Oleh Tim Editorial whispertranscribe.ai · Terakhir diperbarui: November 2026 · Waktu baca 12 menit
Terjemahan ucapan ke teks berarti mengambil rekaman dalam satu bahasa dan menghasilkan teks dalam bahasa lain. Ada dua cara: transkripsikan rekaman dalam bahasa aslinya lalu terjemahkan teks itu, atau gunakan model yang langsung menulis bahasa tujuan dari audio. Cara pertama lebih mudah diperiksa. Cara kedua lebih cepat.
Berikut kedua alur dan kelemahannya, empat metode praktis termasuk subtitle SRT dan VTT multibahasa, tabel faktor kualitas, daftar periksa setelah terjemahan, dan kapan penerjemah profesional menjadi pilihan yang lebih aman.
Jawaban singkat: cara menerjemahkan ucapan ke teks
Untuk sebagian besar rekaman, transkripsikan dahulu dalam bahasa asli, perbaiki transkrip, lalu terjemahkan teks yang sudah diperbaiki. Jika hanya membutuhkan bahasa Inggris dan mengutamakan kecepatan, alat terjemahan ucapan langsung ke Inggris cocok untuk draf pertama. Apa pun caranya, seseorang yang memahami kedua bahasa harus memeriksa apa pun yang akan diterbitkan atau dijadikan acuan.
- Transkripsikan dalam bahasa yang digunakan. Pilih bahasa sendiri alih-alih mengandalkan deteksi otomatis.
- Perbaiki transkrip sumber. Periksa nama, angka, dan istilah terlebih dahulu.
- Terjemahkan dan periksa. Terjemahkan teks, lalu bandingkan dengan sumber dan audio.
Apa itu terjemahan ucapan ke teks?
Terjemahan ucapan ke teks mencakup setiap proses yang dimulai dari ucapan dalam bahasa A dan berakhir dengan teks dalam bahasa B. Transkripsi biasa tetap dalam satu bahasa. Terjemahan biasa dimulai dari teks. Tugas ini menggabungkan keduanya, dan cara penggabungannya menentukan kemudahan pemeriksaan hasil.
Dua alur: berantai vs langsung
Peneliti menyebut pendekatan pertama cascade: pengenalan ucapan, lalu terjemahan teks. Pendekatan kedua adalah terjemahan ucapan langsung (atau end-to-end), yaitu satu model memetakan audio langsung ke teks bahasa tujuan. Whisper OpenAI dapat melakukan versi langsung, tetapi hanya ke bahasa Inggris.
| Transkripsikan, lalu terjemahkan (cascade) | Terjemahan ucapan langsung | |
|---|---|---|
| Langkah yang terlihat | Dua: transkrip sumber, lalu terjemahan | Satu: audio masuk, teks tujuan keluar |
| Bahasa tujuan | Bahasa apa pun yang didukung penerjemah teks Anda | Sering terbatas; tugas translate Whisper hanya menghasilkan bahasa Inggris |
| Teks bahasa sumber | Tersimpan | Biasanya tidak dihasilkan |
| Tempat menemukan kesalahan | Di antara dua langkah, dalam teks sumber | Hanya dengan membandingkan hasil dan audio |
| Menerjemahkan ulang nanti | Gunakan kembali transkrip yang sudah diperbaiki | Proses ulang audio atau terjemahkan bahasa Inggrisnya |
| Paling cocok untuk | Penelitian, publikasi, subtitle beberapa bahasa, semua kutipan | Memahami rekaman dalam bahasa Inggris dengan cepat |
Masalah yang dapat terjadi pada setiap alur
Dalam cascade, kesalahan berlipat. Jika transkrip menyatakan "lima puluh" padahal pembicara mengatakan "lima belas", terjemahan akan membawa angka salah dengan tata bahasa sempurna. Perbaikannya sederhana: koreksi transkrip sebelum menerjemahkan.
Dalam alur langsung, tidak ada teks sumber untuk diperiksa. Kata yang salah didengar dan kata yang salah diterjemahkan tampak sama dalam hasil, sehingga pemeriksa harus kembali ke audio. Hasil langsung juga dapat terlihat lebih lancar daripada tingkat ketepatannya, sehingga kesalahan lebih sulit ditemukan.
