Cik precīzs ir Whisper AI? WER, faktiskie ierobežojumi un padomi (2026)

whispertranscribe.ai redakcija · Pēdējoreiz atjaunināts: 2026. gada novembrī · Lasīšanas laiks: 13 minūtes · Kategorija: Transkripcijas precizitāte

Cik precīzs ir Whisper? Skaidri lasītai angļu valodai OpenAI rakstā ziņots par 2.5% vārdu kļūdu īpatsvaru (WER) modelim Whisper large-v2, tātad aptuveni 97 līdz 98 no 100 vārdiem ir pareizi. Sarežģītākam audio rezultāti ir sliktāki: 13.6% telefonsarunās, 24.9% trokšņainās vakariņās un 39.9% sapulcē, kas ierakstīta ar vienu tālu mikrofonu.

Whisper ir OpenAI atvērtā pirmkoda runas atpazīšanas modelis un daudzu transkripcijas lietotņu, tostarp mūsējās, pamatā esošais dzinis. Šī rokasgrāmata aplūko tikai precizitāti: ko mēra WER, ko rāda etalontesti pēc audio veida un valodas, kur Whisper kļūdās un kā pārbaudīt pašiem. Par modeļa izcelsmi lasiet skaidrojumā kas ir Whisper AI.

Lielākā daļa skaitļu nāk no Whisper raksta (Radford un līdzautori, 2022), kur katrs modelis pārbaudīts “zero-shot” režīmā bez papildu pielāgošanas testa kopām. Jaunākā large-v3 modeļa karte ziņo par 10% līdz 20% mazāk kļūdu nekā large-v2 daudzās valodās, taču bez pilnas tabulas par katru datu kopu. Šo rakstu publicē whispertranscribe.ai. Mēs tam neveicām etalontestu, un neviens skaitlis nav mūsu pašu testa rezultāts.

Whisper precizitāte īsumā

Neviena testa kopa neatbild uz jautājumu pilnībā, jo audio visvairāk maina rezultātu. Tabulā ir OpenAI large-v2 rezultāti ar beam search un temperature fallback (pielikuma 9. tabula), novērtēti pēc OpenAI teksta normalizācijas.

Audio veids Testa kopa rakstā Whisper large-v2 WER Aptuvenā pareizo vārdu daļa
Audiogrāmata, skaidrs lasītājs LibriSpeech test-clean 2.5% Aptuveni 97.5 no 100
Lasīts ziņu teksts WSJ 2.6% Aptuveni 97.4 no 100
TED runas TED-LIUM 3 3.7% Aptuveni 96 no 100
Audiogrāmata, grūtāk uztverami lasītāji LibriSpeech test-other 4.9% Aptuveni 95 no 100
Brīvprātīgie ar mājas mikrofoniem Common Voice 5.1 8.2% Aptuveni 92 no 100
Telefonsarunas Switchboard 13.6% Aptuveni 86 no 100
Garas sociolingvistiskas intervijas CORAAL 14.2% Aptuveni 86 no 100
Telefonsarunas starp ģimeni un draugiem CallHome 16.4% Aptuveni 84 no 100
Sapulces, katram austiņu mikrofons AMI IHM 17.4% Aptuveni 83 no 100
Vakariņas, tāli mikrofoni CHiME-6 24.9% Aptuveni 75 no 100
Sapulces, viens tāls galda mikrofons AMI SDM1 39.9% Aptuveni 60 no 100

“Pareizo vārdu daļa” ir 100 mīnus WER — aptuvens rādītājs, jo WER ietver arī pievienotus vārdus.

Bieži citē arī 2.7%: tas ir tas pats modelis ar vienkāršāku greedy decoding (raksta 2. tabula). AMI rindas ir vienas un tās pašas sapulces, kas ierakstītas divējādi. Pārvietojot mikrofonu no katra runātāja galvas uz galda vidu, kļūdu īpatsvars vairāk nekā dubultojas.

Kas ir vārdu kļūdu īpatsvars (WER) un kā to aprēķina?

Vārdu kļūdu īpatsvars ir transkriptā nepareizo vārdu attiecība pret cilvēka pārbaudītu atsauci. Saskaitiet trīs kļūdu veidus un daliet ar atsauces vārdu skaitu:

WER = (aizstāšanas + izlaidumi + ievietojumi) ÷ atsauces vārdu skaits

  • Aizstāšana: nepareizs vārds pareizā vietā (“galds” vārda “balss” vietā).
  • Izlaidums: izrunāts vārds, kura transkriptā nav.
  • Ievietojums: vārds transkriptā, kuru neviens nav teicis.

