whispertranscribe.ai Editör Ekibi · Son güncelleme: Kasım 2026 · 12 dakikalık okuma
Kaydı siz yönetiyorsanız transkripsiyon için en iyi ses, mono ve 16 kHz veya üzerinde kaydedilmiş kayıpsız WAV (16 bit PCM) ya da FLAC'tır. Elinizde zaten MP3, M4A veya video varsa olduğu gibi yükleyin. Sıkıştırılmış dosyayı dönüştürmek kayıp ayrıntıları geri getirmez; mikrofon uzaklığı ve gürültü sonucu daha çok etkiler.
Aşağıda kayda basmadan önce seçim, mevcut dosyayla yapılacaklar, dosya boyutu formülleri, duruma göre ayarlar, FFmpeg komutları ve sorun giderme tablosu var.
Açıklama. Bu rehberi whispertranscribe.ai yayımlar. Teknik iddialar Google Cloud, OpenAI Whisper kodu, FFmpeg veya Library of Congress kaynaklarına bağlantılıdır. Bu yazı için doğruluk testi yapmadık ve hiçbir formatın belirli bir yüzde doğruluk artışı sağlayacağını vaat etmiyoruz.
Kısa cevap: transkripsiyon için en iyi ses formatı
Tek bir “kazanana” göre değil, iş akışındaki durumunuza göre seçin.
| Durumunuz | En iyi seçim | Neden? |
|---|---|---|
| Kayıt cihazı veya uygulama ayarlıyorsunuz | WAV (16 bit) veya FLAC, mono, 16 kHz ya da üzeri | Google konuşma tanıma için kayıpsız FLAC veya LINEAR16 önerir |
| Kayıt sırasında küçük dosya gerekiyor | Orta bit hızında konuşmaya uygun kayıplı kodek | Google'ın konuşma için tercih ettiği kayıplı kodekler sırasıyla AMR-WB, Ogg Opus, Speex |
| Elinizde MP3, M4A veya Opus var | Orijinali yükleyin | Yeniden kodlama hiçbir şeyi geri getirmez |
| Videonuz var (MP4, MOV, MKV) | Yükleyin; çok büyükse sesi çıkarın | Yalnızca ses kanalı kullanılır |
| Konuşmacılar ayrı kanallara kaydedildi | Kanalları koruyun | Her kişinin kendi kanalı varsa Google kanalları ayrı göndermeyi önerir |
Formatı hiç dert etmeye gerek olmayan durumlar: Telefon sesli notu, yayımlanmış podcast bölümü veya Zoom ya da Teams kaydı. Yükleyin, doğru konuşma dilini seçin ve isimleri kontrol etmeye zaman ayırın.
Format, kodek ve kapsayıcı: dosya uzantısının gizledikleri
Uzantı kapsayıcıyı belirtir, sıkıştırmayı her zaman belirtmez. Google'ın ses optimizasyonu rehberi, kodek ve dosya formatlarının aynı olmadığını açıklar. Üç yaygın sürpriz:
- WAV genellikle sıkıştırılmamış doğrusal PCM içerir ama başka kodlamalar da taşıyabilir (Library of Congress, WAVE).
- M4A, kayıplı AAC veya kayıpsız Apple Lossless (ALAC) içerebilir.
- OGG, genellikle ikisi de kayıplı olan Opus veya Vorbis içeren kapsayıcıdır.
Dosyanın içinde ne olduğunu görmek için FFmpeg'in ffprobe aracından yalnızca ses akışlarını isteyin:
ffprobe -v error -select_streams a -show_entries stream=index,codec_name,channels,sample_rate -of csv=p=0 meeting.mp4
Komut her ses akışı için bir satır gösterir. Çıktı yoksa dosyada ses kanalı bulunmayabilir; yüklemeden önce bunu fark edebilirsiniz.
