MP3 लाई पाठमा कसरी बदल्ने? 4 विधिको तुलना

लेखक: whispertranscribe.ai को सम्पादकीय टोली · पछिल्लो अद्यावधिक: नोभेम्बर 2026 · पढ्न 12 मिनेट

MP3 बाट पाठ बनाउन AI प्रतिलिपि उपकरणमा फाइल राख्नुहोस्, बोलिएको भाषा छान्नुहोस् र DOCX, TXT वा SRT निर्यात गर्नुहोस्। Microsoft Word को Transcribe चलाउन, आफैँ टाइप गर्न वा OpenAI को निःशुल्क Whisper मोडेल आफ्नै कम्प्युटरमा चलाउन पनि सक्नुहुन्छ। जुन विधि छाने पनि नतिजा MP3 को गुणस्तरमा निर्भर हुन्छ।

तल चारै विधिका चरण र फाइलको बिटरेट तथा स्याम्पल दर बुझ्ने तरिका छन्। त्यससँगै अडियो जाँचसूची, लामो फाइल र धेरै वक्ताका लागि सुझाव र तीनपटक पाठ जाँच्ने विधि छ।

छोटो उत्तर: MP3 लाई पाठमा कसरी बदल्ने?

धेरैजसोका लागि अनलाइन उपकरण सबैभन्दा छिटो हुन्छ। MP3 जस्ताको तस्तै लिएर वक्ताको लेबल लगाउँछ र सम्पादन गर्न मिल्ने फाइल दिन्छ। Microsoft 365 को सदस्यता पहिल्यै छ भने Word चलाउनुहोस्। छोटो अंश आफैँ टाइप गर्नुहोस्। अडियो उपकरणबाट बाहिर जान नहुने भए Whisper कम्प्युटरमै चलाउनुहोस्।

  1. फाइल जाँच्नुहोस्। स्वर प्रस्ट छ कि थाहा पाउन 30 सेकेन्ड सुन्नुहोस्।
  2. अपलोड र सेटिङ मिलाउनुहोस्। बोलिएको भाषा छान्नुहोस्। एकभन्दा बढी जना बोल्छन् भने वक्ता पहिचान खोल्नुहोस्।
  3. जाँचेर निर्यात गर्नुहोस्। नाम र सङ्ख्या सच्याउनुहोस्। कागजातका लागि DOCX वा TXT र क्याप्सनका लागि SRT वा VTT लिनुहोस्।

कुन विधि छान्ने?

अडियोको मात्रा, वक्ताका लेबल चाहिन्छ कि, र अडियो कहाँ पठाउन मिल्छ भन्ने हेर्नुहोस्। Microsoft को विवरण नोभेम्बर 2026 मा जाँचिएको हो।

विधि लागत वक्ताका लेबल अडियो कहाँ जान्छ उपयोग
1. अनलाइन प्रतिलिपि उपकरण धेरै उपकरणमा निःशुल्क सुरुवात, बढी प्रयोगका लागि सशुल्क योजना धेरै उपकरणमा हुन्छ प्रदायकका सर्भर अन्तर्वार्ता, पोडकास्ट, व्याख्यान र नियमित काम
2. Microsoft Word Transcribe Microsoft 365 मा समावेश, महिनामा 300 मिनेटसम्म अपलोड हुन्छ (Speaker 1, Speaker 2) Microsoft का सर्भर, फाइल आफ्नो OneDrive मा पहिल्यै Word चलाइरहेको भए कहिलेकाहीँ प्रयोग गर्न
3. हातैले टाइप गर्ने निःशुल्क, तर घण्टौँ लाग्छ आफैँ लगाउनुहोस् आफ्नै उपकरणमा रहन्छ छोटो अंश र शब्दशः उद्धरण
4. कम्प्युटरमै Whisper निःशुल्क, खुला स्रोत आधिकारिक उपकरणमा छैन आफ्नै उपकरणमा रहन्छ गोप्य अडियो, प्राविधिक प्रयोगकर्ता, धेरै फाइल

