ffmpeg + Whisper
ফ্রি, লোকাল, জটিল। আপনি পাইপলাই��� এবং এতে প্রতিটি বাগের মালিক।
MP4 ফাইল ড্র্যাগ করুন যেমন আছে তেমনি — আমরা অডিও ট্র্যাক সার্ভার-সাইডে টেনে আনি, টাইমস্ট্যাম্প করা ট্রান্সক্রিপ্ট রিটার্ন করি এবং একটি SRT শিপ করি যা YouTube, Vimeo বা আপনার NLE-তে সরাসরি ফেলে দেওয়া যায়।
MP3 · WAV · M4A · MP4 · MOV · MKV · OGG · OPUS · FLAC · WEBM — up to 100 MB anonymously
YouTube · TikTok · Vimeo · Twitter · SoundCloud · Spotify · 50+ more
↓ কী বেরিয়ে আসে তা দেখুন
MP4 একটি কন্টেইনার — আমরা অডিও স্ট্রিম সরাসরি পড়ি, কখনও ভিডিও পুনরায় এনকোড করি না। টাইমস্ট্যাম্প আপনার আসল টাইমলাইনের জন্য ফ্রেম-অ্যাকুরেট থাকে, তাই SRT প্রথম ইমপোর্টে লাইন আপ করে।
ঠিক আছে, এই মডিউলে আমরা রিফান্ড ওয়ার্কফ্লো শুরু থেকে শেষ পর্যন্ত যাচ্ছি।
শুরু করার আগে একটি দ্রুত প্রশ্ন — এটি আংশিক রিফান্ডের জন্যও প্রযোজ্য?
ভালো ক্যাচ। আংশিক একই স্ক্রিন ব্যবহার করে কিন্তু একটি ভিন্ন কারণ কোড।
বুঝেছি। এবং অনুমোদন থ্রেশহোল্ড এখনও দুইশত ডলার?
↓ This is the dashboard
Same layout as the real dashboard — Summary, full Transcript, Speakers tab, Exports. Key points and action items extracted automatically. Auto-tags on every job.
Sample preview from a founder interview about post-call workflow. Real transcripts look exactly like this — same tabs, same summary block, same key-points / action-items split, same auto-tag chips.
তিনটি বাস্তব বিকল্প · সৎ তুলনা
আপনি নিজেই অডিও এক্সট্র্যাক্ট করতে পারেন এবং Whisper চালাতে পারেন। আপনি MP4 কে Descript বা VEED-তে টেনে নিয়ে যেতে পারেন এবং তাদের এডিটরের ভিতরে থাকতে পারেন। অথবা আপনি ফাইলটি এখানে ফেলে দিতে পারেন এবং ট্রান্সক্রিপ্ট + SRT ফেরত পেতে পারেন, কোনো এডিটর লক-ইন ছাড়াই।
ফ্রি, লোকাল, জটিল। আপনি পাইপলাই��� এবং এতে প্রতিটি বাগের মালিক।
MP4 ফেলুন। অডিও এক্সট্র্যাকশন, ডায়ারাইজেশন, SRT, সারাংশ — একটি পাস।
MP4 কে এডিটরে লোড করুন। ট্রান্সক্রিপ্ট টাইমলাইন UI র অংশ হিসাবে প্রদর্শিত হয়।
মূল্য নির্ধারণ এবং বৈশিষ্ট্য ক্যাপ 2026 সালের মতো আনুমানিক। Descript এবং VEED স্তরের নাম ঘন ঘন পরিবর্তিত হয় — বর্তমান সীমার জন্য তাদের সাইট পরীক্ষা করুন।
MP4-এর জন্য নির্দিষ্ট
MP4 একটি কন্টেইনার, কোডেক নয় — এবং বেশিরভাগ ট্রান্সক্রিপশন টুল এটিকে একটি বড় অডিও ব্লব মতো বিবেচনা করে। সেখানে মিস আসে।
এক��ি MP4 ড্রপ করুন এবং এটি ডিফল্টরূপে ফ্লিপ করে। ফর্ম থেকে কাজ-প্রতি ওভাররাইড করুন।
Accuracy · real-world numbers
MP4 নির্ভুলতা কোডেক দ্বারা নয়, মাইক দ্বারা সেট করা হয়। একটি শান্ত সেটে একটি ল্যাভ মাইক সর্বদা অন-বোর্ড অডিও সহ একটি 4K ক্যামেরাকে পরাজিত করে। নীচের সংখ্যা আসল গ্রাহক MP4 থেকে আসে, যা অডিও ক্যাপচার করছে তার দ্বারা সাজানো হয়।
ল্যাপেল বা বুম একটি রেকর্ডারে, 48 kHz AAC 192+ kbps, ট্রিট করা কক্ষ। সিলিং কেস। স্পিকার লেবেল দুই-ব্যক্তির শুটে পেরেক দেয়।
ক্যামেরা-টপ মাইক 2-4 ফুট স্পিকার থেকে। কিছু কক্ষ টোন কিন্তু বক্তৃতা বোধগম্য। বেশিরভাগ YouTube ক্রিয়েটর ফুটেজ এখানে অবতরণ করে।
OBS, Loom, Camtasia এক্সপোর্ট। মাইক কাছে কিন্তু কক্ষ অবিরত, প্রায়শই সিস্টেম অডিও ব্লিড সহ। টিউটোরিয়াল ট্রান্সক্রিপ্টের জন্য যথেষ্ট ভাল।
বিল্ট-ইন ফোন মাইক, বাতাস বা হ্যান্ডলিং শব্দ, দূরত্ব শট দ্বারা শট পরিবর্তিত। শব্দ ব্যবহারযোগ্য, প্রতি মিনিটে 1-2 ফিক্স আশা করুন সঠিক বিশেষ্য উপর।
সাধারণ প্রশ্ন
প্রতি মাসে 30 ফ্রি মিনিট। কোনো কার্ড নেই। অডিও সার্ভার-সাইডে এক্সট্র্যাক্ট করা, স্পিকার লেবেল, ফ্রেম-অ্যাকুরেট SRT — সব অন্তর্ভুক্ত।
ফ্রি শুরু করুন