Transkripsiyon için ses formatları karşılaştırması
Aşağıdaki tüm formatlar transkribe edilebilir. Değişen, ne kadar ayrıntının korunduğu ve dosyanın boyutudur. Boyutlar sonraki bölümdeki formüllerden gelir (1 MB = 1.000.000 bayt).
| Format | Kayıplı veya kayıpsız | Yaygın kaynak | Dakika başına boyut (örnek ayar) | Transkripsiyona etkisi | Ne yapmalı? |
|---|---|---|---|---|---|
| WAV (PCM) | Sıkıştırılmamış | Saha kayıt cihazları, ses düzenleyiciler | 16 kHz, 16 bit, mono: 1,92 MB; 44,1 kHz, 16 bit, stereo: 10,58 MB | Mikrofonun yakaladığı her şeyi korur | En iyi ana dosya; uzun oturumlarda boyuta dikkat |
| FLAC | Kayıpsız (sıkıştırılmış) | Arşivler, düzenleyici dışa aktarımları | Aynı WAV'dan küçük; tasarruf değişir | WAV ile aynı ses | Yer kazanmak için WAV yerine kullanın |
| AIFF / ALAC / CAF | AIFF genellikle sıkıştırılmamış; ALAC kayıpsız; CAF ikisini de taşıyabilir | Mac ve iPhone uygulamaları | AIFF: aynı ayarlarda WAV ile aynı | İçindeki kodeğe bağlı | Olduğu gibi yükleyin |
| MP3 | Kayıplı | Podcast'ler, indirmeler | 128 kbps'de 0,96 MB | Google: kayıplı kodekler doğruluğu düşürebilir | Olduğu gibi yükleyin |
| M4A / AAC | Genellikle kayıplı (AAC) | Sesli notlar, video sesleri | 64 kbps'de 0,48 MB | MP3 ile aynı uyarı | Orijinali yükleyin |
| OGG / Opus | Kayıplı | Mesajlaşma sesli notları, web görüşmeleri | 32 kbps'de 0,24 MB | Opus, Google'ın kayıplı konuşma için tercih listesinde | Olduğu gibi yükleyin |
| AMR (dar bant) | Kayıplı, yalnızca konuşma | Eski telefonlar ve arama kayıt cihazları | 12,2 kbps'de yaklaşık 0,09 MB | Yalnızca 200–3.400 Hz taşır (Library of Congress, AMR) | Olduğu gibi yükleyin; örnekleme hızını artırmayın |
Video dosyaları aynı şekilde çalışır: araç ses kanalını okur, tek maliyet daha büyük yüklemedir.
Ses dosyası ne kadar büyük? Formüller
İki formül, kayıt veya yükleme öncesi dosya boyutunu tahmin etmenizi sağlar.
Sıkıştırılmamış PCM (WAV, AIFF):
bytes per second = sample rate × (bit depth ÷ 8) × channels (saniye başına bayt = örnekleme hızı × bayt cinsinden bit derinliği × kanal sayısı)
Hesap örnekleri:
- 16 kHz, 16 bit, mono: 16.000 × 2 × 1 = saniyede 32.000 bayt. × 60 = 1.920.000 bayt, dakikada yaklaşık 1,92 MB veya saatte 115,2 MB.
- 44,1 kHz, 16 bit, stereo: 44.100 × 2 × 2 = saniyede 176.400 bayt, dakikada yaklaşık 10,58 MB veya saatte 635 MB.
- 48 kHz, 24 bit, stereo: 48.000 × 3 × 2 = saniyede 288.000 bayt veya saatte 1.036,8 MB.
Sabit bit hızında kayıplı biçim (MP3, AAC, Opus):
bytes per minute = bitrate in kbps × 1,000 ÷ 8 × 60 (dakika başına bayt = kbps cinsinden bit hızı × 1.000 ÷ 8 × 60, yani kbps × 7.500)
- 128 kbps: 128 × 7.500 = 960.000 bayt, dakikada yaklaşık 0,96 MB veya saatte 57,6 MB.
- 64 kbps: dakikada 0,48 MB; 32 kbps: dakikada 0,24 MB.
Gerçek dosyalar başlıklar nedeniyle biraz büyüktür ve değişken bit hızlı dosyalar ortalama çevresinde değişir. İkili birimleri (MiB) gösteren bilgisayarlar yaklaşık %5 daha düşük sayılar gösterir.
5 GB, 10 saat yükleme sınırında sayılar ne anlama gelir?
whispertranscribe.ai 5 GB ve 10 saate kadar dosya kabul eder. 5 GB'ın 5.000.000.000 bayt olduğu varsayımıyla yaygın ayarlar şöyle sığar:
| Ayar | 1 saat | 10 saat | 10 saat 5 GB'a sığar mı? |
|---|---|---|---|
| WAV, 16 kHz, 16 bit, mono | 115,2 MB | 1,15 GB | Evet |
| WAV, 44,1 kHz, 16 bit, stereo | 635 MB | 6,35 GB | Hayır: yaklaşık 7,9 saat sığar |
| WAV, 48 kHz, 24 bit, stereo | 1,04 GB | 10,37 GB | Hayır: yaklaşık 4,8 saat sığar |
| MP3, 128 kbps | 57,6 MB | 576 MB | Evet |
| Opus, 32 kbps | 14,4 MB | 144 MB | Evet |
Klasik WAV'ın kendi sınırı da vardır: 32 bit boyut alanı dosyayı yaklaşık 4 GB ile sınırlar ve daha uzun kayıtlar RF64 uzantısını gerektirir (Library of Congress). Çok uzun kayıpsız kayıtlarda FLAC veya 16 kHz mono WAV iki sorundan kaçınır.
