه و DOCX را برای صورتجلسه بگیرید.
- تصمیمها و افراد مسئول را در فهرستی کوتاه در بالا بیاورید.
- فایلهای غیرضروری را حذف کنید. برای جزئیات Teams و Zoom، راهنمای پیادهسازی جلسهٔ Zoom را ببینید.
تبدیل ویدیوهای YouTube خودتان به مقاله
- پیوند ویدیوی خودتان را در ابزار نشانی بچسبانید و TXT بگیرید.
- مکثواژهها، شروعهای نیمهکاره و عبارتهای «همانطور که اینجا میبینید» را حذف کنید.
- هر فصل را به H2 تبدیل کنید، هرجا به صفحه اشاره کردهاید تصویر بگذارید و ویدیو را بالای مقاله قرار دهید.
- برای مخاطب دیگر صدا را به انگلیسی ترجمه کنید یا مسیر دوم زیرنویس اضافه کنید.
فقط ویدیوهایی را بازنشر کنید که مالکشان هستید یا مجوز استفاده دارید. بخش حق نشر را در ادامه ببینید.
مقایسهٔ مبدلهای ویدیو به متن (نوامبر 2026)
این راهنما را whispertranscribe.ai منتشر میکند، بنابراین ابزار خودمان را همراه با محدودیتهایش اول آوردهایم. اعداد از صفحات ارائهدهندگان در نوامبر 2026 هستند. «تأیید نشده» یعنی عدد در صفحه بررسی نشد.
| ابزار | قیمت شروع طرح پولی | گزینهٔ رایگان | پیوندهای ویدیو | زبانها | خروجیهای اعلامشده | محدودیت |
|---|---|---|---|---|---|---|
| whispertranscribe.ai | از ماهی $9.99 با پرداخت سالانه | شروع رایگان بدون حساب، محدودیت در صفحه | YouTube، Vimeo، Google Drive، Dropbox | بیش از 130 | DOCX، PDF، TXT، CSV، SRT، VTT | بدون واژهنامهٔ سفارشی، زیرنویس چسبیده، پیادهسازی انسانی یا برنامهٔ موبایل. پیوندها باید عمومی باشند |
| TurboScribe | ماهی $10 با پرداخت سالانه ($20 با پرداخت ماهانه) | روزانه 3 فایل تا 30 دقیقه برای هرکدام | YouTube در منابع بارگذاری آمده است | بیش از 98 | DOCX، PDF، TXT، CSV، SRT، VTT | یک نفر برای هر حساب. فایلهای رایگان با اولویت پایینتر پردازش میشوند |
| HappyScribe | ماهی $8.50 با پرداخت سالانه ($17 ماهانه)، 120 دقیقهٔ هوش مصنوعی در ماه | آزمون 10 دقیقهای هوش مصنوعی | YouTube، Vimeo، Drive، Box، Dropbox | بیش از 150 | در Basic قالبهای TXT، SRT، PDF و DOCX. VTT از Pro | دقیقههای Basic برای ویدیوی بلند زود تمام میشوند |
| Descript | ماهی $16 برای هر نفر با پرداخت سالانه ($24 ماهانه)، 10 ساعت رسانه | 60 دقیقه رسانه در ماه | بررسی نشد | 25 | بررسی نشد | سهمیه شامل همهٔ بارگذاریها میشود، حتی بدون پیادهسازی. برای تدوین ساخته شده است |
| VEED | تأیید نشده | آزمایش بدون حساب، ثبتنام برای دانلود و واترمارک روی ویدیوی رایگان | بررسی نشد | بیش از 125 | TXT، SRT و VTT در طرحهای پولی | خروجی فایل متن و زیرنویس به ارتقا نیاز دارد |
| Notta | ماهی $8.17 با پرداخت سالانه ($97.99 سالانه) | ماهی 120 دقیقه و تا 3 دقیقه برای هر گفتوگو | بررسی نشد | 58 | خروجی به Pro نیاز دارد | طرح رایگان متن را صادر نمیکند |
| گزینهٔ Show transcript در YouTube | رایگان | رایگان | تنها ویدیوهای دارای زیرنویس | بسته به زبان زیرنویس | بدون خروجی، خواندن و کپی | بدون برچسب گوینده و فایل. ویدیوی بدون زیرنویس متن ندارد |
- TurboScribe هم با Whisper و همان محدودیت 10 ساعت و 5 گیگابایت کار میکند. ساختار طرح، زبانها و منابع پیوند فرق دارند.
