Ferramenta de transcrição em lote de vídeo e áudio

Transcreva offline em lote arquivos de vídeo e áudio para texto e exporte com um clique em vários formatos de legendas e texto, como TXT, SRT, VTT, JSON, LRC e CSV.

Relatório de bug

Carregando ferramenta, aguarde...

Se a ferramenta online não carregar ou executar, tente a ferramenta para desktop. https://tools.yikeaigc.com/

Uso da ferramenta

Voltar para a versão antiga

Há uma versão para desktop com recursos mais potentes e estáveis. Abrir versão desktop

Instruções

Instruções de uso do software

Adicionar arquivos a reconhecer: clique no botão "Selecionar arquivo" ou "Selecionar pasta" para adicionar arquivos de vídeo ou áudio que precisam ser convertidos em texto. Também é possível arrastar arquivos ou pastas diretamente para a janela do software. Suporta adição em lote e mista de formatos comuns de áudio e vídeo, como MP4, MKV, MOV, AVI, FLV, WebM, MP3, WAV, FLAC, M4A, entre outros.
Definir diretório de salvamento: selecione o local onde as legendas e textos processados serão salvos, com suporte a configuração por arrastar e soltar. Se marcar "Percorrer subdiretórios", também poderá marcar "Manter estrutura de caminho original"; os arquivos de saída corresponderão à estrutura de diretórios da pasta de origem.
Selecionar formato de saída:
- TXT: texto puro, adequado para organizar documentos e atas de reunião
- SRT / VTT: formato de legenda com carimbo de data/hora, que pode ser usado diretamente em vídeos
- JSON: dados estruturados, conveniente para desenvolvimento secundário e processamento por programas
- LRC: formato de letras, adequado para músicas e audiolivros
- CSV: formato de tabela, fácil de editar e revisar no Excel
Configurar parâmetros de reconhecimento:
- Caminho do modelo: usa por padrão o modelo de reconhecimento de chinês Paraformer, a detecção de atividade de voz FSMN e o modelo de pontuação CT
- Duração do processamento em lote: define a duração máxima de áudio para uma única inferência
- Máximo em milissegundos por segmento VAD: controla a granularidade da divisão dos segmentos de fala
- Lista de palavras-chave: insira nomes próprios, nomes de pessoas e termos de marcas para melhorar a precisão do reconhecimento
- Estratégia de ignorar/substituir: escolha ignorar ou substituir arquivos de saída já existentes
Iniciar reconhecimento em lote: clique no botão "Iniciar reconhecimento". O software extrairá automaticamente a faixa de áudio, dividirá os segmentos de fala, fará a inferência e a transcrição e adicionará pontuação. Durante o processamento, é possível acompanhar o progresso na área de logs; para interromper, clique no botão "Parar".
Ver e usar os resultados: após a conclusão do reconhecimento, acesse o diretório de salvamento definido para ver os arquivos no formato correspondente. As legendas SRT/VTT podem ser arrastadas diretamente para softwares de edição ou players.

Perguntas frequentes

Resposta: vídeos suportados incluem MP4, MKV, MOV, AVI, FLV, WMV, WebM, M4V, MPG, TS, 3GP, RMVB, entre outros; áudios suportados incluem MP3, WAV, FLAC, AAC, OGG, M4A, WMA, OPUS, AC3, AMR, APE, entre outros. É possível adicionar arquivos de vídeo e áudio misturados no mesmo lote; o software reconhecerá automaticamente e extrairá a faixa de áudio.

Resposta: o software utiliza reconhecimento local offline, sem necessidade de conexão à internet durante todo o processo. Os arquivos de modelo ficam na pasta models do diretório raiz do programa. Com base no modelo de chinês Paraformer do FunASR, a precisão de reconhecimento do mandarim é alta; com a lista de palavras-chave, é possível melhorar ainda mais o reconhecimento de nomes próprios, nomes de pessoas e termos técnicos.

Resposta: TXT é adequado para organizar manuscritos e materiais de escrita; SRT e VTT são formatos de legenda comuns, que podem ser anexados a vídeos e players da Web; JSON contém carimbos de data/hora e informações de segmentos completos, facilitando o desenvolvimento secundário; LRC é adequado para música e audiolivros; CSV facilita a revisão e edição por intervalos de tempo no Excel. É possível selecionar vários formatos para exportar ao mesmo tempo.

Resposta: No campo de entrada de palavras-chave, insira nomes próprios que sejam facilmente reconhecidos de forma incorreta, como nomes de pessoas, nomes de empresas, nomes de produtos, termos técnicos etc. Separe várias palavras por espaços ou quebras de linha. O mecanismo de reconhecimento priorizará a correspondência desses termos, com resultados mais evidentes em cenários como conteúdo de setores verticais, locuções para mídias sociais e treinamentos corporativos.

Resposta: Essa opção fica disponível após marcar "percorrer subdiretórios". Quando ativada, os arquivos de saída serão gerados em subdiretórios correspondentes de acordo com a estrutura de diretórios dentro da pasta de origem, facilitando o arquivamento e o gerenciamento de grandes volumes de materiais. Se houver nomes de arquivo duplicados, um número será automaticamente acrescentado ao final do nome para diferenciá-los.

Resposta: O software possui detecção de atividade de voz VAD integrada, que primeiro divide automaticamente áudios longos pelos trechos de silêncio e, em seguida, envia os segmentos ao modelo de reconhecimento de acordo com o parâmetro "duração do processamento em lote". Em teoria, vídeos longos de várias horas também podem ser processados por completo. A velocidade de reconhecimento depende do desempenho da CPU do computador; recomenda-se fechar outros programas de alto consumo ao processar grandes volumes de materiais.

R: O modelo padrão é o Paraformer em chinês, com bom suporte para mandarim e conteúdo misto em chinês e inglês; o reconhecimento de dialetos como cantonês, sichuanês e min nan é relativamente mediano. Se o material for principalmente em dialeto, recomenda-se ajustar primeiro os hábitos de pronúncia ou escolher um modelo mais adequado para substituir o caminho padrão.

R: O software ativa por padrão o modelo de pontuação CT-Punc, que adiciona automaticamente vírgulas, pontos finais, pontos de interrogação e outros sinais de pontuação aos resultados do reconhecimento. Se não houver pontuação, verifique se o caminho do modelo de pontuação nos parâmetros aponta corretamente para o diretório ct-punc dentro da pasta models e certifique-se de que os arquivos do modelo estejam completos.