Ses formatından daha önemli olanlar
Mikrofona yakın net bir sesin MP3 kaydı, genellikle gürültülü odanın karşısından alınmış kayıpsız dosyadan iyidir. Sonucu büyük ölçüde bu ayarlar ve alışkanlıklar belirler.
Örnekleme hızı: 16 kHz yeterli mi?
Konuşma için evet. Google 16.000 Hz veya üzerini önerir (en iyi uygulamalar); rehberi daha düşük hızların 8 kHz üzerinde çok az bilgi bıraktığını veya hiç bırakmadığını açıklar. OpenAI'nin açık kaynak Whisper kodu her girdiyi modele ulaşmadan 16.000 Hz monoya dönüştürür (whisper/audio.py). 44,1 veya 48 kHz'de kayıt uygundur, yalnızca daha büyüktür.
Hızı sonradan artırmak yardımcı olmaz: Google, 8 kHz'den 44,1 kHz'e yükseltilen dosyanın hâlâ yaklaşık 4 kHz'e kadar frekans aralığı taşıdığını belirtir. Genellikle 8.000 Hz olan telefon sesini orijinal hızında yükleyin.
Bit derinliği: 16 mı 24 bit mi?
Google en az 16 bit önerir ve dinamik aralık kayıtta belirlendiğinden 8 bit sesi 16 bite dönüştürmenin kazanç sağlamadığını söyler. Kayıt cihazınızın 24 bitini korumak zararsızdır; 16'yı 24'e çevirmek hiçbir şey eklemez.
Sıkıştırılmış dosyalarda bit hızı
Hiçbir standart iyi transkripsiyonu garanti eden bit hızı belirlemez. Google'ın rehberi kodek türüne ilişkindir: kayıplı kodekler doğruluğu azaltabilir ve kayıplı sıkıştırmada gürültü veya yankı daha fazla zarar verir. Sıkıştırmanız gerekiyorsa orta ayarda bir kez yapın ve WAV'dan MP3'e, oradan OGG'ye gibi zincirlerden kaçının.
Mikrofon uzaklığı, gürültü ve seviyeler
Google'ın ön işleme önerilerinden:
- Özellikle arka plan gürültüsünde mikrofonu makul ölçüde konuşmacıya yaklaştırın.
- Kırpılmadan kaçının. Bozulmuş tepe noktaları sonradan onarılamaz.
- Uygulama izin veriyorsa otomatik kazanç kontrolünü ve gürültü azaltmayı kapatın. Google tanımadan önce gürültü azaltmanın genellikle doğruluğu düşürdüğünü söyler.
Mono mu stereo mu?
Tek ortak mikrofon için mono yeterlidir. Whisper zaten stereoyu monoya indirger; iki tarafta aynı ses olması yüklemeyi yalnızca iki katına çıkarır. Her tarafta farklı kişi varsa, birçok arama kayıt cihazında veya kanal başına yaka mikrofonunda olduğu gibi stereo korunmalıdır. Google o durumda her kanalı ayrı, karışık kaydı ise olduğu gibi göndermeyi önerir.
Çok kanallı kayıtlar
Podcast ve uzaktan röportaj araçları genellikle her kişiyi ayrı kanala kaydeder. Ya karışık tek kanal dışa aktarıp konuşmacı etiketlerini açın (en kolay) ya da her kanalı ayrı transkribe edip metinleri zaman damgasına göre birleştirin (daha temiz ses, ancak birleştirme size kalır).
