लेखक: whispertranscribe.ai संपादकीय टीम · अंतिम अपडेट: नवंबर 2026 · पढ़ने का समय: 12 मिनट
MP3 को टेक्स्ट में बदलने के लिए फ़ाइल AI ट्रांसक्रिप्शन टूल में डालें, बोली भाषा चुनें और परिणाम DOCX, TXT या SRT में एक्सपोर्ट करें। Microsoft Word का Transcribe, स्वयं टाइप करना या अपने कंप्यूटर पर OpenAI का मुफ़्त Whisper मॉडल चलाना भी संभव है। जो भी चुनें, MP3 की गुणवत्ता परिणाम की अधिकतम सीमा तय करती है।
नीचे चारों तरीकों के चरण, फ़ाइल का बिटरेट और सैंपल रेट पढ़ना, ऑडियो जाँच सूची, लंबी फ़ाइलों और कई वक्ताओं के सुझाव तथा तीन दौर की प्रूफ़रीडिंग प्रक्रिया है।
संक्षिप्त जवाब: MP3 को टेक्स्ट में कैसे ट्रांसक्राइब करें
अधिकांश लोगों के लिए ऑनलाइन टूल सबसे तेज़ है: वह MP3 जैसा है वैसा लेकर वक्ता लेबल देता और संपादन योग्य फ़ाइल लौटाता है। Microsoft 365 पहले से है तो Word लें, छोटे अंश हाथ से टाइप करें और ऑडियो मशीन से बाहर न जा सकता हो तो Whisper स्थानीय चलाएँ।
- फ़ाइल जाँचें। आवाज़ें साफ़ हैं यह सुनिश्चित करने के लिए 30 सेकंड चलाएँ।
- अपलोड और विकल्प सेट करें। बोली भाषा चुनें और एक से अधिक व्यक्ति हों तो वक्ता पहचान चालू करें।
- प्रूफ़रीड और एक्सपोर्ट करें। नाम और संख्याएँ ठीक करें, फिर दस्तावेज़ के लिए DOCX या TXT, कैप्शन के लिए SRT या VTT डाउनलोड करें।
कौन-सा तरीका चुनें?
तीन बातों पर चुनें: ऑडियो की मात्रा, वक्ता लेबल की ज़रूरत और ऑडियो कहाँ जा सकता है। Microsoft विवरण नवंबर 2026 में जाँचे गए।
| तरीका | लागत | वक्ता लेबल | ऑडियो कहाँ जाता है | सबसे उपयुक्त |
|---|---|---|---|---|
| 1. ऑनलाइन ट्रांसक्रिप्शन टूल | कई टूल में मुफ़्त शुरुआत, मात्रा के लिए भुगतान प्लान | अधिकांश में हाँ | प्रदाता के सर्वर | इंटरव्यू, पॉडकास्ट, लेक्चर, नियमित कार्य |
| 2. Microsoft Word Transcribe | Microsoft 365 में शामिल, मासिक 300 अपलोड मिनट तक | हाँ (Speaker 1, Speaker 2) | Microsoft सर्वर, फ़ाइल OneDrive में रहती है | पहले से Word उपयोग करने वालों की कभी-कभार की फ़ाइलें |
| 3. मैन्युअल ट्रांसक्रिप्शन | मुफ़्त, लेकिन घंटों का समय | आप जोड़ते हैं | डिवाइस पर रहता है | छोटे अंश, बिल्कुल सही उद्धरण |
| 4. अपने कंप्यूटर पर Whisper | मुफ़्त, ओपन सोर्स | आधिकारिक टूल में नहीं | डिवाइस पर रहता है | निजी ऑडियो, तकनीकी उपयोगकर्ता, बैच |
शुरू करने से पहले: 60 सेकंड में MP3 जाँचें