सुरु गर्नुअघि 60 सेकेन्डमा MP3 जाँच्नुहोस्

MP3 ले केही आवाजको जानकारी हटाएर फाइल सानो बनाउँछ। Library of Congress को ढाँचा विवरण अनुसार कम सुनिने आवाज हटाइन्छ। 128 kbit/s मा MP3 को आकार CD गुणस्तरको अडियोको करिब एघारौँ भाग हुन्छ। छुटेका विवरण फर्काउन मिल्दैनन्, त्यसैले फाइलको विवरण बुझ्नुहोस्।

Windows मा Properties → Details र Mac मा Get Info खोल्नुहोस्। FFmpeg स्थापना भएको छ भने यो कमान्डले कोडेक, स्याम्पल दर, च्यानल, बिटरेट र अवधि देखाउँछ:

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

मूल अङ्ग्रेजी लेखमा FFmpeg 7.1 र छोटो MP3 बाट कमान्डको लेखाइ जाँचिएको उल्लेख छ। यसले sample_rate=44100 र bit_rate=128000 जस्ता लाइन देखाउँछ। अर्थ यसप्रकार छ:

मान के बताउँछ प्रतिलिपिमा प्रभाव
bit_rate सङ्कुचनपछि प्रति सेकेन्ड बाँकी डेटा धेरै कम बिटरेटमा कम विवरण बाँकी हुन्छ। पछि फर्काउन मिल्दैन
sample_rate एक सेकेन्डमा ध्वनि कति पटक नापिएको छ Google ले वाणी पहिचानका लागि 16,000 Hz वा बढी सुझाउँछ
channels मोनो (1) वा स्टेरियो (2) स्टेरियो चल्छ। Whisper ले फाइल लिँदा मोनो बनाउँछ
duration रेकर्डिङको अवधि उपकरणको अवधि वा मिनेट सीमा पुग्छ कि देखाउँछ

MP3 को बिटरेटले शुद्धतामा प्रभाव पार्छ?

पार्न सक्छ। Google Cloud को वाणी पहिचान मार्गदर्शिका अनुसार MP3 सहित विवरण हटाउने कोडेकले शुद्धता घटाउन सक्छन्। यस्ता कोडेकसँग हल्ला र प्रतिध्वनिले अझ असर गर्छन्। शुद्धता सुनिश्चित गर्ने कुनै निश्चित बिटरेट प्रकाशित छैन। उच्च बिटरेटभन्दा माइक नजिकको प्रस्ट स्वर महत्त्वपूर्ण हुन्छ।

आफूसँग भएको उत्तम संस्करण पाठमा बदल्नुहोस्। मूल WAV वा FLAC छ भने त्यही लिनुहोस्। 96 kbps को फाइल 320 kbps मा फेरि इन्कोड गरेर वा WAV बनाएर आकार बढ्छ, विवरण फर्किँदैन।

वाणी पहिचानका लागि कुन स्याम्पल दर चाहिन्छ?

वाणी पहिचानमा प्रायः 16 kHz पुग्छ। OpenAI को खुला स्रोत Whisper ले FFmpeg बाट फाइल पढ्छ, मोनो बनाउँछ र मोडेललाई दिनुअघि 16,000 Hz मा बदल्छ (GitHub मा whisper/audio.py)। Google ले पनि आफैँ स्याम्पल दर नबदल्न सुझाउँछ। 8,000 Hz मा बनेको फोन रेकर्डिङ जस्ताको तस्तै पठाउनुहोस्।

सामान्य MP3 मा 44.1 kHz वा 48 kHz पर्याप्तभन्दा बढी हो। अपलोडअघि स्याम्पल दर नबदल्नुहोस्।

अडियो गुणस्तर जाँचसूची

महत्त्वपूर्ण कामअघि:

