MP4 به متن — تبدیل MP4 به متن یا رونویسی فیلم MP4 با برچسب‌های گوینده

فیلم MP4 را به متن رونویسی کنید.صوت به صورت خودکار استخراج می‌شود.

فایل MP4 را رها کنید — ما پیام صوتی را سمت سرور استخراج می‌کنیم، یک رونویس مختوم‌زمان برمی‌گردانیم و یک SRT ارسال می‌کنیم که مستقیماً به YouTube، Vimeo یا NLE شما می‌رود.

صدا یا ویدیویتان را رها کنید

MP3 · WAV · M4A · MP4 · MOV · MKV · OGG · OPUS · FLAC · WEBM — up to 100 MB anonymously

Paste a link, we’ll fetch the audio

YouTube · TikTok · Vimeo · Twitter · SoundCloud · Spotify · 50+ more

مستقیم از مرورگر ضبط کنید

ثبت‌نام ۳۰ ثانیه طول می‌کشد — بلافاصله بعدش، ضبط داخل داشبورد باز می‌شود.

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTفایل‌ها در ۲۴ ساعت خودکار حذف می‌شوند

MP4 ورودی. رونویس و SRT خروجی.

MP4 یک کانتینر است — ما جریان صوتی را مستقیماً می‌خوانیم، هرگز ویدیو را بازکدگذاری نمی‌کنیم. مختوم‌زمان‌ها سمت‌الخط متناسب با نوار زمانی اصلی شما باقی می‌ماند، پس SRT در حین اولین درون‌ریزی متطابق است.

training-module-04.mp4REC 1080p · 22:14 · 412 MB

فارسی-IR تشخیص خودکارAAC 48 kHz استریو · 192 kbps

~90s

رونویس · جریان‌ایدقت 95٪

خوب، در این ماژول درباره گردش کار بازپرداخت از ابتدا تا انجام صحبت می‌کنیم.

سوال سریع قبل از شروع — این برای بازپرداخت‌های جزئی هم صدق می‌کند؟

خوب گیر آوردی. بازپرداخت‌های جزئی همان صفحه رو استفاده می‌کنند اما کد دلیل متفاوت است.

متوجه شدم. و حد تأیید هنوز دویست دلار است؟

95٪ روی دیالوگ تمیزSRT · VTT · DOCX · TXT · JSON

This is what loads when the job finishes.

Same layout as the real dashboard — Summary, full Transcript, Speakers tab, Exports. Key points and action items extracted automatically. Auto-tags on every job.

app.transcription.solutions / interview-202.mp3Export

خلاصه 5متن پیاده‌شده 1,420گوینده‌ها 2خروجی‌ها

interview-202.mp347:08128 kbps CBR2 speakersen-US auto-detected

Founders need post-call content, not just transcripts. Tools force them to stitch 5 apps together.

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.

نکات کلیدی

Gap exists between raw recordings and shippable content — tools stop at transcript.

Show notes, social clips, blog drafts all expected by call's end, not next-day.

Current tooling fragmented across 5 apps — no single pipeline.

Conversion-rate signal flipped a buyer-segment assumption at week 3.

40% of original hypothesis survived — the shape held, mechanics rebuilt.

چه کارهایی باید انجام شود

Speaker 1Investigate single-pipeline approach to replace 5-app stitch.

Speaker 2Mock how show-notes draft could flow from the transcript.

Speaker 2Pull conversion-rate by segment, Monday EOD.

Speaker 1Map the 5-app stitch & list which steps actually need a human.

Auto-taggedfounder interviewpost-call contenttooling fragmentationsingle pipeline

Try it on your own file — it's free

خودتان با ffmpeg انجام دهید. یک ویرایشگر ویدیو. یا ما.

می‌توانید صوت را خودتان استخراج کنید و Whisper را اجرا کنید. می‌توانید MP4 را در Descript یا VEED بکشید و در ویرایشگر آن‌ها کار کنید. یا فایل را اینجا رها کنید و رونویس و SRT را برگردان بگیرید، بدون قفل شدن در ویرایشگر.

Option 01

ffmpeg + Whisper

رایگان، محلی، گیج کننده. خط لوله شما و هر باگ آن مال شماست.

نیاز داردCLI + مدل 10 GB + GPU

تشخیص گویندهابزار جداگانه (pyannote)

خروجی SRTبله، پرچم دستی

زمان برای یک MP4 یک ساعته20–90 دقیقه روی CPU

صوت چند مسیرشما جریان را انتخاب می‌کنید

هزینه$0 + سخت‌افزار شما

Best forمهندسینی که قبلاً Whisper را محلی اجرا می‌کنند و دیاریزیشن را آپستریم چسباندن مشکلی ندارند.

Option 02

Transcription.Solutions

فایل MP4 را رها کنید. استخراج صوت، دیاریزیشن، SRT، خلاصه — در یک مرحله.

نیاز داردمرورگر، فقط این

تشخیص گویندهدرون‌سازی شده، هر کار

خروجی SRTمتطابق‌سمت‌الخط با منبع

زمان برای یک MP4 یک ساعتهحدود 4 دقیقه، جریان‌ای

صوت چند مسیرما تمام جریان‌ها را فهرست می‌کنیم

هزینه · در دقیقه$0.03

Best forهرکسی با یک MP4 که می‌خواهد متن و SRT را بدون یادگیری ویرایشگر یا CLI بدست آورد.