MP3 लॉसी फ़ॉर्मैट है। लाइब्रेरी ऑफ़ कांग्रेस का फ़ॉर्मैट विवरण बताता है कि वह कम सुनाई देने वाली ध्वनियाँ हटाता है और 128 kbit/s MP3 का आकार CD गुणवत्ता ऑडियो का लगभग ग्यारहवाँ हिस्सा है। खोया विवरण वापस नहीं मिलता, इसलिए जानें कि आपके पास क्या है।
Windows पर Properties → Details, Mac पर Get Info खोलें। FFmpeg इंस्टॉल हो तो यह कमांड कोडेक, सैंपल रेट, चैनल, बिटरेट और अवधि छापता है:
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
यह sample_rate=44100 और bit_rate=128000 जैसी पंक्तियाँ दिखा सकता है। हमने macOS पर FFmpeg 4.3 से पाँच कनवर्ज़न, SRT निकालना और WAV विभाजन जाँचा; इस MP3 निरीक्षण कमांड का अलग परीक्षण नहीं किया। इन्हें ऐसे पढ़ें:
| मान | क्या बताता है | ट्रांसक्रिप्शन के लिए अर्थ |
|---|---|---|
| bit_rate | कंप्रेशन के बाद प्रति सेकंड कितना डेटा बचा | बहुत कम बिटरेट में कम विवरण; वापस नहीं जोड़ सकते |
| sample_rate | हर सेकंड ध्वनि कितनी बार मापी गई | Google स्पीच रिकग्निशन के लिए 16,000 Hz या अधिक सुझाता है |
| channels | मोनो (1) या स्टीरियो (2) | स्टीरियो ठीक है; Whisper ऑडियो लोड करते समय मोनो बनाता है |
| duration | रिकॉर्डिंग की अवधि | टूल की अवधि या मिनट सीमा से टकराने का पता चलता है |
क्या MP3 बिटरेट ट्रांसक्रिप्शन सटीकता प्रभावित करता है?
कर सकता है। Google Cloud के स्पीच रिकग्निशन सर्वोत्तम अभ्यास कहते हैं कि MP3 सहित लॉसी कोडेक सटीकता घटा सकते हैं और लॉसी कोडेक के साथ शोर और गूँज अधिक नुकसान करते हैं। कोई प्रकाशित बिटरेट सीमा नहीं, इसलिए इसे कई कारकों में एक मानें। माइक्रोफ़ोन के पास साफ़ आवाज़ ऊँचे बिटरेट से अधिक महत्वपूर्ण है।
व्यावहारिक नियम: उपलब्ध सबसे अच्छा संस्करण ट्रांसक्राइब करें। मूल WAV या FLAC अभी हो तो वही लें। 96 kbps फ़ाइल को 320 kbps में फिर एनकोड करना या WAV सहेजना फ़ाइल बड़ा करता है, कुछ वापस नहीं लाता।
स्पीच रिकग्निशन को कौन-सा सैंपल रेट चाहिए?
स्पीच रिकग्निशन के लिए 16 kHz आम तौर पर पर्याप्त है। OpenAI का ओपन-सोर्स Whisper कोड हर फ़ाइल FFmpeg से लोड करता है, मोनो बनाता है और मॉडल सुनने से पहले 16,000 Hz पर री-सैंपल करता है (GitHub पर whisper/audio.py)। Google गाइड भी स्वयं री-सैंपल न करने को कहती है। 8,000 Hz फ़ोन रिकॉर्डिंग जैसे है वैसे भेजें, अपसैंपल न करें।
सामान्य MP3 के 44.1 kHz या 48 kHz पर्याप्त से अधिक हैं। अपलोड से पहले सैंपल रेट न बदलें।
ऑडियो गुणवत्ता जाँच सूची
किसी महत्वपूर्ण काम से पहले:
- शुरुआत और बीच का हिस्सा सुनें। भाषा सही और सबकी आवाज़ सुनाई देती है?