  • सुरुको र बीचको अंश सुन्नुहोस्। भाषा ठीक छ र सबैका स्वर सुनिन्छन्?
  • स्वरको स्तर जाँच्नुहोस्। ffmpeg -i interview.mp3 -af volumedetect -f null - ले औसत र उच्चतम स्तर दिन्छ। उच्चतम स्तर 0 dB नजिक हुँदा स्वर काटिएको हुन सक्छ। बिग्रिएका उच्च भाग सच्याउन गाह्रो हुन्छ।
  • धेरै हल्ला हटाउने सेटिङ नचलाउनुहोस्। Google का अनुसार पहिचानअघि हल्ला घटाउँदा प्रायः शुद्धता घट्छ।
  • नाम, संक्षिप्त रूप र प्राविधिक शब्द टिप्नुहोस् ताकि पछि जाँच्न सकियोस्।
  • मूल फाइल राख्नुहोस्, प्रतिलिपि अन्तिम नभएसम्म।

विधि 1: MP3 अनलाइन प्रतिलिपि उपकरणमा पठाउनुहोस्

लामो MP3 बाट सम्पादनयोग्य पाठ बनाउने छिटो उपाय अनलाइन उपकरण हो। मोडेल सेवाको सर्भरमा चल्छ। केही स्थापना गर्नुपर्दैन। तलका चरण whispertranscribe.ai का लागि हुन्। whispertranscribe.ai ले OpenAI को Whisper बाट अडियो र भिडियो 130 भन्दा बढी भाषामा पाठ बनाउँछ र 5 GB तथा 10 घण्टासम्मका फाइल लिन्छ। अरू उपकरण मिल्दोजुल्दो तर फरक मेनुमा चल्छन्।

चरण 1: MP3 प्रतिलिपि पृष्ठ खोल्नुहोस् र भाषा छान्नुहोस्

MP3 बाट पाठ बनाउने पृष्ठ खोलेर चरण 1 मा बोलिएको भाषा छान्नुहोस्। 130 भन्दा बढी भाषा, भारतीय अङ्ग्रेजी जस्ता क्षेत्रीय रूप र कमजोर रेकर्डिङका लागि Noise / Low-Quality Audio/Video छन्।

चरण 2: MP3 अपलोड गर्नुहोस्

चरण 2 मा फाइल तानेर राख्नुहोस् वा उपकरणबाट छान्नुहोस्। 5 GB सम्मको फाइल र योजनाअनुसार 10 घण्टासम्म रेकर्डिङ लिन्छ। WAV, M4A, FLAC, MP4 र MOV पनि चल्छन्।

चरण 3: आवश्यक भए वक्ता पहिचान खोल्नुहोस्

अन्तर्वार्ता, बैठक र पोडकास्टका लागि Enable Speaker Detection खोल्नुहोस्। हरेकले बोलेको अंशमा लेबल आउँछ।

चरण 4: प्रतिलिपि सुरु गर्नुहोस्

Transcribe MP3 to text थिच्नुहोस्। प्रस्ट अडियोमा शुद्धता 99% सम्म पुग्छ। हल्ला, बाक्लो लवज र एकैपटकको बोलीले घटाउँछन्। पाठ जाँच्ने समय राख्नुहोस्।

चरण 5: प्रतिलिपि निर्यात गर्नुहोस्

कागजात र विश्लेषणका लागि DOCX, PDF, TXT वा CSV र समयसहित क्याप्सनका लागि SRT वा VTT लिनुहोस्। पहिलेदेखि सबटाइटल चाहिएको हो भने MP3 बाट SRT बनाउने उपकरण ले सीधै फाइल दिन्छ।

योजना छान्नुअघि खाताबिना निःशुल्क जाँच्न सक्नुहुन्छ। सशुल्क योजना वार्षिक बिलिङमा मासिक $9.99 बाट सुरु हुन्छन्। मूल्य हेर्नुहोस्। ठूलो भिडियो अडियो र भिडियो MP3 मा बदल्ने उपकरण ले सानो बनाउन सकिन्छ। Google Drive वा Dropbox को MP3 सीधै URL बाट प्रतिलिपि मा दिन सकिन्छ।

ध्यान दिनुहोस्: अनलाइन उपकरणले अडियो प्रदायकका सर्भरमा पठाउँछन्। गोप्य रेकर्डिङ भए गोपनीयता नीति हेर्नुहोस् वा विधि 3 वा 4 अपनाउनुहोस्।