Metode mana yang sebaiknya digunakan?
Pilih berdasarkan tujuan teks dan jumlah bahasa yang dibutuhkan.
| Situasi Anda | Metode yang disarankan | Alasan |
|---|---|---|
| Perlu memahami rekaman bahasa asing dengan cepat | Metode 2: langsung ke bahasa Inggris | Satu langkah, draf yang mudah dibaca |
| Akan mengutip pembicara dalam artikel atau laporan | Metode 1, ditambah Metode 4 untuk kutipan penting | Anda dapat memeriksa kata asli |
| Membutuhkan subtitle dalam dua bahasa atau lebih | Metode 3: SRT atau VTT sumber, lalu terjemahkan teks cue | Satu file waktu digunakan untuk setiap bahasa |
| Wawancara penelitian untuk dianalisis dan dikutip | Metode 1 | Pengodean dan kutipan tetap terkait dengan transkrip asli |
| Kontrak, materi pengadilan, catatan medis atau imigrasi | Metode 4 dengan profesional yang memenuhi syarat | Kesalahan membawa konsekuensi nyata |
Metode 1: Transkripsikan dalam bahasa asli, lalu terjemahkan teks
Ini adalah cara paling fleksibel. Transkrip yang sudah diperbaiki menjadi salinan utama, dan setiap terjemahan dimulai darinya.
Langkah 1: Transkripsikan dalam bahasa yang digunakan
Unggah file ke alat transkripsi dan atur bahasa sebelum memulai. Di whispertranscribe.ai, alat transkripsi berbasis browser yang didukung model Whisper OpenAI, Anda memilih dari lebih dari 130 bahasa, dengan opsi regional dan mode Noise / Low-Quality Audio/Video untuk rekaman yang kurang jelas. Ada halaman khusus untuk sumber umum seperti audio Spanyol dan audio Mandarin. Untuk pembicara yang berganti bahasa, opsi Multilingual Mix mencakup Inggris, Spanyol, Prancis, Jerman, Hindi, Rusia, Portugis, Jepang, Italia, dan Belanda.
Jika rekaman berada di Google Drive, Dropbox, Vimeo, atau YouTube, transkripsikan dari URL alih-alih mengunduhnya. Aktifkan deteksi pembicara untuk wawancara dan rapat.
Langkah 2: Perbaiki transkrip sumber
Perbaiki transkrip sebelum menerjemahkan karena setiap kesalahan yang belum diperbaiki akan disalin ke setiap bahasa. Cari nama, istilah produk, dan akronim dahulu, lalu putar ulang setiap angka yang akan dipertahankan. Akurasi hingga 99% pada audio jelas. Kebisingan latar, aksen kuat, dan suara tumpang tindih menurunkannya, jadi rencanakan pemeriksaan ini.
Langkah 3: Terjemahkan teks yang sudah diperbaiki
Ekspor transkrip sebagai DOCX atau TXT dan proses dengan penerjemah teks. Periksa batas format terlebih dahulu. Per November 2026:
- Google Translate menerjemahkan dokumen hingga 10 MB dalam .docx, .pdf, .pptx, dan .xlsx, dan PDF maksimal 300 halaman, menurut Bantuan Google Translate. File subtitle tidak tercantum.
- DeepL pada halaman format file mencantumkan DOCX, PDF, dan TXT. Halaman itu juga mencantumkan SRT dan VTT, termasuk paket Pro Individual, Pro Team, Pro Business, dan API, dengan batas 150 KB atau 200 KB per file subtitle. Akun gratis DeepL tidak mencakup TXT.
Berikan konteks kepada penerjemah jika alat memungkinkan: siapa yang berbicara, audiens, dan tingkat formalitas yang diinginkan.
Langkah 4: Simpan kedua versi berdampingan
Simpan sumber dan terjemahan sebagai pasangan dengan nama yang cocok, seperti interview-04_es_v2.docx dan interview-04_en_v2.docx, agar baris yang dipertanyakan dapat ditelusuri ke kata aslinya.