- आवाज़ का स्तर जाँचें।
ffmpeg -i interview.mp3 -af volumedetect -f null -औसत और अधिकतम वॉल्यूम छापता है। 0 dB के पास अधिकतम क्लिपिंग का संकेत हो सकता है और विकृत पीक सुधारना कठिन है। - भारी नॉइज़ रिडक्शन छोड़ें। Google गाइड कहती है कि पहचान से पहले नॉइज़ रिडक्शन आम तौर पर सटीकता घटाता है।
- बाद में प्रूफ़रीडिंग के लिए नाम, संक्षिप्त रूप और तकनीकी शब्द लिखें।
- ट्रांसक्रिप्ट अंतिम होने तक मूल फ़ाइल रखें।
तरीका 1: MP3 ऑनलाइन ट्रांसक्रिप्शन टूल में अपलोड करें
लंबे MP3 को संपादन योग्य टेक्स्ट में बदलने का सबसे तेज़ तरीका ऑनलाइन टूल है: मॉडल प्रदाता के सर्वर पर चलता है और कुछ इंस्टॉल नहीं करना पड़ता। नीचे whispertranscribe.ai इस्तेमाल है। whispertranscribe.ai OpenAI Whisper पर आधारित वेब AI ट्रांसक्रिप्शन टूल है जो 130+ भाषाओं में ऑडियो और वीडियो टेक्स्ट बनाता है, 5GB और 10 घंटे तक अपलोड के साथ। अन्य टूल अलग मेन्यू के साथ इसी तरह काम करते हैं।
चरण 1: MP3 ट्रांसक्रिप्शन पेज खोलें और भाषा चुनें
MP3 को टेक्स्ट में ट्रांसक्राइब पेज पर Step 1 में बोली भाषा चुनें। 130+ भाषाएँ, English (India) जैसे क्षेत्रीय रूप और खराब रिकॉर्डिंग के लिए Noise / Low-Quality Audio/Video विकल्प हैं।
चरण 2: MP3 अपलोड करें
Step 2 में फ़ाइल खींचें या चुनें। फ़ाइलें 5GB तक और प्लान रिकॉर्डिंग 10 घंटे तक समर्थित करते हैं। WAV, M4A, FLAC, MP4 और MOV भी चलते हैं।
चरण 3: ज़रूरत हो तो Speaker Detection चालू करें
इंटरव्यू, मीटिंग और पॉडकास्ट में Enable Speaker Detection चालू करें ताकि हर बोलने की बारी लेबल हो।
चरण 4: ट्रांसक्रिप्शन शुरू करें
Transcribe MP3 to text दबाएँ। साफ़ ऑडियो पर सटीकता 99% तक है। पृष्ठभूमि शोर, भारी लहजे और एक साथ बोलने से घटेगी, इसलिए प्रूफ़रीड करें।
चरण 5: ट्रांसक्रिप्ट एक्सपोर्ट करें
दस्तावेज़ और विश्लेषण के लिए DOCX, PDF, TXT या CSV डाउनलोड करें, टाइमिंग वाले कैप्शन चाहिए तो SRT और VTT। शुरू से सबटाइटल लक्ष्य हों तो MP3 से SRT कनवर्टर सीधे सबटाइटल फ़ाइल बनाता है।
प्लान चुनने से पहले बिना खाते के मुफ़्त आज़माएँ। भुगतान प्लान सालाना बिलिंग पर $9.99/माह से हैं; मूल्य देखें। बड़ी वीडियो फ़ाइल पहले ऑडियो और वीडियो से MP3 कनवर्टर से छोटी की जा सकती है और Google Drive या Dropbox का MP3 सीधे Transcribe from URL में जा सकता है।
जानना उपयोगी है: ऑनलाइन टूल ऑडियो प्रदाता के सर्वर पर अपलोड करते हैं। गोपनीय रिकॉर्डिंग के लिए पहले गोपनीयता नीति पढ़ें या तरीका 3 या 4 लें।