Option 03

Descript / VEED

MP4 را در ویرایشگر بارگذاری کنید. رونویس به عنوان بخشی از رابط منطقه زمانی ظاهر می‌شود.

نیاز داردحساب + منحنی یادگیری ویرایشگر

تشخیص گویندهبله، EN-تنظیم شده

خروجی SRTصادرات قفل‌شده براساس برنامه

حد بارگذاری5 GB (Descript رایگان)

صوت چند مسیرفقط مسیر اول

هزینه$12–24/کاربر/ماه

Best forویرایشگرانی که می‌خواهند ویدیو و رونویس را در یک ابزار برش دهند.

قیمت‌گذاری و محدودیت‌های ویژگی تقریبی تا سال 2026 هستند. نام‌های سطح Descript و VEED مکرراً تغییر می‌کنند — برای محدودیت‌های فعلی سایت آن‌ها را بررسی کنید.

95٪ در یک جلسه تمیز. اعداد درست وقتی صوت مقاومت کند.

دقت MP4 توسط میکروفن تعیین می‌شود، نه کدک. یک میکروفن لاگ روی یک پلت تمیز از یک دوربین 4K با صوت متصل هر زمان بهتر است. اعداد زیر از MP4‌های واقعی مشتری آمده‌اند، مرتب‌شده براساس آنچه صوت را ضبط می‌کند.

8 سوالی که مردم می‌پرسند. در مورد رونویسی MP4

01آیا شما ویدیویم را بازکدگذاری می‌کنید؟+

نه. ما فقط جریان صوتی را از کانتینر MP4 می‌خوانیم. جریان ویدیو هرگز لمس نمی‌شود، هرگز بازکدگذاری نمی‌شود و بعد از پایان کار ذخیره نمی‌شود — شما فایل اصلی خود را بدون تغییر نگاه می‌دارید.

02کدام کدک‌های درون MP4 پشتیبانی شده‌اند؟+

H.264 استاندارد + AAC مورد آسان است. ما همچنین HEVC/H.265، ProRes-در-MP4، و صوت در MP3، Opus، ALAC، یا PCM را مدیریت می‌کنیم. اگر ffmpeg می‌تواند بررسی کند، ما می‌توانیم رونویسی کنیم.

03حد اندازه‌ی فایل چیست؟+

10 GB در هر بارگذاری روی آپلودکننده وب، 50 GB از طریق API با تک‌های قابل از سرگیری. یک MP4 معمول یک ساعته 1080p حدود 1–3 GB است تا بیشتر فایل‌ها بدون فکر در مسیر وب قرار می‌گیرند.

04آیا SRT با ویدیوی اصلی من متطابق خواهد بود؟+

بله — مختوم‌زمان‌ها فهرست ویرایش MP4 و نرخ نمونه بومی را ارجاع می‌دهند. ما بازکدگذاری نمی‌کنیم، پس هیچ انحرافی وجود ندارد. SRT را در کنار MP4 در هر پخش‌کننده یا NLE رها کنید و زیرنویس‌ها در اولین بار متزامن می‌شوند.

05آیا می‌توانم زیرنویس‌ها را در ویدیو سوزانم؟+

از سمت ما نه — ما SRT را خروجی می‌دهیم و سوزاندن را برای ویرایشگر شما رها می‌کنیم. ffmpeg خطوط یک‌سطری، HandBrake، Premiere، DaVinci، Kapwing همگی SRT را که ما تولید می‌کنیم می‌پذیرند. ما نمی‌خواهیم ابزار کدگذاری نیز باشیم.

06در مورد MOV، MKV، M4V، WebM چطور؟+

همه از طریق همان خط لوله پشتیبانی شده‌اند. MOV به خصوص — خانواده MPEG-4 یکسان، مسیر استخراج یکسان. MKV با جریان‌های صوتی متعددد رابط انتخاب‌گر جریان یکسان را به عنوان MP4 چند‌مسیره می‌گیرد.

07آیا می‌توانم فقط یک URL YouTube یا Vimeo بفرستم؟+

برای YouTube بله — یک URL عمومی را روی صفحه بارگذاری بچسبانید و ما صوت را مستقیماً واکشی می‌کنیم، بدون نیاز به بارگذاری MP4. Vimeo به یک فایل مستقیم یا یک لینک بارگذاری امضا‌شده نیاز دارد چون پخش‌کننده آن‌ها جریان را قفل می‌کند.

08اگر هیچ دیالوگ سخنی نباشد، فقط موسیقی یا B-roll؟+

VAD قسمت‌های ساکت و فقط‌موسیقی را تشخیص می‌دهد و آن‌ها را پرش می‌دهد، بنابراین برای فوتیج محیط‌پیرامونی پرداخت نمی‌کنید. رونویس آن دامنه‌ها را به جای ابتکار کلمات به `[موسیقی]` یا `[بدون سخن]` نشان می‌دهد.