विधि 2: Microsoft Word को Transcribe चलाउनुहोस्

Microsoft 365 मा Word ले MP3 पाठमा बदल्न सक्छ। नोभेम्बर 2026 मा जाँचिएको Microsoft Support अनुसार Transcribe ले .mp3, .wav, .m4a र .mp4 लिन्छ र वक्ता छुट्याउँछ।

  1. Microsoft 365 मा साइन इन गर्नुहोस्। वेबको Word (नयाँ Microsoft Edge वा Chrome) वा Windows को Word for Microsoft 365 मा कागजात खोल्नुहोस्।
  2. Home → Dictate (ड्रपडाउन) → Transcribe मा जानुहोस्।
  3. Transcribe प्यानलमा Upload audio थिचेर MP3 छान्नुहोस्।
  4. काम भइरहँदा प्यानल खुला राख्नुहोस्। Microsoft अनुसार फाइलकै अवधि जति लाग्न सक्छ।
  5. जाँच्नुहोस्। कुनै अंश 2 गुणासम्मको गतिमा बजाउनुहोस्, पाठ सम्पादन गर्नुहोस् वा «Speaker 1» लाई सबै ठाउँमा एकैपटक बदल्नुहोस्।
  6. पाठ कागजातमा राख्न Add all to document छान्नुहोस्। DOCX मा सेभ गर्नुहोस्।

सीमाहरू: Microsoft 365 मा महिनामा 300 मिनेटसम्मको अडियो अपलोड मिल्छ। प्रति कागजात एक प्रतिलिपि रहन्छ र अपलोड OneDrive को Transcribed Files फोल्डरमा जान्छ। Microsoft का अनुसार Windows डेस्कटप अहिले व्यावसायिक संस्थाका खाताका लागि मात्र हो। सहायता पृष्ठमा SRT वा VTT निर्यात छैन। Word कागजातका लागि बढी उपयुक्त छ।

विधि 3: MP3 बाट आफैँ टाइप गर्नुहोस्

आफैँ टाइप गर्न पैसा लाग्दैन र अडियो उपकरणमै रहन्छ, तर समय लाग्छ। छोटो अंश, शब्दशः उद्धरण वा उपकरणले गल्ती गरेको अंशका लागि उपयोगी छ।

  1. गति घटाउन र सर्टकटले पछाडि जान मिल्ने प्लेयरमा MP3 खोल्नुहोस्। छेउमा खाली कागजात राख्नुहोस्।
  2. गति करिब 0.75 गुणा राख्नुहोस् र छोटा टुक्रामा काम गर्नुहोस्। एउटा वाक्यांश बजाउनुहोस्, रोक्नुहोस्, टाइप गर्नुहोस् र आवश्यक भए फर्कनुहोस्।
  3. प्रत्येक पालोमा वक्ता चिनाउनुहोस्, जस्तै अन्तर्वार्ताकार: र मारिया:। W3C को प्रतिलिपि मार्गदर्शिका अनुसार पोडकास्टको पाठ वक्ता चिनाइएका सामान्य अनुच्छेदमा हुन सक्छ।
  4. नसुनिएको भागमा समयसहित चिन्ह लगाउनुहोस्, जस्तै [सुनिएन 00:14:32], ताकि पछि फर्कन सकियोस्।
  5. अन्त्यमा सामान्य गतिमा बजाएर सँगै पढ्नुहोस् र उस्तै सुनिने शब्द गलत परे कि हेर्नुहोस्।

वा पहिले उपकरणबाट मस्यौदा बनाएर महत्त्वपूर्ण भागमा मात्र यो तरिका चलाउनुहोस्।

विधि 4: आफ्नै कम्प्युटरमा Whisper चलाउनुहोस्

Whisper, OpenAI को खुला स्रोत वाणी पहिचान मोडेल हो। OpenAI को अनुसन्धानपत्र अनुसार 680,000 घण्टा बहुभाषिक अडियोमा तालिम दिइयो। स्थानीय रूपमा चलाउन शुल्क र अपलोड पर्दैन। सेटअपका लागि Python र FFmpeg चाहिन्छ। सुस्त कम्प्युटरमा बढी समय लाग्छ।