तरीका 2: Microsoft Word का Transcribe फ़ीचर लें
Microsoft 365 के साथ Word MP3 स्वयं ट्रांसक्राइब कर सकता है। Microsoft सहायता (नवंबर 2026 में जाँचा) के अनुसार Transcribe .mp3, .wav, .m4a और .mp4 लेता है तथा वक्ताओं को अलग करता है।
- Microsoft 365 में साइनइन करें और Word for the web (नया Microsoft Edge या Chrome) या Windows पर Word for Microsoft 365 में दस्तावेज़ खोलें।
- Home → Dictate (ड्रॉपडाउन) → Transcribe जाएँ।
- Transcribe पैनल में Upload audio चुनें और MP3 चुनें।
- काम के दौरान पैनल खुला रखें; Microsoft के अनुसार लगभग फ़ाइल की अवधि जितना समय लग सकता है।
- समीक्षा करें: भाग 2x तक चलाएँ, टेक्स्ट संपादित करें और हर जगह “Speaker 1” का नाम एक बार में बदलें।
- ट्रांसक्रिप्ट पेज में डालने के लिए Add all to document चुनें, फिर DOCX सहेजें।
ध्यान देने योग्य सीमाएँ: Microsoft 365 उपयोगकर्ताओं को प्रति माह अपलोड ऑडियो के 300 मिनट तक मिलते हैं। हर दस्तावेज़ में एक ट्रांसक्रिप्ट और अपलोड OneDrive के Transcribed Files फ़ोल्डर में सहेजे जाते हैं। Microsoft कहता है कि Windows डेस्कटॉप संस्करण फ़िलहाल व्यावसायिक टेनेंट तक सीमित है। सहायता पेज SRT या VTT एक्सपोर्ट नहीं बताता, इसलिए Word कैप्शन से अधिक दस्तावेज़ों के लिए उपयुक्त है।
तरीका 3: MP3 हाथ से ट्रांसक्राइब करें
खुद टाइप करना मुफ़्त है और ऑडियो डिवाइस पर रहता है, लेकिन धीमा है। छोटे अंश, बिल्कुल सही उद्धरण या मशीन द्वारा गलत हिस्सों के लिए लें।
- MP3 ऐसे प्लेयर में खोलें जो धीमा चला सके और शॉर्टकट से पीछे जाए; साथ खाली दस्तावेज़ रखें।
- प्लेबैक लगभग 0.75x करें और छोटे हिस्सों में काम करें: वाक्यांश चलाएँ, रोकें, टाइप करें, ज़रूरत पर पीछे करें।
- हर बारी पर वक्ता चिह्नित करें, जैसे
INTERVIEWER:औरMARIA:। W3C की ट्रांसक्रिप्ट गाइड कहती है कि पॉडकास्ट ट्रांसक्रिप्ट वक्ता पहचाने साधारण पैराग्राफ हो सकते हैं। - जो सुनाई न दे उसे टाइमस्टैम्प से चिह्नित करें, जैसे
[inaudible 00:14:32](सुनाई नहीं दिया), ताकि वापस आ सकें। - गलत समध्वनि शब्द पकड़ने के लिए पढ़ते हुए अंतिम बार सामान्य गति पर सुनें।
या टूल से मसौदा लिखवाएँ और यह प्रक्रिया सिर्फ़ ज़रूरी जगह करें।
तरीका 4: अपने कंप्यूटर पर Whisper चलाएँ
Whisper OpenAI का ओपन-सोर्स स्पीच रिकग्निशन मॉडल है, जिसे OpenAI शोधपत्र के अनुसार 680,000 घंटे बहुभाषी ऑडियो पर प्रशिक्षित किया गया। स्थानीय चलाना मुफ़्त है और कुछ अपलोड नहीं होता। बदले में सेटअप चाहिए: Python, FFmpeg और धीमी मशीन पर धैर्य।
