इतालवी ऑडियो ट्रांसक्राइब करें
इतालवी तेज़ी से बोली जाती है, शब्दों को एक साथ जोड़ती है और उत्तर और दक्षिण के बीच काफी भिन्न होती है — जो वास्तव में हाथ से ट्रांसक्रिप्शन को धीमा बनाती है। ScribeToAny साक्षात्कारों, पॉडकास्ट, व्याख्यानों और वीडियो के लिए इतालवी भाषण को स्वचालित रूप से साफ़, विराम-चिह्नित टेक्स्ट में बदल देता है, फिर टाइमस्टैम्प के साथ इसे आठ प्रारूपों में निर्यात करता है।
- AI ट्रांसक्रिप्शन
- 98 भाषाएं
- एन्क्रिप्टेड, हम आपकी फ़ाइलों पर AI को कभी प्रशिक्षित नहीं करते
अपनी रिकॉर्डिंग से शुरू करें
ऑडियो या वीडियो फ़ाइल यहाँ छोड़ें, या चुनने के लिए क्लिक करें।
आपको क्या मिलता है: एक असली ट्रांसक्रिप्ट
दो वक्ताओं (सिंथेटिक आवाज़ें) वाले 64-सेकंड के इंटरव्यू का बिना संपादित किया गया आउटपुट, जिसे स्पीकर पहचान चालू करके ट्रांसक्राइब किया गया है। केवल शुरुआती पंक्तियाँ दिखाई गई हैं।
SPEAKER_00 (0:00) Welcome back to Small Shop Stories. SPEAKER_00 (0:02) Today I'm talking to Maya, who runs a tiny bakery on the SPEAKER_00 (0:05) corner of Mill Street. SPEAKER_01 (0:07) Thanks for having me. SPEAKER_01 (0:08) It's really small, just two ovens and a counter. SPEAKER_00 (0:12) So how does a normal day start for you?
1 00:00:00,000 --> 00:00:01,680 [SPEAKER_00] Welcome back to Small Shop Stories. 2 00:00:02,160 --> 00:00:05,320 [SPEAKER_00] Today I'm talking to Maya, who runs a tiny bakery on the 3 00:00:05,320 --> 00:00:06,320 [SPEAKER_00] corner of Mill Street.
मूल स्क्रिप्ट से मिलान करने पर, 189 में से केवल 4 शब्द अलग निकले — यानी 2.1% वर्ड एरर रेट (जिसमें “eighty” की जगह लिखे “80” को त्रुटि माना गया है) — और सभी 14 स्पीकर टर्न सही लेबल किए गए। यह साफ़ आवाज़ की रिकॉर्डिंग थी; शोरगुल वाले ऑडियो और एक साथ बोलने पर स्कोर कम रहता है। पूरी ट्रांसक्रिप्ट और स्कोरिंग का विवरण देखें
यह कैसे काम करता है
- 1
अपलोड करें
ऑडियो या वीडियो फ़ाइल खींचकर छोड़ें या लिंक पेस्ट करें। सभी सामान्य प्रारूप स्वीकार किए जाते हैं।
- 2
ट्रांसक्राइब करें
AI टाइमस्टैम्प और वैकल्पिक वक्ता लेबल के साथ ट्रांसक्राइब करता है, आमतौर पर कुछ ही मिनटों में।
- 3
निर्यात करें
सेगमेंट को ऑनलाइन संपादित करें, फिर TXT, SRT, VTT, TSV, CSV, JSON, PDF या DOCX निर्यात करें।
ScribeToAny क्यों
- दोहरे व्यंजन और ताल: दोहरे व्यंजनों (doppie) को इतालवी वर्तनी के अनुसार लिखा जाता है; तेज़ क्षेत्रीय ताल की समीक्षा करनी पड़ सकती है।
- औपचारिक और अनौपचारिक संबोधन: Lei और tu रूपों को बोले गए रूप में ही रखा जाता है, किसी एक रजिस्टर में सामान्यीकृत नहीं किया जाता।
- मात्राएं और विराम चिह्न: आउटपुट में मात्राएं (è, é, à, ò, ù) और विराम चिह्न सही जगह पर एपोस्ट्रॉफी के साथ आते हैं।
- प्रकाशन-तैयार उपशीर्षक: मीडिया टीमों के लिए सिंक्रनाइज़ किए गए SRT/VTT और संरचित वर्ड दस्तावेज़ निर्यात करें।
अक्सर पूछे जाने वाले प्रश्न
क्या यह क्षेत्रीय लहजे को संभालता है?
हाँ। मॉडल को बोली जाने वाली इतालवी की एक विस्तृत श्रृंखला पर प्रशिक्षित किया गया है, इसलिए मिलान से लेकर नेपल्स और सिसिली तक के लहजे पहचाने जाते हैं। मानक इतालवी से अलग होने वाली भारी बोली वह जगह है जहाँ एडिटर में एक त्वरित समीक्षा सबसे अधिक मदद करती है।
क्या यह एक्सेंट और विराम चिह्न जोड़ता है?
हाँ — आउटपुट वाक्य विराम चिह्न के साथ ठीक से उच्चारण की गई इतालवी (è, però, città) है, इसलिए यह दस्तावेज़ों में साफ़-सुथरा पेस्ट होता है और एक लंबे ब्लॉक के बजाय स्वाभाविक रूप से पढ़ा जाता है।
क्या यह इतालवी वीडियो को सबटाइटल दे सकता है?
हाँ। प्रत्येक ट्रांसक्रिप्ट टाइमस्टैम्प की गई है, इसलिए SRT या VTT निर्यात करें और उन्हें सीधे वीडियो पर डालें। आप हर प्लान पर इतालवी ट्रांसक्रिप्ट का 134+ भाषाओं में मुफ़्त अनुवाद भी कर सकते हैं। अनुवाद मूल टाइमिंग को बरकरार रखता है, इसलिए अनुवादित SRT भी वीडियो के साथ संरेखित होती है।
इतालवी भाषा मेनू में नहीं है — मैं यह कैसे सुनिश्चित करूं कि यह पहचानी जाए?
“ऑडियो की भाषा” को “स्वतः पहचान” पर छोड़ दें: इतालवी स्वतः पहचानी जाती है। पहचान लगभग पहले 30 सेकंड को सुनती है, इसलिए यदि आपकी रिकॉर्डिंग अंग्रेज़ी परिचय, संगीत या लंबे मौन से शुरू होती है, तो पहले उस हिस्से को ट्रिम कर लें — अन्यथा फ़ाइल को किसी अन्य भाषा के रूप में माना जा सकता है।
क्या इतालवी साक्षात्कार या पॉडकास्ट में वक्ताओं को लेबल किया जा सकता है?
हाँ। ट्रांसक्राइब करने से पहले “वक्ताओं का पता लगाएं” चालू करें; यह आवाज़ों को उनकी ध्वनि के आधार पर अलग करता है, इसलिए यह किसी भी भाषा के लिए समान रूप से काम करता है। यदि आप जानते हैं कि कितने लोग बोल रहे हैं, तो “वक्ताओं की संख्या” (2–8) सेट करें — यह साक्षात्कारों और रेडियो-शैली के पॉडकास्ट में सबसे अधिक मदद करता है, जहाँ आवाज़ें आपस में टकराती हैं और स्वचालित गणना दो समान वक्ताओं को मिला सकती है।