Lūk, pašu veidots piemērs, kas novērtēts ar atvērtā pirmkoda jiwer bibliotēku:

Rinda Teksts
Atsauce (22 vārdi) mēs pārcēlām svarīgu produkta palaišanu uz devīto martu jo piegādātājs divreiz kavēja termiņus un dakteris patels vēlas jaunu testu plānu jau šodien
Transkripts mēs pārcēlām svarīgu produkta atklāšanu uz devīto martu jo piegādātājs divreiz kavēja termiņus un dakteris batels vēlas jaunu testu plānu šodien rīt
Kļūdas 2 aizstāšanas (atklāšanu, batels), 1 izlaidums (jau), 1 ievietojums (rīt)
WER 4 ÷ 22 = 18.2%

Trīs lietas par WER bieži pārsteidz:

  1. Tas var pārsniegt 100%. Ievietojumu skaitam nav griestu, un dažas mazāk pārstāvētas valodas raksta Fleurs rezultātos pārsniedz 100%.
  2. Normalizācija maina rezultātu. “Dr.” un “dakteris” skaitās kļūda, ja vien abi teksti nav vienādi normalizēti. OpenAI norāda, ka normalizācija dažās datu kopās samazināja WER līdz 50%, galvenokārt novēršot formatējuma atšķirības.
  3. Dažās valodās izmanto rakstzīmju kļūdu īpatsvaru (CER). Ķīniešu, japāņu, taju, laosiešu un birmiešu valodā, kur vārdus neatdala ar atstarpēm, rakstā vērtē rakstzīmes.

Apgalvojums par precizitāti bez nosauktas testa kopas un vērtēšanas metodes nav mērījums neatkarīgi no tā, kurš to izsaka, ieskaitot mūs.

Cik precīzs Whisper ir angļu valodā?

Whisper ir ļoti precīzs skaidrā angļu valodā un joprojām izmantojams sarežģītākā audio. Rakstā tas 12 citās angļu valodas datu kopās pieļāva par 55.2% mazāk kļūdu nekā uzraudzīti apmācīts wav2vec 2.0 modelis ar gandrīz tādu pašu LibriSpeech rezultātu.

Gari ieraksti

Whisper lasa audio 30 sekunžu logos, tāpēc rakstā garus failus pārbaudīja atsevišķi (pielikuma 16. tabula, large-v2):

Garā ieraksta testa kopa Saturs WER
TED-LIUM 3 11 pilnas TED runas 3.5%
Meanwhile 64 vēlā vakara TV segmenti ar daudz neparastu vārdu 5.1%
Kincaid46 46 dažādi ieraksti no 2018. gada salīdzinājuma 8.8%
Earnings-21 Uzņēmumu peļņas rezultātu zvani 9.7%
Rev16 16 aplāžu epizodes 11.3%
Earnings-22 Citi peļņas zvani, daudz akcentu 12.6%
CORAAL 231 pilna intervija afroamerikāņu angļu valodā 19.6%

Whisper salīdzinājumā ar cilvēku transkribētājiem

OpenAI lika četriem cilvēku transkripcijas pakalpojumiem un vienam datorizēti asistētam pakalpojumam transkribēt 25 Kincaid46 ierakstus. Datorizēti asistētais pakalpojums ieguva par 1.15 procentpunktiem labāku rezultātu nekā Whisper, bet tikai cilvēku pakalpojumi — par punkta daļu labāku. Raksta secinājums: nav perfekts, bet ļoti tuvs cilvēka līmeņa precizitātei.

Modeļa izmēram ir nozīme

Whisper pieejams vairākos izmēros, un lietotnes ne vienmēr norāda izmantoto (pielikuma 9. tabula):

Modelis Parametri LibriSpeech clean Common Voice 5.1 Switchboard CHiME-6
tiny 39M 6.7% 26.1% 18.3% 48.0%
base 74M 4.9% 19.4% 15.6% 40.0%
small 244M 3.3% 12.8% 13.3% 30.9%
medium 769M 2.7% 9.7% 13.2% 27.6%
large-v2 1550M 2.5% 8.2% 13.6% 24.9%

Atšķirība pieaug, audio kļūstot grūtākam: aptuveni 4 punkti skaidrās audiogrāmatās un 23 punkti vakariņās. Jaunākais turbo modelis, optimizēts large-v3, pieņem OpenAI GitHub README aprakstīto minimālu precizitātes kritumu par daudz ātrāku transkripciju.