आधिकारिक रिपॉज़िटरी के अनुसार इंस्टॉल करें:
pip install -U openai-whisper
FFmpeg भी इंस्टॉल और PATH में होना चाहिए। फिर ट्रांसक्राइब करें:
whisper interview.mp3 --model turbo --language English --output_format srt
सादा टेक्स्ट के लिए --output_format txt लें या TXT, VTT, SRT, TSV और JSON एक साथ लिखने को फ़्लैग छोड़ें। CPU पर चेतावनी हटाने के लिए --fp16 False जोड़ें। हमारे वातावरण में Whisper CLI इंस्टॉल नहीं है, इसलिए हमने इन कमांड या tiny मॉडल का परीक्षण नहीं किया।
| मॉडल | पैरामीटर | अनुमानित VRAM (OpenAI अनुसार) | large से गति (OpenAI अनुसार) |
|---|---|---|---|
| tiny | 39 M | लगभग 1 GB | लगभग 10x |
| small | 244 M | लगभग 2 GB | लगभग 4x |
| medium | 769 M | लगभग 5 GB | लगभग 2x |
| turbo (डिफ़ॉल्ट) | 809 M | लगभग 6 GB | लगभग 8x |
| large | 1550 M | लगभग 10 GB | 1x |
OpenAI turbo को न्यूनतम सटीकता हानि वाला अनुकूलित large-v3 बताता है, लेकिन इसे अनुवाद के लिए प्रशिक्षित नहीं किया गया।
क्या नहीं मिलेगा: आधिकारिक टूल में वक्ता लेबल विकल्प, एडिटर और DOCX या PDF एक्सपोर्ट नहीं; OpenAI बताता है कि प्रदर्शन भाषा अनुसार बहुत बदलता है। कम्युनिटी प्रोजेक्ट कुछ कमियाँ भरते हैं, हर एक का अपना सेटअप है।
लंबे MP3, कई वक्ता और अन्य भाषाएँ कैसे संभालें
लंबी रिकॉर्डिंग
अपलोड से पहले सीमा जाँचें। whispertranscribe.ai प्लान 10 घंटे और 5GB तक फ़ाइलें लेते हैं; Word की मासिक कुल सीमा पाँच घंटे है। कम सीमा वाले टूल के लिए FFmpeg बिना दोबारा एनकोड किए MP3 को एक-एक घंटे में काट सकता है:
ffmpeg -i lecture.mp3 -f segment -segment_time 3600 -c copy lecture_part_%03d.mp3
कट वाक्य के बीच पड़ सकता है, इसलिए टेक्स्ट मिलाते समय जोड़ जाँचें। हमारे FFmpeg 4.3 परीक्षण में WAV विभाजन जाँचा गया था; यह MP3 कमांड अलग से नहीं चलाया गया। कक्षाओं और वार्ताओं के लिए लेक्चर ट्रांसक्रिप्शन देखें।
कई वक्ता
वक्ता पहचान चालू करें, फिर साझा करने से पहले सामान्य लेबल के नाम बदलें। लोग बीच में बोलें या समान लगें तो लेबल अधिक गलत होते हैं, इसलिए हर वक्ता की कुछ बारी जाँचें। अगले सत्र में हर व्यक्ति को अलग माइक्रोफ़ोन दें।
अन्य भाषाएँ और लहजे
ऑटो-डिटेक्ट के बजाय भाषा चुनें, खासकर फ़ाइल संगीत से शुरू हो तो। whispertranscribe.ai में अंग्रेज़ी, स्पेनिश, फ़्रेंच, जर्मन, हिंदी, रूसी, पुर्तगाली, जापानी, इतालवी और डच के बीच बदलती रिकॉर्डिंग के लिए Multilingual Mix है। गैर-अंग्रेज़ी MP3 से अंग्रेज़ी टेक्स्ट चाहिए तो अलग ट्रांसक्रिप्शन और अनुवाद के बजाय ऑडियो का अंग्रेज़ी अनुवाद लें।