- HappyScribe غلطگیری انسانی را از دقیقهای $2.00 ارائه میکند. برای متنی که فرد باید واژهبهواژه بررسی کند مناسبتر است. ابزار ما خدمات پیادهسازی انسانی ندارد.
- Descript و VEED در درجهٔ اول ویرایشگر ویدیو هستند. برای برش ویدیو با ویرایش متن یا چسباندن زیرنویس قالبدار به تصویر از آنها استفاده کنید.
- Notta در طرح پولی واژهنامهٔ سفارشی دارد. ابزار ما چنین قابلیتی ندارد.
برای مقایسهٔ کلیتر، بهترین نرمافزارهای پیادهسازی با هوش مصنوعی را ببینید. برای فایل صوتی به راهنمای مبدل صدا به متن بروید.
حق نشر و حریم خصوصی پیش از بارگذاری
این بخش اطلاعات عمومی است و مشاورهٔ حقوقی نیست.
ویدیویی را پیاده کنید که حق استفاده از آن را دارید: ضبط خودتان، ویدیوی دارای مجوز یا محتوایی که برای پردازشش اجازه گرفتهاید. متن، گفتار را بازتولید میکند. انتشار کامل متن دیگری میتواند پرسشهایی مانند بازنشر ویدیو ایجاد کند. در آمریکا استفادهٔ منصفانه بر اساس چهار عامل و برای هر مورد جداگانه تعیین میشود. ادارهٔ حق نشر آمریکا میگوید مقدار ثابتی از اثر بهطور خودکار برای استفاده مجاز نیست. سیاست whispertranscribe.ai پیادهسازی صوت یا ویدیوی دارای حق نشر را بدون رضایت مالک استفادهٔ ممنوع میداند. اگر تردید دارید از مالک یا وکیل بپرسید.
رضایت افراد حاضر در تصویر را بگیرید. به مشارکتکنندگان بگویید ضبط به متن تبدیل خواهد شد. پیش از ضبط رضایتهای لازم و برای جلسه اجازهٔ برگزارکننده را بگیرید. قواعد محلها فرق دارند. برای آمریکا، راهنمای قوانین ضبط تماس به تفکیک ایالت را ببینید.
بدانید فایل کجا میرود. طبق سیاست حریم خصوصی whispertranscribe.ai:
- فایل اصلی صوت یا ویدیوی بارگذاریشده خودکار پس از پردازش حذف میشود.
- MP3 استخراجشده پیشفرض 30 روز میماند و میتوانید زودتر حذفش کنید.
- متنها تا حذف در حساب میمانند. حذف دائمی است و طبق سیاست نسخهٔ پشتیبان نگه داشته نمیشود.
- از محتوا برای آموزش مدل هوش مصنوعی استفاده نمیشود و فردی آن را بازبینی نمیکند.
- سیاست TLS 1.3 برای انتقال و AES-256 برای ذخیره را اعلام میکند. OpenAI ارائهدهندهٔ خدمات هوش مصنوعی معرفی شده است.
همان سیاست میگوید پیادهسازی فایل رسانه برای استفادهٔ شخصی و غیرتجاری در نظر گرفته شده است. پیش از استفاده برای مشتری یا شرکت، سیاست و شرایط کامل را بخوانید.
پرسشهای رایج
بهترین مبدل ویدیو به متن کدام است؟
ابزاری را انتخاب کنید که با فیلم واقعی شما خوب کار کند. همان نمونهٔ یکدقیقهای از صدای معمولتان را در چند ابزار امتحان کنید. whispertranscribe.ai و TurboScribe برای بارگذاری طولانی و زبانهای متعدد هر دو فایل تا 10 ساعت میپذیرند. HappyScribe غلطگیری انسانی پولی دارد. Descript و VEED برای کسی مناسباند که ویدیو را هم تدوین میکند. برچسب گوینده، دقت نامها و خروجی را در کنار عدد کلی دقت مقایسه کنید.