Cik precīzs Whisper ir citās valodās?

Ārpus angļu valodas precizitāte galvenokārt atkarīga no Whisper apmācības audio daudzuma attiecīgajā valodā. Rakstā konstatēta kvadrātiskā korelācija 0.83 starp apmācības stundu un WER logaritmiem, un aplēsts, ka WER samazinās uz pusi, datu daudzumam pieaugot 16 reizes. Lielākajai daļai no 96 neangļu valodām bija mazāk par 1,000 stundām.

Atlasīti Fleurs rezultāti (lasīti teikumi, large-v2, pielikuma 13. tabula):

Valoda Fleurs WER Piezīme
Spāņu 3.0% Zemākais tabulā
Angļu 4.2%
Portugāļu 4.3%
Vācu 4.5%
Japāņu 5.3% Rakstzīmju kļūdu īpatsvars
Krievu 5.6%
Franču 8.3%
Korejiešu 14.3% Atzīmēta kā novirze
Ķīniešu 14.7% Rakstzīmju kļūdu īpatsvars
Arābu 16.0%
Hindi 21.5%
Ivrits 27.1% Atzīmēta kā novirze
Svahili 39.3%
Telugu 99.0% Atzīmēta kā novirze

Rakstā ivrits, telugu, ķīniešu un korejiešu valoda atzīmēta kā sliktāka nekā prognozētu apmācības dati, iespējams, valodiskā attāluma, rakstībai slikti piemērota tokenizētāja vai datu kvalitātes dēļ. Fleurs ir lasīta runa, tāpēc sarunās sagaidāms augstāks kļūdu īpatsvars. README ir jaunāka large-v3 un large-v2 diagramma Common Voice 15 un Fleurs testos.

Spāņu rezultāti ir daudzsološi, ja transkribējat spāņu audio tekstā. Mazāk pārstāvētām valodām pirms visa projekta izmēģiniet īsu klipu.

Kas ietekmē Whisper precizitāti?

Ieraksta apstākļi ir svarīgāki par visu citu. Pierādījumi no raksta un modeļa kartes:

Faktors Ko rāda pierādījumi Ko darīt
Fona troksnis Krogam raksturīgā troksnī ar signāla un trokšņa attiecību zem 10 dB Whisper pārspēja visus 14 salīdzinātos modeļus, taču visiem rezultāti pasliktinājās, troksnim pieaugot Ierakstiet klusā telpā, tālu no ventilatoriem un mūzikas
Mikrofona attālums Tās pašas AMI sapulces: 17.4% ar austiņu mikrofoniem, 39.9% ar vienu galda mikrofonu Turiet mikrofonu tuvu runātājam
Saruna un pārklāšanās Telefonsarunās un vakariņās 13.6% līdz 24.9%, lasītā runā 2.5% Viens runātājs vienlaikus; katram savs mikrofons
Akcenti un dialekti Modeļa karte ziņo par nevienmērīgu precizitāti; garām CORAAL intervijām 19.6% Testējiet ar runātājiem, kas līdzinās jūsu ierakstiem
Reti vārdi un termini Labs rezultāts terminu bagātajā Meanwhile kopā (5.1%), taču vārdi un tehniskie termini joprojām bieži kļūdaini Pārbaudiet vārdus un terminus pēc saraksta
Valodas resursi Fleurs WER no 3.0% (spāņu) līdz 99.0% (telugu) Izvēlieties valodu paši; mazāk pārstāvētām valodām plānojiet vairāk pārbaudes
Modeļa izmērs tiny CHiME-6 kopā 48.0%, large-v2 24.9% Jautājiet, kuru modeli rīks izmanto, vai lietojiet lielāko iespējamo
Faila formāts un diskretizācijas frekvence Whisper kods visu audio pārveido uz 16 kHz mono 48 kHz WAV neko nedod salīdzinājumā ar tīru 16 kHz failu

MP3 pārveidošana lielā WAV neatjauno zaudētās detaļas. Tīrs ieraksts ar mērenu bitu ātrumu ir labāks par trokšņainu ar augstu bitu ātrumu.