MP3 ट्रांसक्रिप्ट कैसे प्रूफ़रीड करें: 3 दौर
AI मसौदे अनुमानित जगहों पर विफल होते हैं, इसलिए पूरी फ़ाइल दोबारा सुनना शायद ही ज़रूरी हो।
दौर 1: खोजें, सुनें नहीं। नाम और शब्द सूची से find-and-replace चलाकर गलत वर्तनी एक बार में ठीक करें।
दौर 2: महत्वपूर्ण जगहें सुनें। इन स्थानों पर जाएँ और ऑडियो से जाँचें:
| स्थान | आम गलती | कैसे जाँचें |
|---|---|---|
| संख्या और तारीख | “पंद्रह” बनाम “पचास”, दशमलव छूटना | हर उद्धृत संख्या फिर सुनें |
| नाम और ब्रांड | ध्वनि अनुसार वर्तनी | अपनी शब्द सूची से मिलाएँ |
| एक साथ बोलना | दो वाक्य मिल गए या एक छूटा | सामान्य फिर धीमी गति से सुनें |
| वक्ता बदलाव | पंक्ति गलत व्यक्ति को दी गई | हर बदलाव के बाद पहली पंक्ति जाँचें |
| धीमी या दूर की आवाज़ | शब्द छूटना | उस भाग का वॉल्यूम बढ़ाएँ |
| पहले और अंतिम मिनट | हल्की बातचीत, संगीत, गलत भाषा अनुमान | ज़रूरत अनुसार हटाएँ या ठीक करें |
दौर 3: दस्तावेज़ की तरह पढ़ें। बिना ऑडियो एक बार पढ़ें; जो समझ न आए उसे फिर सुनें। फिर भी न सुनाई दे तो अनुमान के बजाय [unclear] (अस्पष्ट) चिह्नित करें।
कौन-सा एक्सपोर्ट फ़ॉर्मैट चाहिए?
अगले उपयोग से चुनें: दस्तावेज़ को DOCX या TXT, वीडियो के ऊपर दिखने वाले टेक्स्ट को SRT या VTT चाहिए।
| फ़ॉर्मैट | उपयोग |
|---|---|
| DOCX | संपादन, रिपोर्ट, लेख, शो नोट |
| साझा या आर्काइव करने की स्थिर प्रति | |
| TXT | अन्य ऐप या AI सारांश में पेस्ट |
| CSV | स्प्रेडशीट और शोध विश्लेषण |
| SRT | YouTube, वीडियो एडिटर और प्लेयर के सबटाइटल |
| VTT | HTML5 वेब वीडियो प्लेयर के कैप्शन |
फ़ोन के वॉइस नोट के लिए वॉइस मेमो ट्रांसक्रिप्शन पेज यही एक्सपोर्ट विकल्प बताता है।
अक्सर पूछे जाने वाले सवाल
क्या MP3 मुफ़्त टेक्स्ट में ट्रांसक्राइब कर सकता हूँ?
हाँ। स्वयं टाइप करना हमेशा मुफ़्त है और अपने कंप्यूटर पर OpenAI का ओपन-सोर्स Whisper चलाने में सेटअप समय और हार्डवेयर के अलावा लागत नहीं। कई ऑनलाइन टूल में मुफ़्त शुरुआत है। whispertranscribe.ai बिना खाते का मुफ़्त विकल्प देता है, जिससे अपना ऑडियो परिणाम जाँच सकते हैं। मुफ़्त विकल्प आम तौर पर अवधि या फ़ीचर सीमित करते हैं, इसलिए नियमित काम के लिए भुगतान प्लान तुलना करें; whispertranscribe.ai सालाना बिलिंग पर $9.99/माह से है।
MP3 ट्रांसक्राइब करने में कितना समय लगता है?