Metode 2: Transkripsikan langsung ke bahasa Inggris
Jika bahasa Inggris adalah tujuan dan Anda terutama ingin memahami atau merangkum rekaman, alat langsung menghemat satu langkah.
Menggunakan halaman terjemahan audio ke Inggris
Halaman terjemahkan audio ke bahasa Inggris whispertranscribe.ai mengubah ucapan dalam bahasa lain menjadi teks Inggris. Halaman menjelaskannya demikian; tidak ada daftar bahasa tujuan karena hasilnya bahasa Inggris.
- Pilih bahasa yang digunakan. Step 1 meminta bahasa rekaman, bukan bahasa tujuan. Halaman menyatakan pemilihan yang tepat menghasilkan bahasa Inggris lebih akurat dan menyarankan mencoba opsi lain jika hasil belum memuaskan.
- Unggah file. Step 2 menerima format audio dan video umum, termasuk MP3, WAV, M4A, MP4, MOV, dan MKV.
- Aktifkan deteksi pembicara jika lebih dari satu orang berbicara. Halaman mencantumkan deteksi pembicara untuk terjemahan.
- Pilih Translate audio to English, lalu periksa teks Inggris dan ekspor.
Perlakukan hasil sebagai draf kerja; kami tidak menjanjikan kualitas terjemahan. Jika juga membutuhkan transkrip bahasa asli, jalankan transkripsi biasa.
Menggunakan Whisper sumber terbuka di komputer
Repositori Whisper OpenAI mendokumentasikan tugas translate yang menghasilkan bahasa Inggris:
whisper japanese.wav --model medium --language Japanese --task translate
Dua catatan dari README: model default turbo tidak dilatih untuk penerjemahan dan mengembalikan bahasa asli meskipun menggunakan --task translate, jadi gunakan medium atau large; dan hasilnya hanya bahasa Inggris. Audio Jerman menjadi teks Prancis tetap membutuhkan langkah penerjemahan teks.
Seberapa baik hasilnya? Makalah Whisper menyatakan data pelatihan mencakup 125,000 jam data terjemahan X→Inggris. Tanpa pelatihan pada CoVoST2, benchmark yang digunakan untuk pengujian, Whisper memperoleh 29.1 BLEU, yang disebut penulis sebagai capaian terbaik baru saat itu. BLEU mengukur tumpang tindih antara hasil mesin dan terjemahan referensi. Ini bukan persentase kalimat yang benar. Makalah yang sama mencatat Whisper masih tertinggal dari sistem sebelumnya yang dilatih langsung untuk bahasa dengan sumber daya besar, dan jumlah data pelatihan jauh kurang dapat memprediksi kualitas terjemahan dibandingkan kualitas transkripsi.
Metode 3: Buat subtitle multibahasa (SRT dan VTT)
Untuk video, buat satu file subtitle dalam bahasa asli, lalu terjemahkan hanya teks setiap cue. Waktunya tetap sama di semua bahasa.
Langkah 1: Buat file subtitle sumber
Gunakan pembuat subtitle atau konverter MP4 ke SRT dan ekspor SRT atau VTT dalam bahasa yang digunakan. Perbaiki teks dan waktu dalam file ini dahulu; file ini menjadi templat untuk setiap bahasa.
Langkah 2: Terjemahkan teks cue, bukan strukturnya
Cue SRT memiliki nomor, baris timecode, dan teks. Hanya teks yang berubah. Berikut contoh rekaan:
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
Rapat dimulai pada 3 Mei pukul 15.00.
Nomor cue dan timecode tetap sama. Tanggal dan waktu disesuaikan untuk audiens tujuan. Jika penerjemah hanya menerima dokumen, salin teks ke tabel dan tempel kembali satu per satu. Paket Pro DeepL dapat menerima SRT dan VTT langsung, seperti disebutkan di atas.
Langkah 3: Periksa panjang bacaan
Baris terjemahan dapat lebih panjang daripada aslinya, dan cue yang nyaman dibaca dalam 3.7 detik mungkin tidak lagi cukup. Bagi cue panjang atau persingkat kata-katanya, tetapi jangan geser timecode tanpa memeriksanya kembali terhadap audio.