आधिकारिक रिपोजिटरी को निर्देशनअनुसार स्थापना गर्नुहोस्:

pip install -U openai-whisper

FFmpeg स्थापना गरेर PATH मा राख्नुहोस्। त्यसपछि पाठ बनाउनुहोस्:

whisper interview.mp3 --model turbo --language English --output_format srt

सादा पाठका लागि --output_format txt थप्नुहोस्, वा फ्ल्याग हटाएर TXT, VTT, SRT, TSV र JSON एकैपटक लेखाउनुहोस्। CPU मा चेतावनी हटाउन --fp16 False थप्नुहोस्। मूल अङ्ग्रेजी लेखमा यी कमान्डको लेखाइ openai-whisper 20250625 र tiny मोडेलबाट सार्वजनिक स्वामित्वको छोटो क्लिपमा जाँचिएको उल्लेख छ।

मोडेल प्यारामिटर अनुमानित VRAM (OpenAI अनुसार) large सँग तुलना गर्दा गति (OpenAI अनुसार)
tiny 39 M करिब 1 GB करिब 10 गुणा
small 244 M करिब 2 GB करिब 4 गुणा
medium 769 M करिब 5 GB करिब 2 गुणा
turbo (पूर्वनिर्धारित) 809 M करिब 6 GB करिब 8 गुणा
large 1550 M करिब 10 GB 1 गुणा

OpenAI का अनुसार turbo थोरै मात्र शुद्धता घटाएर गति बढाइएको large-v3 हो। यो अनुवादका लागि प्रशिक्षित छैन।

सीमा: आधिकारिक उपकरणमा वक्ताका लेबल, सम्पादक र DOCX वा PDF निर्यात छैन। OpenAI अनुसार भाषापिच्छे गुणस्तर फरक पर्छ। केही सामुदायिक परियोजनाले छुट्टै सेटअपसहित थप सुविधा दिन्छन्।

लामो MP3, धेरै वक्ता र अरू भाषा कसरी सम्हाल्ने?

लामो रेकर्डिङ

अपलोडअघि सीमा हेर्नुहोस्। whispertranscribe.ai का योजनामा 10 घण्टा र 5 GB सम्मको फाइल मिल्छ। Word को कुल मासिक सीमा पाँच घण्टा हो। उपकरणको सीमा कम छ भने FFmpeg ले पुनः इन्कोड नगरी MP3 लाई एक घण्टाका भागमा काट्न सक्छ:

ffmpeg -i lecture.mp3 -f segment -segment_time 3600 -c copy lecture_part_%03d.mp3

वाक्यको बीचमा काटिन सक्छ। पाठ जोड्दा ती ठाउँ हेर्नुहोस्। कक्षा र भाषणका लागि व्याख्यानको प्रतिलिपि हेर्नुहोस्।

धेरै वक्ता

वक्ता पहिचान खोल्नुहोस् र बाँड्नुअघि सामान्य लेबललाई वास्तविक नामले बदल्नुहोस्। एकअर्काको कुरा काट्दा वा स्वर मिल्दा लेबल बिग्रन सक्छन्। हरेक वक्ताको केही पालो जाँच्नुहोस्। अर्को सत्रमा प्रत्येकलाई अलग माइक दिनुहोस्।

अरू भाषा र लवज

विशेषतः फाइलको सुरुमा सङ्गीत भए भाषा आफैँ छान्नुहोस्। whispertranscribe.ai को Multilingual Mix ले अङ्ग्रेजी, स्पेनी, फ्रान्सेली, जर्मन, हिन्दी, रुसी, पोर्चुगाली, जापानी, इटालेली र डचबीच भाषा बदलिने रेकर्डिङ समेट्छ। गैरअङ्ग्रेजी MP3 बाट अङ्ग्रेजी पाठ चाहिए, अलग-अलग पाठ र अनुवाद गर्नुभन्दा अडियो अङ्ग्रेजीमा अनुवाद गर्ने उपकरण चलाउनुहोस्।

MP3 को प्रतिलिपि 3 चरणमा कसरी जाँच्ने?

