Alat Konversi Video dan Audio ke Teks secara Massal

Kenali file video dan audio secara offline menjadi teks secara massal, lalu ekspor sekali klik ke berbagai format subtitle dan teks seperti TXT, SRT, VTT, JSON, LRC, dan CSV.

Laporan bug

Memuat alat, harap tunggu...

Jika alat online tidak dapat dimuat atau dijalankan, coba alat desktop. https://tools.yikeaigc.com/

Penggunaan Alat

Kembali ke versi lama

Versi desktop tersedia dengan fitur yang lebih andal dan stabil. Buka versi desktop

Petunjuk

Petunjuk Penggunaan Perangkat Lunak

Tambahkan file yang akan dikenali:Klik tombol "Pilih file" atau "Pilih folder" untuk menambahkan file video atau audio yang perlu diubah menjadi teks. Anda juga dapat langsung menyeret file atau folder ke jendela perangkat lunak. Mendukung penambahan campuran secara massal untuk berbagai format audio dan video umum seperti MP4, MKV, MOV, AVI, FLV, WebM, MP3, WAV, FLAC, M4A, dan lainnya.
Atur direktori penyimpanan:Pilih lokasi penyimpanan subtitle dan teks setelah diproses, mendukung pengaturan dengan seret dan lepas. Jika mencentang "Telusuri subdirektori", Anda dapat melanjutkan dengan mencentang "Pertahankan struktur jalur asli", sehingga file keluaran akan sesuai satu per satu dengan struktur direktori folder sumber.
Pilih format keluaran:
- TXT:Teks biasa, cocok untuk menyusun naskah dan notulen rapat
- SRT / VTT:Format subtitle dengan stempel waktu, dapat langsung dipasang ke video untuk digunakan
- JSON:Data terstruktur, memudahkan pengembangan lanjutan dan pemrosesan program
- LRC:Format lirik, cocok untuk musik dan buku audio
- CSV:Format tabel, memudahkan pengeditan dan pemeriksaan di Excel
Konfigurasikan parameter pengenalan:
- Jalur model:Secara default menggunakan model pengenalan bahasa Mandarin Paraformer, deteksi aktivitas suara FSMN, dan model tanda baca CT
- Durasi pemrosesan batch:Atur durasi audio maksimum untuk satu kali inferensi
- Maksimum milidetik satu segmen VAD:Mengontrol tingkat granularitas pemotongan segmen suara
- Daftar kata panas:Masukkan istilah khusus, nama orang, dan kata merek untuk meningkatkan akurasi pengenalan
- Strategi lewati/timpa:Pilih untuk melewati atau menimpa file keluaran yang sudah ada
Mulai pengenalan massal:Klik tombol "Mulai pengenalan", perangkat lunak akan otomatis mengekstrak trek audio, memotong segmen suara, melakukan inferensi transkripsi, dan menambahkan tanda baca. Selama proses berlangsung, Anda dapat melihat progres di area log; jika perlu menghentikan, klik tombol "Berhenti".
Lihat dan gunakan hasil:Setelah pengenalan selesai, buka direktori penyimpanan yang telah diatur untuk melihat file dalam format terkait. Subtitle SRT/VTT dapat langsung diseret ke perangkat lunak penyuntingan atau pemutar untuk digunakan.

Pertanyaan Umum

Jawab: Video mendukung MP4, MKV, MOV, AVI, FLV, WMV, WebM, M4V, MPG, TS, 3GP, RMVB, dan lainnya; audio mendukung MP3, WAV, FLAC, AAC, OGG, M4A, WMA, OPUS, AC3, AMR, APE, dan lainnya. File video dan audio dapat ditambahkan secara campuran dalam batch yang sama, dan perangkat lunak akan otomatis mengenali serta mengekstrak trek audio.

Jawab: Perangkat lunak menggunakan pengenalan offline lokal, sepenuhnya tanpa perlu koneksi internet. File model ditempatkan di folder models pada direktori root program. Berbasis model bahasa Mandarin Paraformer dari FunASR, akurasi pengenalan bahasa Mandarin standar cukup tinggi, dan dengan daftar kata panas dapat semakin meningkatkan hasil pengenalan untuk istilah khusus, nama orang, dan terminologi.

Jawab: TXT cocok untuk menyusun naskah dan materi tulisan; SRT dan VTT adalah format subtitle umum yang dapat dipasang pada pemutar video dan web; JSON berisi informasi stempel waktu dan segmen lengkap, memudahkan pengembangan lanjutan; LRC cocok untuk musik dan buku audio; CSV memudahkan pengecekan dan pengeditan berdasarkan periode waktu di Excel. Anda dapat mencentang beberapa format untuk diekspor sekaligus.

Jawab: Masukkan kata benda khusus yang mudah salah dikenali di kotak input kata populer, misalnya nama orang, nama perusahaan, nama produk, istilah teknis, dan lain-lain. Pisahkan beberapa kata dengan spasi atau baris baru. Mesin pengenalan akan memprioritaskan pencocokan kata-kata ini, dengan hasil yang lebih jelas untuk konten industri vertikal, narasi media mandiri, pelatihan perusahaan, dan skenario lainnya.

Jawab: Opsi ini tersedia setelah mencentang "telusuri subdirektori". Setelah diaktifkan, file output akan membuat subdirektori yang sesuai berdasarkan struktur hierarki direktori di dalam folder sumber, sehingga memudahkan pengarsipan dan pengelolaan materi dalam jumlah besar. Jika terdapat nama file yang sama, angka akan otomatis ditambahkan di belakang nama file untuk membedakannya.

Jawab: Perangkat lunak ini memiliki deteksi aktivitas suara VAD bawaan, yang akan terlebih dahulu membagi audio panjang secara otomatis berdasarkan bagian hening, lalu mengirimkannya ke model pengenalan dalam segmen sesuai parameter "durasi pemrosesan batch". Secara teori, video panjang berdurasi beberapa jam juga dapat diproses secara utuh. Kecepatan pengenalan terkait dengan performa CPU komputer; disarankan menutup program lain yang menggunakan banyak sumber daya saat memproses materi dalam jumlah besar.

Jawab: Model default adalah Paraformer bahasa Mandarin, yang mendukung bahasa Mandarin standar serta konten campuran Mandarin-Inggris dengan cukup baik; namun hasil pengenalan untuk dialek seperti Kanton, Sichuan, dan Hokkien relatif biasa. Jika materi terutama menggunakan dialek, disarankan untuk menyesuaikan kebiasaan pelafalan terlebih dahulu atau memilih model yang lebih sesuai untuk menggantikan jalur default.

Jawab: Perangkat lunak secara default mengaktifkan model tanda baca CT-Punc, yang akan otomatis menambahkan tanda baca seperti koma, titik, dan tanda tanya ke hasil pengenalan. Jika tidak ada tanda baca, periksa apakah jalur model tanda baca pada parameter sudah benar mengarah ke direktori ct-punc di dalam folder models, dan pastikan file model lengkap.