Langkah 4: Unggah setiap bahasa sebagai trek tersendiri
Beri nama file dengan kode bahasa, misalnya talk.en.srt dan talk.es.srt, lalu unggah masing-masing sebagai trek subtitle terpisah di platform. Trek soft subtitle memungkinkan penonton berganti bahasa.
Metode 4: Tambahkan pemeriksaan manusia
Untuk apa pun yang diterbitkan, dikutip, atau digunakan dalam keputusan, minta pemeriksa bilingual membandingkan terjemahan dengan sumber. Hasil mesin sering terbaca lancar meskipun salah.
Lembar pemeriksaan sederhana mempercepat pekerjaan. Berikut contoh rekaan formatnya:
| Cue | Baris sumber | Terjemahan | Penanda | Catatan pemeriksa |
|---|---|---|---|---|
| #37 | Vamos a cerrar el trato el lunes | Kita akan menyelesaikan kesepakatan pada hari Senin | OK | — |
| #81 | Eso no es moco de pavo | Itu bukan ingus kalkun | Idiom | Gunakan "Itu bukan hal sepele" |
| #126 | Facturamos 1,5 millones | Kami menagihkan 1,5 juta | Angka | Konfirmasi mata uang kepada pembicara |
Arahkan pemeriksa pada nama, angka, kutipan, istilah hukum atau medis, dan apa pun yang ditandai tidak jelas. whispertranscribe.ai tidak menawarkan transkripsi atau terjemahan manusia, jadi langkah ini menjadi tugas Anda atau profesional.
Apa yang memengaruhi kualitas terjemahan ucapan ke teks?
Kualitas ditentukan dua kali: saat ucapan menjadi teks dan saat teks berganti bahasa. Beberapa faktor memengaruhi keduanya.
| Faktor | Dampak pada transkripsi | Dampak pada terjemahan | Tindakan |
|---|---|---|---|
| Kualitas audio (bising, gema, jarak) | Kata hilang atau salah didengar | Kesalahan terbawa ke setiap bahasa | Rekam dekat mikrofon; gunakan file asli paling jelas |
| Aksen dan dialek | Lebih banyak kesalahan pada ucapan regional | Kata regional dapat diterjemahkan secara harfiah | Pilih opsi bahasa regional jika tersedia |
| Istilah teknis | Istilah dieja berdasarkan bunyi | Padanan salah atau tidak konsisten | Siapkan glosarium dan perbaiki istilah di sumber |
| Pasangan bahasa | Bergantung pada bahasa yang digunakan | Pasangan umum biasanya lebih baik daripada yang langka | Sediakan waktu pemeriksaan lebih untuk bahasa yang kurang umum |
| Nama diri | Nama berubah menjadi kata umum | Nama "diterjemahkan" atau diubah | Daftarkan nama sebelum mulai; cari dan perbaiki |
| Alih kode | Bahasa salah ditebak di tengah kalimat | Teks campuran membingungkan penerjemah | Gunakan mode bahasa campuran; tandai setiap bahasa |
| Ucapan tumpang tindih | Baris tergabung atau hilang | Makna pembicara hilang | Mikrofon terpisah; periksa label saat ada interupsi |
Praktik terbaik data ucapan Google menyatakan codec lossy seperti MP3 dan M4A dapat menurunkan akurasi, dan kebisingan serta gema lebih berdampak ketika codec lossy juga digunakan. README OpenAI menambahkan bahwa kinerja Whisper sangat berbeda menurut bahasa. Keduanya menjadi alasan untuk menguji sampel singkat sebelum batch panjang.
Daftar periksa setelah terjemahan
Periksa daftar ini setelah setiap terjemahan, sebelum dilihat orang di luar tim:
- Angka. Setiap angka sesuai audio. Perhatikan koma desimal: "1,5" dalam banyak bahasa Eropa menjadi 1.5 dalam bahasa Inggris.
- Mata uang dan satuan. Mata uang tetap seperti yang disebut pembicara kecuali konversi dinyatakan; kilometer tidak diam-diam diubah menjadi mil.