Zināmās Whisper problēmas: halucinācijas, atkārtojumi un laika atzīmes

OpenAI dokumentē katru no šīm kļūdām, kuras var būt svarīgākas, nekā rāda to daļa WER.

Halucinēts teksts

Whisper var uzrakstīt vārdus, kurus neviens nav teicis. Modeļa karte norāda, ka prognozēs var būt teksts, kas audio nav izrunāts, iespējams, tāpēc, ka modelis prognozē arī ticamākos nākamos vārdus. Raksta ierobežojumu sadaļā minēta pat pilnīga halucinācija — ar audio nesaistīta izvade.

Neatkarīgā pētījumā Careless Whisper (Koenecke un līdzautori, 2024) 2023. gada aprīlī un maijā caur OpenAI Whisper API apstrādāti 13,140 audio segmenti. Aptuveni 1% transkripciju (vidēji 1.4%) ietvēra veselas izdomātas frāzes vai teikumus, un 38% no tiem bija kaitīgs saturs, piemēram, vardarbība vai nepatiesas asociācijas. Tas biežāk notika runātājiem ar garākām pauzēm, šajā gadījumā cilvēkiem ar afāziju. API kopš tā laika mainījies, tāpēc uztveriet to kā 2023. gada mērījumu.

Atkārtošanās un izlaisti vārdi

Modeļa karte norāda, ka Whisper mēdz veidot atkārtotu tekstu; beam search un temperatūras plānošana to samazina, bet ne pilnībā. Rakstā minēta arī segmenta pirmo vai pēdējo vārdu izlaišana. Dekodēšanas uzlabojumi samazināja vidējo garo ierakstu WER no 11.0% uz 10.0% — labāk, bet problēma nav atrisināta.

Klusums, mūzika un aizpildītājvārdi

Izdomāts teksts mēdz parādīties garā klusumā un mūzikas laikā. Rakstā konstatēts, ka Whisper “no speech” signāls viens pats nav uzticams, un atvērtā pirmkoda kodam tagad ir iespēja izlaist garu klusumu, ja konstatēta iespējama halucinācija.

Laika atzīmju nobīde un gari faili

Whisper apstrādā garu audio pa 30 sekunžu logam, izmantojot paša prognozētās laika atzīmes nākamā loga novietošanai, tāpēc kļūda vienā logā var pāriet nākamajā. Vārdu līmeņa laika atzīmes kodā ir apzīmētas kā “eksperimentālas”. Subtitriem pārbaudiet laiku ap pauzēm.

Izstrādes laikā OpenAI arī novēroja, ka Whisper min runātāju vārdus, kas gandrīz vienmēr ir nepareizi. Izlaistie modeļi papildus pielāgoti, lai to samazinātu, bet pārbaudiet katru vārdu tekstā.

10 veidi, kā uzlabot Whisper transkripcijas precizitāti

Lielākais ieguvums rodas pirms transkripcijas sākšanas. Aptuveni no lielākās ietekmes uz mazāko:

  1. Novietojiet mikrofonu tuvu. Attālums vien vairāk nekā dubultoja kļūdu īpatsvaru AMI sapulcēs.
  2. Samaziniet troksni tā avotā. Aizveriet logus, izslēdziet ventilatorus, apturiet mūziku.
  3. Izvairieties no runas pārklāšanās. Viens cilvēks vienlaikus palīdz vairāk nekā jebkurš iestatījums.
  4. Izgrieziet garu klusumu un mūzikas ievadus, kur visbiežāk parādās izdomāts teksts. Grieziet pauzēs, nevis teikuma vidū.
  5. Iestatiet valodu paši. Whisper pareizi noteica valodu 80.3% gadījumu 82 Fleurs valodās, tāpēc automātika var kļūdīties īsos vai akcentētos klipos.
  6. Izmantojiet lielāko pieejamo modeli, īpaši trokšņainiem ierakstiem.
  7. Ja mitināt paši, uzvednē norādiet vārdus un terminus. Atvērtā pirmkoda Whisper pieņem --initial_prompt ar gaidāmo rakstību.
  8. Augšupielādējiet oriģinālu. Pārraide caur skaļruņiem vai atkārtota saspiešana zaudē detaļas.
  9. Pārbaudiet terminus. Meklējiet katru vārdu, skaitli, datumu un saīsinājumu un pārbaudiet pret audio.
  10. Pārskatiet divreiz. Vispirms labojiet kļūdas normālā ātrumā. Tad meklējiet halucināciju pazīmes: atkārtotas rindas, teikumus klusumā, noslēgumus kā “Paldies par skatīšanos.” Juridiskam, medicīniskam vai publicējamam darbam lūdziet cilvēkam pārbaudīt visu.