AI टूल में आम तौर पर ऑडियो अवधि से बहुत कम, हालाँकि फ़ाइल और सेवा पर निर्भर है। Microsoft कहता है कि Word Transcribe लगभग फ़ाइल की अवधि जितना समय ले सकता है। स्थानीय Whisper हार्डवेयर और मॉडल पर निर्भर है; छोटे मॉडल तेज़ पर अधिक गलतियाँ करते हैं। हाथ से टाइपिंग में ऑडियो अवधि का कई गुना समय लगता है, इसलिए लोग आम तौर पर सिर्फ़ छोटे अंश हाथ से करते हैं।
MP3 को WAV में बदलने से सटीकता सुधरती है?
नहीं। MP3 को WAV सहेजना या अधिक बिटरेट पर फिर एनकोड करना फ़ाइल बड़ा करता है, लेकिन MP3 बनते समय हटाया विवरण वापस नहीं लाता। MP3 लॉसी है। मूल WAV या FLAC हो तो उसे ट्रांसक्राइब करें; अन्यथा MP3 जैसे है वैसे अपलोड करें। Whisper जैसे इंजन अंदर 16 kHz मोनो री-सैंपल करते हैं, इसलिए स्वयं सैंपल रेट बदलना भी मदद नहीं करता।
कई वक्ताओं वाला MP3 कैसे ट्रांसक्राइब करें?
वक्ता पहचान वाला टूल लें और शुरू से पहले चालू करें। ट्रांसक्रिप्ट हर बारी को Speaker 1 जैसा क्रमांकित लेबल देगा, जिसे बाद में असली नाम दें। Microsoft Word Transcribe और whispertranscribe.ai दोनों वक्ता लेबल देते हैं; आधिकारिक Whisper कमांड-लाइन टूल नहीं। जहाँ लोग बीच में बोलें वहाँ लेबल जाँचें, क्योंकि वहीं वक्ता अक्सर मिल जाते हैं।
क्या MP3 को Word दस्तावेज़ में बदल सकता हूँ?
हाँ। सबसे तेज़ तरीका ऑनलाइन टूल से MP3 ट्रांसक्राइब करके DOCX एक्सपोर्ट है, जो Word या Google Docs में खुलता है। Microsoft 365 हो तो Word में Home, Dictate, Transcribe, Upload audio से MP3 अपलोड कर Add all to document चुनें। Microsoft 365 में मासिक 300 अपलोड ऑडियो मिनट तक शामिल हैं।
क्या MP3 को ट्रांसक्रिप्ट के बजाय सबटाइटल बना सकता हूँ?
हाँ। DOCX या TXT के बजाय SRT या VTT एक्सपोर्ट करें। दोनों हर पंक्ति की टाइमिंग रखते हैं ताकि वीडियो प्लेयर या एडिटर सही समय पर टेक्स्ट दिखाए। whispertranscribe.ai में ट्रांसक्रिप्शन के बाद SRT या VTT एक्सपोर्ट कर सकते हैं या MP3 से SRT कनवर्टर लें। Whisper कमांड-लाइन टूल भी आउटपुट फ़ॉर्मैट विकल्प से SRT और VTT लिख सकता है।
आज़माने को तैयार? फ़ाइल whispertranscribe.ai के MP3 से टेक्स्ट कनवर्टर पर अपलोड करें या अन्य फ़ॉर्मैट के लिए मुफ़्त ऑडियो से टेक्स्ट कनवर्टर लें। दोनों 130+ भाषाओं, वक्ता लेबल और DOCX, PDF, TXT, CSV, SRT व VTT एक्सपोर्ट के साथ काम करते हैं।
संदर्भ
- लाइब्रेरी ऑफ़ कांग्रेस: MP3 (MPEG Layer III Audio Encoding)
- Google Cloud: Speech-to-Text API के लिए डेटा देने के सर्वोत्तम अभ्यास
- Microsoft सहायता: अपनी रिकॉर्डिंग ट्रांसक्राइब करें
- OpenAI: GitHub पर Whisper (README और
whisper/audio.py) - Radford और सहलेखक, OpenAI: Robust Speech Recognition via Large-Scale Weak Supervision
- W3C वेब एक्सेसिबिलिटी इनिशिएटिव: ट्रांसक्रिप्ट