Duruma göre önerilen format ve ayarlar
“Zaten dosyam var” daha yaygın durumdur ve yanıt genellikle “yükleyin”dir.
| Durum | Seçebiliyorsanız kayıt biçimi | Zaten elinizde varsa | Yüklemeden önce | Dikkat |
|---|---|---|---|---|
| Yüz yüze röportaj | WAV veya FLAC, mikrofon başına mono, 44,1 veya 48 kHz | Telefondan M4A veya MP3 | İsim ve terimleri not edin | Konuk röportajcıdan daha sessiz olabilir |
| Uzaktan röportaj veya podcast, ayrı kanallar | Her konuşmacının kayıpsız kanalı | Ayrı WAV'lar ve karışık MP3 | Karışık veya ayrı kanalı seçin | Karışımda seslerin birbirine geçmesi |
| Toplantı kaydı (Zoom, Teams, Meet) | Sunuluyorsa platformun ses seçeneği | MP4 veya M4A | Sesi yalnızca video çok büyükse çıkarın | Tüm oda için tek dizüstü mikrofonu |
| Telefon sesli notu | Uygulama varsayılanı | .m4a | Orijinali dışa aktarın | Kayıt sırasında telefonun cepte olması |
| Yayımlanmış podcast bölümü | Uygulanmaz | Yayımlanmış MP3 | Varsa yayın öncesi WAV veya FLAC kullanın | Müzik girişleri; dili ayarlayın |
| Ders veya seminer | Mono, 16 bit, mikrofon eğitmene yakın | Uzun MP3 veya video | Uzunluğu 10 saate göre kontrol edin | Mikrofondan uzak izleyici soruları |
| Telefon görüşmesi kaydı | Kayıt cihazı varsayılanı | AMR, M4A veya 8 kHz WAV | Orijinal örnekleme hızını koruyun | Rıza kuralları; hızı yükseltmeyin |
Kayda başlamadan gerekli rızayı ve organizatör iznini alın. Telefon görüşmesi kaydetme ve eyaletlere göre arama kayıt yasaları rehberlerimiz konuyu ele alır. Bu hukuki tavsiye değildir.
FFmpeg ile transkripsiyon için ses nasıl dönüştürülür?
Yalnızca bir neden varsa dönüştürün: dosya çok büyükse, videodan daha küçük yükleme istiyorsanız, araç kodeki reddediyorsa veya konuşmacıları ayrı dosyalarda istiyorsanız. “Kalite” için dönüştürmek işe yaramaz.
Aşağıdaki beş dönüşüm macOS'ta FFmpeg 4.3 ile test edildi; çıktı ffprobe ile kontrol edilebilir. Seçenekler FFmpeg belgelerinde açıklanır.
1. Herhangi bir dosyayı 16 kHz mono 16 bit WAV'a (Whisper'ın içeride dönüştürdüğü biçim):
ffmpeg -i interview.m4a -ac 1 -ar 16000 -c:a pcm_s16le interview_16k.wav
2. Herhangi bir dosyayı 16 kHz mono FLAC'a (kayıpsız ve çoğunlukla WAV'dan küçük):
ffmpeg -i interview.m4a -ac 1 -ar 16000 -c:a flac interview_16k.flac
3. Videoyu küçük mono MP3'e (bir kayıplı adım ekler; boyut en önemliyse kullanın):
ffmpeg -i meeting.mp4 -vn -ac 1 -ar 16000 -c:a libmp3lame -b:a 64k meeting_16k.mp3
4. Videodan sesi yeniden kodlamadan çıkarın (MP4'te yaygın AAC sesinde çalışır):
ffmpeg -i meeting.mp4 -vn -c:a copy meeting_audio.m4a
5. İki kanallı kaydı konuşmacı başına dosyaya bölün (channelsplit filtresi kullanır):
ffmpeg -i call.m4a -filter_complex "channelsplit=channel_layout=stereo[L][R]" -map "[L]" left.wav -map "[R]" right.wav
| Seçenek | İşlevi |
|---|---|
-ac 1 |
Sesi tek kanala indirger |
-ar 16000 |
Çıkış örnekleme hızını 16.000 Hz yapar |
-c:a pcm_s16le |
16 bit sıkıştırılmamış PCM (standart WAV) yazar |
-vn |
Video akışını çıkarır |
-c:a copy |
Sesi kalite değişikliği olmadan kopyalar |
-b:a 64k |
Kayıplı bit hızını ayarlar |
Video sesi zaten AAC ise orijinal kaliteyi koruduğu için 3 yerine 4. komutu tercih edin. 8 kHz telefon sesinde örnekleme hızını artırmamak için -ar 16000 seçeneğini çıkarın.