- Nama dan gelar. Nama orang, perusahaan, dan tempat dieja sesuai ejaan mereka, bukan diterjemahkan.
- Tanggal dan waktu. Urutan hari-bulan berbeda menurut negara, sehingga 03/04 dapat berarti 3 April atau 4 Maret. Tulis nama bulan jika penting.
- Kutipan. Kutipan langsung diperiksa terhadap audio, bukan hanya transkrip.
- Idiom dan humor. Terjemahan harfiah idiom diganti dengan padanan alami atau ditandai.
- Konteks budaya. Referensi yang tidak terbawa diberi catatan singkat alih-alih diubah tanpa penjelasan.
- Tingkat bahasa. Sapaan formal dan informal (tú/usted, du/Sie) sesuai hubungan pembicara.
- Label pembicara. Setiap baris tetap dikaitkan dengan orang yang tepat.
- Bagian tidak jelas. Ketidakpastian ditandai
[tidak jelas]dalam kedua bahasa alih-alih ditebak.
Kapan Anda membutuhkan penerjemah profesional?
Gunakan penerjemah manusia yang memenuhi syarat ketika kesalahan dapat berdampak pada uang, kesehatan, kedudukan hukum, atau kepercayaan. Ini bukan nasihat hukum dan persyaratan berbeda menurut negara, pengadilan, dan lembaga, jadi periksa kepada pihak penerima dokumen.
| Situasi | Mengapa hasil mesin tidak cukup |
|---|---|
| Pengajuan imigrasi | Aturan AS (8 CFR 103.2(b)(3)) mewajibkan dokumen bahasa asing yang dikirim ke USCIS disertai terjemahan Inggris lengkap, disertifikasi penerjemah yang menyatakan hasilnya lengkap dan akurat serta dirinya kompeten menerjemahkan |
| Bukti pengadilan dan deposisi | Pengadilan sering menetapkan aturan sendiri tentang siapa yang boleh menerjemahkan atau mengesahkan |
| Kontrak dan perjanjian | Satu kata salah dapat mengubah kewajiban |
| Konsultasi dan catatan medis | Dosis, gejala, dan persetujuan harus tepat |
| Kutipan terbitan dan materi pers | Salah mengutip merusak kepercayaan dan dapat menimbulkan tanggung jawab hukum |
Untuk pekerjaan berisiko lebih rendah seperti catatan internal, draf penelitian, atau memahami video, terjemahan mesin ditambah pemeriksaan sendiri biasanya cukup.
Format ekspor apa yang dibutuhkan?
Pilih format untuk langkah berikutnya. Transkrip di whispertranscribe.ai diekspor sebagai DOCX, PDF, TXT, CSV, SRT, dan VTT.
| Format | Gunakan untuk |
|---|---|
| DOCX | Menerjemahkan di Word, DeepL, atau Google Translate; mengedit dengan komentar |
| TXT | Menempel ke penerjemah atau aplikasi lain |
| Salinan tetap dari terjemahan yang telah disetujui | |
| CSV | Lembar pemeriksaan berdampingan dan pengodean penelitian |
| SRT | Trek subtitle untuk YouTube, editor video, dan pemutar |
| VTT | Caption untuk pemutar video web HTML5 |
FAQ
Apa perbedaan speech to text dan terjemahan ucapan ke teks?
Speech to text mempertahankan bahasa asli: audio Spanyol menjadi teks Spanyol. Terjemahan ucapan ke teks menghasilkan bahasa berbeda, sehingga audio Spanyol menjadi teks Inggris. Proses dapat dilakukan dalam dua langkah, dengan mentranskripsikan lalu menerjemahkan transkrip, atau satu langkah dengan model yang langsung menulis bahasa tujuan. Cara dua langkah lebih mudah diperiksa karena teks sumber dapat diperbaiki sebelum diterjemahkan, dan dapat digunakan kembali untuk bahasa lain.
Bisakah Whisper menerjemahkan audio ke bahasa selain Inggris?
