Alat Penukaran Video dan Audio kepada Teks Secara Pukal

Transkripsikan fail video dan audio secara pukal kepada teks di luar talian, dan eksport pelbagai format sari kata serta teks seperti TXT, SRT, VTT, JSON, LRC dan CSV dengan satu klik.

Laporan pepijat

Memuatkan alat, sila tunggu...

Jika alat dalam talian tidak dapat dimuatkan atau dijalankan, cuba alat desktop. https://tools.yikeaigc.com/

Penggunaan Alat

Kembali ke versi lama

Versi desktop tersedia dengan ciri yang lebih berkuasa dan stabil. Buka versi desktop

Arahan

Arahan Penggunaan Perisian

Tambah fail untuk dikenal pasti:Klik butang "Pilih Fail" atau "Pilih Folder" untuk menambah fail video atau audio yang perlu ditukar kepada teks. Anda juga boleh menyeret fail atau folder terus ke dalam tetingkap perisian. Menyokong penambahan bercampur secara kelompok bagi format audio dan video biasa seperti MP4, MKV, MOV, AVI, FLV, WebM, MP3, WAV, FLAC, M4A dan lain-lain.
Tetapkan direktori simpanan:Pilih lokasi simpanan sari kata dan teks selepas diproses, serta menyokong tetapan melalui seret dan lepas. Jika "Lelusuri subdirektori" ditandakan, anda boleh terus menandakan "Kekalkan struktur laluan asal", dan fail output akan sepadan satu demi satu dengan struktur direktori folder sumber.
Pilih format output:
- TXT:Teks biasa, sesuai untuk menyusun manuskrip dan minit mesyuarat
- SRT / VTT:Format sari kata dengan cap masa, boleh terus digunakan dengan video
- JSON:Data berstruktur, memudahkan pembangunan lanjutan dan pemprosesan program
- LRC:Format lirik, sesuai untuk muzik dan buku audio
- CSV:Format jadual, mudah untuk disunting dan disemak dalam Excel
Konfigurasikan parameter pengecaman:
- Laluan model:Secara lalai menggunakan model pengecaman bahasa Cina Paraformer, pengesanan aktiviti suara FSMN dan model tanda baca CT
- Tempoh pemprosesan kelompok:Tetapkan tempoh audio maksimum untuk inferens sekali
- Milisaat maksimum segmen tunggal VAD:Kawal ketelitian pembahagian segmen suara
- Senarai kata panas:Masukkan kata nama khas, nama orang dan istilah jenama untuk meningkatkan ketepatan pengecaman
- Strategi langkau/tulis ganti:Pilih untuk melangkau atau menulis ganti fail output yang sudah wujud
Mulakan pengecaman kelompok:Klik butang "Mula Pengecaman", perisian akan mengekstrak trek audio, membahagikan segmen suara, melakukan inferens transkripsi dan menambah tanda baca secara automatik. Semasa pemprosesan, anda boleh melihat kemajuan di kawasan log. Jika perlu menghentikan proses, klik butang "Berhenti".
Lihat dan gunakan hasil:Selepas pengecaman selesai, pergi ke direktori simpanan yang ditetapkan untuk melihat fail dalam format yang sepadan. Sari kata SRT/VTT boleh terus diseret ke dalam perisian penyuntingan atau pemain untuk digunakan.

Soalan Lazim

J: Video menyokong MP4, MKV, MOV, AVI, FLV, WMV, WebM, M4V, MPG, TS, 3GP, RMVB dan lain-lain; audio menyokong MP3, WAV, FLAC, AAC, OGG, M4A, WMA, OPUS, AC3, AMR, APE dan lain-lain. Fail video dan audio boleh ditambah secara bercampur dalam kelompok yang sama, dan perisian akan mengenal pasti serta mengekstrak trek audio secara automatik.

J: Perisian menggunakan pengecaman luar talian setempat, tanpa memerlukan sambungan internet sepanjang proses. Fail model diletakkan dalam folder models di direktori akar program. Berdasarkan model bahasa Cina Paraformer daripada FunASR, ketepatan pengecaman bahasa Mandarin adalah tinggi, dan dengan senarai kata panas, kesan pengecaman bagi kata nama khas, nama orang dan istilah boleh dipertingkatkan lagi.

Jawapan: TXT sesuai untuk menyusun manuskrip dan bahan penulisan; SRT dan VTT ialah format sari kata umum yang boleh dipasang pada pemain video dan pemain web; JSON mengandungi cap masa dan maklumat segmen yang lengkap, memudahkan pembangunan sekunder; LRC sesuai untuk muzik dan buku audio; CSV memudahkan semakan dan penyuntingan mengikut tempoh masa dalam Excel. Anda boleh menanda berbilang format untuk dieksport serentak.

Jawapan: Masukkan kata nama khas yang mudah tersilap dikenal pasti dalam kotak input kata panas, contohnya nama orang, nama syarikat, nama produk, istilah teknikal dan sebagainya. Pisahkan berbilang perkataan dengan ruang atau baris baharu. Enjin pengecaman akan mengutamakan padanan perkataan ini, dan kesannya lebih ketara untuk kandungan industri khusus, ucapan media kendiri, latihan korporat dan senario lain.

Jawapan: Pilihan ini tersedia selepas menanda "imbas subdirektori". Selepas diaktifkan, fail output akan menjana subdirektori yang sepadan mengikut struktur hierarki direktori dalam folder sumber, memudahkan pengarkiban dan pengurusan bahan dalam jumlah besar. Jika terdapat nama fail berulang, nombor akan ditambahkan secara automatik di belakang nama fail untuk membezakannya.

Jawapan: Perisian ini mempunyai pengesanan aktiviti suara VAD terbina dalam, yang akan membahagikan audio panjang secara automatik mengikut segmen senyap terlebih dahulu, kemudian menghantar segmen ke model pengecaman mengikut parameter "tempoh pemprosesan kelompok". Secara teori, video panjang selama beberapa jam juga boleh diproses sepenuhnya. Kelajuan pengecaman berkaitan dengan prestasi CPU komputer; disarankan menutup program lain yang menggunakan sumber tinggi semasa memproses bahan dalam jumlah besar.

Jawapan: Model lalai ialah Paraformer Cina, yang menyokong Mandarin serta kandungan campuran Cina-Inggeris dengan baik; namun, prestasi pengecaman untuk dialek seperti Kantonis, Sichuan dan Hokkien agak sederhana. Jika bahan terutamanya menggunakan dialek, disarankan untuk melaraskan kebiasaan sebutan terlebih dahulu atau memilih model yang lebih sepadan untuk menggantikan laluan lalai.

Jawapan: Perisian secara lalai mengaktifkan model tanda baca CT-Punc, yang akan menambahkan tanda baca seperti koma, noktah dan tanda soal secara automatik pada hasil pengecaman. Jika tiada tanda baca, sila semak sama ada laluan model tanda baca dalam parameter menunjuk dengan betul ke direktori ct-punc di bawah folder models, dan pastikan fail model lengkap.