Kā izmērīt Whisper precizitāti savā audio

Labākais novērtējums jūsu darbam ir 30 minūšu tests ar saviem ierakstiem. Šie soļi jāveic jums; tas nav whispertranscribe.ai tests.

  1. Izvēlieties trīs 2 minūšu klipus, kas līdzinās darbam: vienu vieglu, vienu tipisku, vienu grūtu.
  2. Ar roku uzrakstiet atsauces transkriptu vārds vārdā. Vispirms nosakiet noteikumus: saglabāt vai atmest “ē”, cipari vai vārdi skaitļiem.
  3. Transkribējiet katru klipu ar pārbaudāmo rīku un saglabājiet vienkāršu tekstu.
  4. Normalizējiet abus tekstus vienādi. OpenAI normalizators nāk kopā ar openai-whisper.
  5. Aprēķiniet WER ar jiwer:
# pip install jiwer openai-whisper
import jiwer
from whisper.normalizers import EnglishTextNormalizer

norm = EnglishTextNormalizer()
ref = norm(open("reference.txt", encoding="utf-8").read())
hyp = norm(open("transcript.txt", encoding="utf-8").read())

out = jiwer.process_words(ref, hyp)
print(f"WER {out.wer:.1%}  S={out.substitutions} D={out.deletions} I={out.insertions}")
  1. Atsevišķi saskaitiet kritiskās kļūdas. Pieci nepareizi aizpildītājvārdi un pieci nepareizi klientu vārdi rada vienādu WER, bet nav vienāda problēma.
  2. Pierakstiet rezultātus, lai salīdzinātu rīkus vai iestatījumus:
Klips Apstākļi Atsauces vārdi S D I WER Kritiskās kļūdas
Klips A Klusa telpa, viens runātājs 310
Klips B Videozvans, divi runātāji 285
Klips C Kafejnīca, runātājs ar akcentu 296

Vārdu skaits ir vietturis. Uzmanību 4. solim: OpenAI angļu normalizators var pielīdzināt “Dr.” un “doctor”, “two” un “2”, taču “9th” un “ninth” joprojām var uzskatīt par kļūdu. Pirms uzticaties rezultātam, izlasiet atzīmētās atšķirības.

Cik precīzs ir whispertranscribe.ai?

whispertranscribe.ai ir tīmekļa AI transkripcijas rīks ar Whisper, kas atbalsta 130+ valodas un failu augšupielādi līdz 5GB un 10 stundām. Skaidrā audio precizitāte sasniedz līdz 99%; fona troksnis, izteikti akcenti un runas pārklāšanās to samazina, kā redzams Whisper etalontestos iepriekš. Mēs neapgalvojam, ka sasniedzam vai pārspējam raksta rezultātus, un neesam publicējuši savu etalontestu, tāpēc pārbaudiet savus klipus pēc iepriekšējiem soļiem.

  • Noise / Low-Quality Audio/Video iespējas valodu izvēlnē daudzām valodām. Trokšņainam failam izmēģiniet standarta un trokšņa iespēju un salīdziniet.
  • 130+ valodas, Multilingual Mix un audio tulkošana angļu valodā.
  • Faili līdz 5GB un 10 stundām, runātāju noteikšana un laika atzīmes (visas funkcijas).
  • Tīra ievade: ierakstiet pārlūkā ar tuvu mikrofonu pēc vajadzīgās piekrišanas un atļaujas saņemšanas vai pārveidojiet video uz MP3, lai augšupielādētu tikai audio.
  • Eksports DOCX, PDF, TXT, CSV, SRT un VTT, kā arī subtitru ģenerators subtitriem ar laika atzīmēm.

Varat sākt bez maksas un bez konta. Maksas plāni sākas no $9.99/mēnesī ar gada norēķinu; skatiet cenas.

Biežāk uzdotie jautājumi

Vai Whisper precizitāte ir 99%?