میشود ویدیو را رایگان به متن تبدیل کرد؟
بله، با محدودیت. YouTube برای ویدیوی دارای زیرنویس متن رایگان نشان میدهد و FFmpeg میتواند مسیر متنی موجود را رایگان از MKV یا MP4 بگیرد. بیشتر مبدلها گزینهٔ شروع رایگان دارند. whispertranscribe.ai صفحهٔ رایگان بدون حساب دارد و TurboScribe روزانه سه فایل میپذیرد. طرح رایگان معمولاً طول، حجم کار یا خروجی را محدود میکند. سقف هر سایت را بررسی کنید.
چگونه ویدیوی YouTube را به متن تبدیل کنم؟
اگر زیرنویس دارد، در توضیحات روی Show transcript بزنید و متن را بخوانید. برای فایل دانلودی با برچسب گوینده، پیوند را در ابزار پیادهسازی از نشانی وارد کنید، زبان گفتار را بگیرید و TXT، DOCX یا SRT صادر کنید. ویدیو باید عمومی باشد. فقط ویدیوی خودتان یا دارای اجازه را پیاده کنید، چون متن محتوای گفتاری را بازتولید میکند.
مبدل ویدیو به متن نوشتهٔ روی صفحه را هم میگیرد؟
خیر. مبدل مسیر صوتی را پیاده میکند. عنوان اسلاید، کد و زیرنویس چسبیده به تصویر در متن نمیآیند مگر کسی آنها را به زبان بیاورد. برای آموزش و سخنرانی، هنگام بازبینی جزئیات مهم تصویر را در کروشه اضافه کنید. W3C به این متن، متن توصیفی میگوید. برای کسی که بدون ویدیو میخواند مفید است.
ویدیو برای پیادهسازی چقدر میتواند طولانی باشد؟
در whispertranscribe.ai، هر فایل تا 10 ساعت و 5 گیگابایت پذیرفته میشود. فایل طولانیتر با پیام کوتاهکردن رد میشود. پخش طولانیتر را با ویرایشگر یا FFmpeg به قسمتها تقسیم کنید یا اول MP3 بگیرید که حجم را هم کم میکند. ابزارهای دیگر سقف خودشان را دارند. TurboScribe رایگان برای هر فایل تا 30 دقیقه است.
میتوانم از یک ویدیو هم زیرنویس و هم متن بگیرم؟
بله. از یک پیادهسازی چند بار خروجی بگیرید. DOCX یا TXT برای خواندن و SRT یا VTT برای زیرنویس همان ویدیو مناسباند. SRT برای YouTube و بیشتر ویرایشگرها انتخاب مطمئنتری است و VTT برای پخشکنندهٔ وب HTML5 مناسب است. اگر هدف زیرنویس است، از ابزاری با محدودیت تعداد واژه استفاده کنید تا سطرها خوانا بمانند.
ویدیوی بعدی خود را به متن تبدیل کنید
در مبدل ویدیو به متن در whispertranscribe.ai زبان گفتار را از میان بیش از 130 گزینه انتخاب کنید و ویدیوی حداکثر 5 گیگابایت و 10 ساعت را بارگذاری کنید. میتوانید پیوند عمومی را در Transcribe from URL بچسبانید.
منابع
- ابتکار دسترسپذیری وب W3C: متنهای پیادهشده
- راهنمای YouTube: دیدن متن ویدیو
- راهنمای Google Drive: اشتراکگذاری و مدیریت دسترسی به فایلها و پوشهها
- ادارهٔ حق نشر آمریکا: نمایهٔ استفادهٔ منصفانه
- صفحات ارائهدهندگان برای مقایسه (نوامبر 2026): TurboScribe، قیمت HappyScribe، قیمت Descript، تبدیل ویدیو به متن در VEED، قیمت Notta، زبانهای Notta