AI को मस्यौदामा प्रायः निश्चित ठाउँहरूमा गल्ती हुन्छ। सबै अडियो फेरि सुन्नुपर्ने अवस्था कम आउँछ।

चरण 1: पाठ खोज्नुहोस्। नाम र शब्दको सूची प्रयोग गरी खोज्ने र बदल्ने सुविधा चलाउनुहोस्। गलत हिज्जे एकैपटक सच्याउन सकिन्छ।

चरण 2: गल्ती हुन सक्ने भाग सुन्नुहोस्। यी ठाउँमा पुगेर अडियोसँग जाँच्नुहोस्:

भाग प्रायः के बिग्रन्छ कसरी जाँच्ने
सङ्ख्या र मिति «पन्ध्र» र «पचास» साटिने वा दशमलव छुट्ने उद्धृत गर्ने हरेक सङ्ख्या फेरि सुन्नुहोस्
नाम र ब्रान्ड उच्चारणको भरमा गलत हिज्जे आफ्नो शब्दसूचीसँग मिलाउनुहोस्
एकैपटकको बोली दुई वाक्य जोडिने वा एउटा छुट्ने सामान्य गतिमा र त्यसपछि बिस्तारै सुन्नुहोस्
वक्ता बदलिँदा गलत व्यक्तिलाई लाइन दिने बदलिएको ठाउँपछिको पहिलो लाइन हेर्नुहोस्
सानो स्वर वा टाढाको आवाज शब्द छुट्ने त्यो अंशको आवाज ठूलो पार्नुहोस्
सुरु र अन्तिम मिनेट अनौपचारिक संवाद, सङ्गीत वा गलत भाषा अनुमान आवश्यकताअनुसार मेट्नुहोस् वा सच्याउनुहोस्

चरण 3: कागजात जसरी पढ्नुहोस्। अडियो नबजाई एकपटक पढ्नुहोस्। अर्थ नमिले फेरि सुन्नुहोस्। अझै नसुनिए अनुमान नगरी [अस्पष्ट] लेख्नुहोस्।

कुन निर्यात ढाँचा चाहिन्छ?

पछिको प्रयोगअनुसार छान्नुहोस्। कागजातका लागि DOCX वा TXT र भिडियोमा देखिने पाठका लागि SRT वा VTT लिनुहोस्।

ढाँचा उपयोग
DOCX सम्पादन, प्रतिवेदन, लेख र कार्यक्रमका नोट
PDF बाँड्न वा अभिलेखका लागि स्थिर प्रति
TXT अरू एपमा टाँस्न वा AI सारांश बनाउन
CSV स्प्रेडसिट र अनुसन्धान विश्लेषण
SRT YouTube, भिडियो सम्पादक र प्लेयरका सबटाइटल
VTT HTML5 वेब भिडियो प्लेयरका क्याप्सन

फोनका भ्वाइस नोटका लागि भ्वाइस मेमोको प्रतिलिपि मा पनि यिनै विकल्प छन्।

बारम्बार सोधिने प्रश्न

MP3 लाई निःशुल्क पाठमा बदल्न सक्छु?

सक्नुहुन्छ। आफैँ टाइप गर्न शुल्क लाग्दैन। OpenAI को खुला स्रोत Whisper कम्प्युटरमा चलाउँदा सेटअप समय र हार्डवेयर चाहिन्छ। धेरै अनलाइन उपकरणमा निःशुल्क सुरु गर्न मिल्छ। whispertranscribe.ai मा खाताबिना निःशुल्क परीक्षणबाट आफ्नो अडियोको नतिजा हेर्न सक्नुहुन्छ। निःशुल्क विकल्पमा अवधि वा सुविधा सीमित हुन सक्छ। नियमित प्रयोगका लागि सशुल्क योजना तुलना गर्नुहोस्। whispertranscribe.ai को वार्षिक बिलिङमा मासिक $9.99 बाट सुरु हुन्छ।

MP3 फाइल पाठमा बदल्न कति समय लाग्छ?