Komut satırı yok mu? whispertranscribe.ai'nin ses ve videodan MP3'e dönüştürücüsü, MP4, MOV, MKV, WEBM veya AVI ses kanalını tarayıcıda çıkarır. Sayfa, WebAssembly kullandığını ve dosyaların yüklenmeden tarayıcıda işlendiğini söyler.
Büyük dosyalar: 5 GB ve 10 saatin altında kalmak
- Çok büyük ama 10 saatin altında: Genellikle video veya yüksek çözünürlüklü WAV. Sesi çıkarın (komut 4 veya tarayıcı dönüştürücüsü) ya da WAV'ı FLAC'a dönüştürün (komut 2).
- 10 saatten uzun: Yükleme sayfası “Şu anda yalnızca 10 saate kadar dosyaları işleyebiliriz. Dosyanızı 10 saat veya daha kısa hâle getirip tekrar deneyin” mesajını gösterir. Bölün. MP3'ten metne rehberimizdeki yeniden kodlamasız bölme komutu WAV'da da çalışır; test WAV'ında kontrol ettik. Metni birleştirirken bağlantıları kontrol edin.
- Yavaş bağlantı: 64 kbps MP3'ün bir saati yaklaşık 28,8 MB, CD tarzı stereo WAV'ınki 635 MB'tır. Kayıpsız orijinali arşivinizde tutun.
Ses formatı sorunlarını giderme
| Sorun | Olası neden | Ne denenmeli? |
|---|---|---|
| “Ses algılanmadı. Dosya bozuk olabilir. Kontrol edip tekrar deneyin.” (yükleme sayfalarımızda gösterilir) | Bozuk dosya, sessiz dışa aktarılmış video veya boş ses kanalı | Yerelde oynatın; yukarıdaki ffprobe kontrolünü çalıştırın (çıktı yoksa ses akışı yoktur); orijinal uygulamadan yeniden dışa aktarın |
| Yükleme çok uzun olduğu için reddedildi | Dosya 10 saati aşıyor | 10 saat veya daha kısa parçalara bölün |
| Dosya çok büyük | Video veya yüksek çözünürlüklü çok kanallı WAV | Sesi çıkarın veya WAV'ı FLAC'a çevirin |
| 4 GB üzeri WAV açılmıyor veya yüklenmiyor | Klasik WAV boyut sınırı | RF64 veya FLAC olarak yeniden dışa aktarın ya da bölün |
| Bir konuşmacı diğerinden çok daha sessiz | Kişiler farklı seviyelerde ayrı kanallara kaydedildi | Kanalları bölün (komut 5), dosyaları ayrı transkribe edin |
| Bozuk, cızırtılı tepe noktaları | Kayıt sırasında kırpılma | Onarılamaz; sonraki sefer giriş kazancını azaltın |
| 48 kHz'e dönüştürmeden sonra telefon sesi hâlâ kötü | Örnekleme hızını artırmak bilgi eklemez | Orijinali yükleyin; varsa “Noise / Low-Quality Audio/Video” dil seçeneğini deneyin |
whispertranscribe.ai nerede yer alır?
whispertranscribe.ai, OpenAI Whisper modelleriyle çalışan ve web tarayıcısında kullanılan transkripsiyon aracıdır (uygulama, API veya insan düzeltmesi yok). Ücretsiz sesten metne dönüştürücü ve diğer yükleme sayfaları MP3, WAV, M4A, AAC, FLAC, OGG, OPUS, AMR, AIFF, ALAC, CAF, MP4, MOV, M4V, MKV, AVI, WMV, WEBM, MPG ve MPEG formatlarını listeler.
- Sınırlar: 5 GB ve 10 saate kadar dosyalar.
- Diller: Birçoğunda “Noise / Low-Quality Audio/Video” seçeneği olan 130'dan fazla dil.
- Doğruluk: Temiz seste %99'a kadar. Gürültü, uzaklık, aksan ve örtüşme düşürür.
- Konuşmacılar: Transkripsiyon öncesi Speaker Detection açın.
- Dışa aktarım: DOCX, PDF, TXT, CSV, SRT ve VTT.
- Gizlilik: Gizlilik politikası, orijinal yüklemelerin işlem sonrası silindiğini ve çıkarılan MP3 dosyalarının varsayılan 30 gün tutulduğunu söyler.
Belirli kayıtlar için MP3 dosyaları, sesli notlar, telefon görüşmeleri, röportajlar ve dersler ve seminerler sayfalarına bakın. Hesapsız ücretsiz sayfada dosya deneyin (sınırlar orada gösterilir). Ücretli planlar yıllık ödemeyle aylık 9,99 ABD dolarından (fiyatlar). Diğerleri özellikler sayfasındadır.