Ne vispārīgi. Whisper labākais publicētais rezultāts ir 2.5% WER LibriSpeech test-clean kopā ar skaidri lasītām audiogrāmatām — aptuveni 97.5% pareizu vārdu. Telefonsarunās, sapulcēs un trokšņainās telpās OpenAI skaitļi ir aptuveni 13% līdz 40% WER. Apgalvojumam “99%” ir nozīme tikai tad, ja nosaukts audio, kuram tas mērīts. Whisper rīki, tostarp whispertranscribe.ai, jāvērtē ar jūsu ierakstiem, nevis virsraksta procentu.

Kurš Whisper modelis ir visprecīzākais?

Visprecīzākie ir lielie modeļi. OpenAI rakstā large-v2 bija zemākais kļūdu īpatsvars lielākajā daļā testa kopu, un large-v3 modeļa karte ziņo par 10% līdz 20% mazāk kļūdu daudzās valodās nekā large-v2. Turbo ir optimizēts large-v3, kurš, pēc OpenAI teiktā, zaudē nedaudz precizitātes, iegūstot daudz lielāku ātrumu. Mazākais modelis tiny sarežģītā audio ir daudz neprecīzāks: 48.0% WER trokšņainās vakariņās pret 24.9% large-v2.

Kāpēc Whisper raksta vārdus, kas netika teikti?

Whisper var halucinēt, jo tas apmācīts prognozēt ticamu tekstu, kā arī transkribēt skaņu, un OpenAI modeļa karte brīdina par tekstu, kura audio nav. Tas visbiežāk notiek garā klusumā, mūzikas vai trokšņa laikā. Neatkarīgā 2023. gada pētījumā halucinētas frāzes atrastas aptuveni 1% transkripciju, un pauzes to veicināja. Klusuma izgriešana, valodas iestatīšana un kluso vietu pārbaude samazina risku.

Cik precīzs Whisper ir ar akcentiem?

Whisper apstrādā akcentus labāk nekā daudzas vecākas sistēmas, bet ne vienmērīgi. OpenAI modeļa karte norāda, ka precizitāte atšķiras starp vienas valodas akcentiem un dialektiem. Rakstā garām intervijām afroamerikāņu angļu valodā (CORAAL) WER bija 19.6%, salīdzinot ar 3.5% pilnām TED runām, lai gan atšķiras arī ieraksta apstākļi. Drošākais ir testēt klipu ar jūsu reālajiem ierakstiem līdzīgiem runātājiem un paredzēt vairāk pārbaudes izteiktiem akcentiem.

Vai Whisper ir tikpat precīzs kā cilvēks?

Angļu valodā Whisper ir tuvu, bet nesasniedz labāko rezultātu. OpenAI salīdzināja to ar pieciem profesionāliem pakalpojumiem 25 ierakstos. Datorizēti asistētam pakalpojumam kopējais WER bija par 1.15 punktiem zemāks nekā Whisper, un četri tikai cilvēku pakalpojumi bija labāki par punkta daļu. Cilvēki joprojām mēdz labāk apstrādāt vārdus, pārklāšanos un neskaidru runu. Citēšanai, iesniegšanai vai publicēšanai cilvēkam jāpārbauda transkripts pret ierakstu.

Cik precīzs Whisper ir citās valodās?

Tas ļoti atšķiras. Fleurs testā large-v2 WER bija 3.0% spāņu, 4.5% vācu un 8.3% franču valodā, bet 27.1% ivritā un 99.0% telugu. Ķīniešu un japāņu valodai vērtē rakstzīmju kļūdu īpatsvaru: 14.7% un 5.3%. Raksts parādīja saistību starp precizitāti un apmācības audio daudzumu katrai valodai. Mazāk pārstāvētām valodām vispirms izmēģiniet īsu klipu un paredziet vairāk korekcijas laika.

Pārbaudiet precizitāti savā ierakstā

Etalontesti apraksta citu cilvēku audio. Augšupielādējiet klipu whispertranscribe.ai vienā no 130+ valodām un novērtējiet to pēc šīs rokasgrāmatas soļiem. Sāciet bez maksas un bez konta vai salīdziniet plānus.

Saistītie raksti: Kas ir Whisper AI? · Labākā bezmaksas transkripcijas programmatūra · Labākās TurboScribe alternatīvas · Kā transkribēt YouTube video · Kas ir SRT fails? · Iededzināti un atsevišķi subtitri

Atsauces

Vēlaties pārvērst savus ierakstus tekstā?

Transkribējiet audio un video ar whispertranscribe.ai.

Sākt transkribēšanu ↗