Toplu Video ve Ses Metne Dönüştürme Aracı

Video ve ses dosyalarını toplu olarak çevrimdışı metne dönüştürün; tek tıkla TXT, SRT, VTT, JSON, LRC, CSV gibi çeşitli altyazı ve metin formatlarına aktarın.

Hata bildirimi

Araç yükleniyor, lütfen bekleyin...

Çevrimiçi araç yüklenmez veya çalışmazsa masaüstü aracını deneyin. https://tools.yikeaigc.com/

Araç Kullanımı

Eski sürüme dön

Daha güçlü ve kararlı özelliklere sahip masaüstü sürümü mevcut. Masaüstü sürümü aç

Talimatlar

Yazılım Kullanım Talimatları

Tanımlanacak dosyaları ekleyin:"Dosya seç" veya "Klasör seç" düğmesine tıklayarak metne dönüştürülmesi gereken video veya ses dosyalarını ekleyin; dosyaları ya da klasörleri doğrudan yazılım penceresine de sürükleyebilirsiniz. MP4, MKV, MOV, AVI, FLV, WebM, MP3, WAV, FLAC, M4A gibi yaygın ses ve video formatlarının toplu ve karışık şekilde eklenmesi desteklenir.
Kaydetme dizinini ayarlayın:İşlenen altyazı ve metinlerin kaydedileceği konumu seçin; sürükleyerek ayarlama desteklenir. "Alt dizinleri tara" seçilirse, "Orijinal yol yapısını koru" seçeneği de işaretlenebilir; çıktı dosyaları kaynak klasörün dizin yapısıyla bire bir eşleşir.
Çıktı formatını seçin:
- TXT:Düz metin; metin düzenleme ve toplantı tutanakları için uygundur
- SRT / VTT:Zaman damgalı altyazı formatı; doğrudan videoya eklenerek kullanılabilir
- JSON:Yapılandırılmış veri; ikincil geliştirme ve programla işleme için uygundur
- LRC:Şarkı sözü formatı; müzik ve sesli kitaplar için uygundur
- CSV:Tablo formatı; Excel içinde düzenleme ve kontrol etmeyi kolaylaştırır
Tanıma parametrelerini yapılandırın:
- Model yolu:Varsayılan olarak Paraformer Çince tanıma modeli, FSMN ses etkinliği algılama ve CT noktalama modeli kullanılır
- Toplu işlem süresi:Tek bir çıkarım için en uzun ses süresini ayarlayın
- VAD tek segment maksimum milisaniye:Konuşma segmenti bölme ayrıntı düzeyini kontrol eder
- Sıcak kelime listesi:Özel isimler, kişi adları ve marka kelimeleri girerek tanıma doğruluğunu artırın
- Atla/üzerine yaz stratejisi:Mevcut çıktı dosyaları için atlama veya üzerine yazma seçeneğini belirleyin
Toplu tanımayı başlatın:"Tanımayı başlat" düğmesine tıklayın; yazılım ses parçasını otomatik çıkarır, konuşma segmentlerini böler, çıkarım ile metne döker ve noktalama ekler. İşlem sırasında günlük alanından ilerlemeyi görüntüleyebilirsiniz; durdurmanız gerekirse "Durdur" düğmesine tıklayın.
Sonuçları görüntüleyin ve kullanın:Tanıma tamamlandıktan sonra ayarlanan kaydetme dizininde ilgili formattaki dosyaları görüntüleyin. SRT/VTT altyazıları doğrudan kurgu yazılımına veya oynatıcıya sürüklenerek kullanılabilir.

Sık Sorulan Sorular

Cevap: Video için MP4, MKV, MOV, AVI, FLV, WMV, WebM, M4V, MPG, TS, 3GP, RMVB vb.; ses için MP3, WAV, FLAC, AAC, OGG, M4A, WMA, OPUS, AC3, AMR, APE vb. desteklenir. Aynı toplu işlemde video ve ses dosyaları karışık olarak eklenebilir; yazılım bunları otomatik tanır ve ses parçasını çıkarır.

Cevap: Yazılım yerel çevrimdışı tanıma kullanır; tüm süreç boyunca internet bağlantısı gerekmez. Model dosyaları program kök dizinindeki models klasöründe bulunur. FunASR tabanlı Paraformer Çince modeli, Mandarin tanımada yüksek doğruluk sunar; sıcak kelime listesiyle birlikte özel isimler, kişi adları ve terimlerin tanıma performansı daha da artırılabilir.

Cevap: TXT, metin düzenleme ve yazı materyalleri için uygundur; SRT ve VTT genel altyazı formatlarıdır, video ve web oynatıcılarına eklenebilir; JSON, eksiksiz zaman damgası ve parça bilgilerini içerir, ikincil geliştirme için kullanışlıdır; LRC, müzik ve sesli kitaplar için uygundur; CSV, Excel'de zaman aralıklarına göre kontrol ve düzenleme yapmayı kolaylaştırır. Aynı anda dışa aktarmak için birden fazla format seçilebilir.

Cevap: Sıcak kelime giriş kutusuna, yanlış tanınması kolay özel adları girin; örneğin kişi adları, şirket adları, ürün adları, teknik terimler vb. Birden fazla kelimeyi boşluk veya satır sonu ile ayırın. Tanıma motoru bu kelimeleri öncelikli olarak eşleştirir; dikey sektör içerikleri, sosyal medya sesli anlatımları, kurumsal eğitim gibi senaryolarda etkisi daha belirgindir.

Cevap: Bu seçenek, "Alt dizinleri tara" işaretlendikten sonra kullanılabilir. Etkinleştirildiğinde, çıktı dosyaları kaynak klasördeki dizin hiyerarşisine göre ilgili alt dizinlerde oluşturulur; bu, büyük miktarda materyali arşivleyip yönetmeyi kolaylaştırır. Yinelenen dosya adlarıyla karşılaşılırsa, ayırt etmek için dosya adının sonuna otomatik olarak sayı eklenir.

Cevap: Yazılımda yerleşik VAD ses etkinliği algılama bulunur; uzun ses dosyalarını önce sessiz bölümlere göre otomatik olarak böler, ardından "toplu işlem süresi" parametresine göre parçalara ayırıp tanıma modeline gönderir. Teorik olarak birkaç saatlik uzun videolar da eksiksiz işlenebilir. Tanıma hızı bilgisayarın CPU performansıyla ilişkilidir; büyük miktarda materyal işlerken yüksek kaynak kullanan diğer programları kapatmanız önerilir.

Yanıt: Varsayılan model Çince Paraformer’dır; Mandarin ve Çince-İngilizce karışık içerikleri oldukça iyi destekler. Kantonca, Sichuan lehçesi, Minnan gibi lehçelerde tanıma performansı nispeten ortalamadır. Materyal ağırlıklı olarak lehçeyle konuşulmuşsa, önce telaffuz alışkanlıklarını ayarlamanız veya varsayılan yolu daha uygun bir modelle değiştirmeniz önerilir.

Yanıt: Yazılım varsayılan olarak CT-Punc noktalama modelini etkinleştirir ve tanıma sonuçlarına otomatik olarak virgül, nokta, soru işareti gibi noktalama işaretleri ekler. Noktalama olmadığını fark ederseniz, parametrelerdeki noktalama modeli yolunun models klasörü altındaki ct-punc dizinini doğru şekilde gösterdiğini kontrol edin ve model dosyalarının eksiksiz olduğundan emin olun.