Tidak. Tugas translate bawaan Whisper hanya menghasilkan bahasa Inggris. Anda dapat memberinya ucapan dalam banyak bahasa, tetapi hasilnya teks Inggris. Untuk bahasa tujuan lain, transkripsikan audio dalam bahasa asli dan terjemahkan transkrip dengan penerjemah teks. README OpenAI juga mencatat model default turbo tidak dilatih untuk penerjemahan dan mengembalikan bahasa asli meskipun diminta menerjemahkan. Gunakan model medium atau large untuk penerjemahan.
Apakah lebih baik mentranskripsikan dahulu lalu menerjemahkan?
Biasanya ya, jika hasil akan diterbitkan, dikutip, atau diterjemahkan ke lebih dari satu bahasa. Transkripsi dahulu memberi teks sumber yang dapat diperbaiki, sehingga nama atau angka yang salah didengar diperbaiki sekali, bukan di setiap terjemahan. Terjemahan ucapan langsung ke Inggris lebih cepat dan berguna ketika Anda hanya ingin memahami rekaman. Untuk subtitle beberapa bahasa, file SRT atau VTT sumber yang sudah diperbaiki adalah titik awal paling praktis.
Seberapa akurat terjemahan ucapan ke teks?
Bergantung pada audio, pasangan bahasa, dan subjek, dan tidak ada satu angka akurasi yang berlaku untuk semuanya. Transkripsi audio jelas dapat sangat akurat. whispertranscribe.ai mencapai hingga 99% pada audio jelas, sedangkan kebisingan dan aksen menurunkannya. Terjemahan menambah kesalahannya sendiri, terutama pada idiom, nama, dan istilah teknis. Pasangan bahasa umum biasanya lebih baik daripada yang langka. Periksa angka, nama, dan kutipan sendiri, dan minta pemeriksaan bilingual untuk hal penting.
Bisakah saya menerjemahkan subtitle dan mempertahankan timestamp?
Ya. Terjemahkan hanya teks setiap cue dan biarkan nomor cue serta timecode tidak berubah. Anda dapat melakukannya secara manual, menempelkan teks cue ke penerjemah dan kembali, atau menggunakan alat yang menerima file subtitle. DeepL mencantumkan SRT dan VTT pada paket Pro Individual, Pro Team, Pro Business, dan API. Fitur dokumen Google Translate tidak mencantumkan format subtitle. Setelah diterjemahkan, periksa apakah baris panjang masih dapat dibaca selama cue tampil di layar.
Bisakah saya menggunakan terjemahan mesin untuk rekaman hukum atau medis?
Anda dapat menggunakannya untuk pemahaman awal, tetapi bukan sebagai versi final. Materi hukum, medis, kontrak, dan imigrasi sering membutuhkan penerjemah manusia yang memenuhi syarat, dan beberapa lembaga mewajibkan terjemahan bersertifikat. Aturan imigrasi AS, misalnya, mewajibkan sertifikasi penerjemah bahwa terjemahan Inggris lengkap dan akurat. Persyaratan berbeda menurut negara dan lembaga, jadi periksa kepada pihak penerima dokumen. Ini informasi umum, bukan nasihat hukum.
Siap memulai? Unggah rekaman ke terjemahkan audio ke bahasa Inggris, atau transkripsikan dalam bahasa asli dahulu untuk subtitle dan bahasa tujuan lain. Anda dapat mencoba gratis tanpa akun. Paket berbayar mulai dari $9.99/bulan dengan penagihan tahunan; lihat harga. whispertranscribe.ai tidak menawarkan API, transkripsi manusia, atau bot rapat.
Referensi
- Radford dkk., OpenAI: Pengenalan Ucapan Tangguh melalui Supervisi Lemah Skala Besar (Bagian 1, 2.1 dan 3.5, Tabel 4)
- OpenAI: Whisper di GitHub (README, penggunaan baris perintah)
- Bantuan Google Translate: Menerjemahkan dokumen & situs
- Pusat Bantuan DeepL: Format file
- Google Cloud: Praktik terbaik menyediakan data untuk API Speech-to-Text
- eCFR: 8 CFR 103.2, Pengajuan dan penilaian permintaan manfaat