AI उपकरणमा सामान्यतया फाइलको अवधिभन्दा धेरै कम लाग्छ, तर फाइल र सेवामा भर पर्छ। Microsoft का अनुसार Word को Transcribe ले फाइल जति नै समय लिन सक्छ। कम्प्युटरमा Whisper को गति हार्डवेयर र मोडेलमा भर पर्छ। साना मोडेल छिटा भए पनि धेरै गल्ती गर्छन्। हातैले टाइप गर्दा अडियोको अवधिभन्दा धेरै गुणा बढी समय लाग्छ। त्यसैले धेरैले छोटो अंश मात्र हातैले लेख्छन्।

MP3 लाई WAV मा बदल्दा शुद्धता बढ्छ?

बढ्दैन। MP3 लाई WAV मा राख्दा वा उच्च बिटरेटमा फेरि इन्कोड गर्दा आकार बढ्छ र MP3 बनाउँदा हटेको विवरण फर्किँदैन। MP3 ले सङ्कुचनमा विवरण हटाउँछ। मूल WAV वा FLAC छ भने त्यही फाइल पाठमा बदल्नुहोस्। नभए MP3 जस्ताको तस्तै पठाउनुहोस्। Whisper जस्ता उपकरणले आफैँ अडियोलाई 16 kHz मोनो बनाउँछन्, त्यसैले हातैले स्याम्पल दर बदल्नुपर्दैन।

धेरै वक्ता भएको MP3 लाई कसरी पाठमा बदल्ने?

वक्ता पहिचान भएको उपकरणमा सुरु गर्नुअघि त्यो सुविधा खोल्नुहोस्। पाठले प्रत्येक पालोमा Speaker 1 जस्तो सङ्ख्या भएको लेबल दिन्छ। पछि वास्तविक नाम राख्नुहोस्। Microsoft Word को Transcribe र whispertranscribe.ai दुवैले वक्ता लेबल गर्छन्। आधिकारिक Whisper कमान्ड लाइनमा त्यो सुविधा छैन। मानिसले एकअर्काको कुरा काटेको ठाउँका लेबल जाँच्नुहोस्, किनकि त्यहीँ प्रायः वक्ता मिसिन्छन्।

MP3 लाई Word कागजात बनाउन सक्छु?

सक्नुहुन्छ। छिटो तरिका अनलाइन उपकरणबाट MP3 पाठमा बदलेर DOCX निर्यात गर्नु हो। Word वा Google Docs मा सीधै खुल्छ। Microsoft 365 छ भने Word मा Home, Dictate, Transcribe र Upload audio बाट MP3 अपलोड गरी Add all to document छान्नुहोस्। Microsoft 365 को सदस्यतामा महिनामा 300 मिनेटसम्मको अडियो अपलोड समावेश छ।

MP3 बाट प्रतिलिपिको सट्टा सबटाइटल बनाउन सक्छु?

सक्नुहुन्छ। DOCX वा TXT को सट्टा SRT वा VTT निर्यात गर्नुहोस्। दुवैले प्रत्येक लाइनको समय राख्छन्, जसले प्लेयर वा सम्पादकलाई ठीक समयमा पाठ देखाउन दिन्छ। whispertranscribe.ai मा पाठ बनेपछि SRT वा VTT निर्यात गर्नुहोस् वा MP3 बाट SRT बनाउने उपकरण चलाउनुहोस्। Whisper को कमान्ड लाइनले पनि आउटपुट ढाँचाको विकल्पबाट SRT वा VTT लेख्छ।


जाँच्न तयार हुनुहुन्छ? whispertranscribe.ai को MP3 बाट पाठ बनाउने उपकरण मा फाइल पठाउनुहोस् वा अरू ढाँचाका लागि निःशुल्क अडियोबाट पाठ बनाउने उपकरण चलाउनुहोस्। दुवैमा 130 भन्दा बढी भाषा, वक्ताका लेबल र DOCX, PDF, TXT, CSV, SRT र VTT निर्यात छन्।

सन्दर्भ

आफ्ना रेकर्डिङलाई पाठमा बदल्न चाहनुहुन्छ?

whispertranscribe.ai बाट अडियो र भिडियोलाई पाठमा उतार्नुहोस्।

पाठमा उतार्न थाल्नुहोस् ↗