Sık sorulan sorular
Transkripsiyon için en iyi ses formatı hangisi?
Kaydı siz yönetiyorsanız WAV veya FLAC, ideal olarak en az 16 kHz mono ve 16 bit derinlikte en iyi formattır. Zaten MP3, M4A veya Opus gibi sıkıştırılmış dosyanız varsa dönüştürmeden yükleyin. Yakın mikrofon, düşük arka plan gürültüsü ve kırpılmama anlamındaki kayıt kalitesi genellikle format seçiminden daha önemlidir.
WAV transkripsiyon için MP3'ten iyi mi?
Kaynaktan kaydedilmiş WAV, MP3'ten daha fazla ayrıntı korur ve Google, MP3 gibi kayıplı kodeklerin tanıma doğruluğunu düşürebileceğini belirtir. Fark temiz konuşmada genellikle küçük, gürültülü kayıtta daha büyüktür. Mevcut MP3'ten oluşturulan WAV daha iyi değildir; atılan ayrıntılar gitmiştir. Mümkünse WAV veya FLAC kaydedin ve MP3'leri olduğu gibi yükleyin.
Transkripsiyon için hangi örnekleme hızını kullanmalıyım?
16 kHz veya üzerini kullanın. Google konuşma tanıma için en az 16.000 Hz önerir ve OpenAI Whisper işlem öncesi tüm sesi 16 kHz monoya dönüştürür. 44,1 veya 48 kHz kayıt uygundur ve yaygındır. Düşük hızı sonradan artırmayın: 8 kHz telefon kaydı 8 kHz'de yüklenmelidir; hız yükseltmek boyut ekler ama konuşma bilgisi eklemez.
Transkripsiyon için mono mu stereo mu kaydetmeliyim?
Herkes tek mikrofon paylaşıyorsa mono kaydedin. Whisper zaten stereoyu monoya indirger, dolayısıyla aynı sesin stereo kopyası yalnızca dosyayı iki katına çıkarır. Arama kayıt cihazı veya konuk başına mikrofon gibi her konuşmacı ayrı kanaldaysa stereo veya çok kanalı koruyun. Google ayrı kanalların ayrı transkribe edilmesini önerir; FFmpeg ile kanallar bölünebilir.
WAV dosyası dakikada ne kadar büyüktür?
Ayarlara bağlıdır: saniye başına bayt için örnekleme hızını örnek başına bayt ve kanal sayısıyla çarpın. 16 kHz, 16 bit mono WAV: 16.000 × 2 × 1 = saniyede 32.000 bayt; dakikada yaklaşık 1,92 MB veya saatte 115,2 MB. CD tarzı 44,1 kHz, 16 bit stereo dakikada yaklaşık 10,58 MB veya saatte 635 MB'tır.
Sesi çıkarmak yerine video dosyası yükleyebilir miyim?
Evet. Transkripsiyon araçları ses kanalını okur ve görüntüyü yok sayar; MP4, MOV, MKV veya WEBM, çıkarılmış sesiyle aynı dökümü verir. Video yalnızca yüklemeyi büyütür. Dosya boyut sınırına yakınsa veya bağlantı yavaşsa sesi, örneğin orijinal ses kalitesini koruyan FFmpeg -vn -c:a copy ile çıkarın. whispertranscribe.ai'de videoyu olduğu gibi yükleyip DOCX, TXT, SRT veya VTT alabilirsiniz.
Kaydınız hazır mı? whispertranscribe.ai'nin ücretsiz sesten metne dönüştürücüsüne olduğu gibi yükleyin: 130'dan fazla dilden seçin, Speaker Detection açın ve DOCX, TXT, SRT veya VTT indirin. Dosyalar 5 GB ve 10 saate kadar.
Kaynaklar
- Google Cloud: Speech-to-Text en iyi uygulamaları (konuşma verisi sağlama)
- Google Cloud: Speech-to-Text için ses dosyalarını optimize etme
- OpenAI: Whisper GitHub deposunda whisper/audio.py
- FFmpeg: ffmpeg komut satırı belgeleri ve channelsplit filtresi
- Library of Congress: WAVE Audio File Format (fdd000001)
- Library of Congress: AMR, Adaptive Multi-Rate Speech Codec (fdd000254)
