Whisper ಲೋಕಲ್ / ಓಪನ್ ಸೋರ್ಸ್
ನಿಮ್ಮ ಬಳಿ GPU ಮತ್ತು ಒಂದು ಮಧ್ಯಾಹ್ನವಿದ್ದರೆ ಉಚಿತ. ಸ್ಪೀಕರ್ ಡಯರೈಸೇಶನ್ ಡೀಫಾಲ್ಟ್ ಆಗಿ ಬರುವುದಿಲ್ಲ.
64 ರಿಂದ 320 kbps ವರೆಗಿನ ಯಾವುದೇ ಬಿಟ್ರೇಟ್ನಲ್ಲಿರುವ MP3 ಫೈಲ್ ಅನ್ನು ಡ್ರಾಪ್ ಮಾಡಿ. 99 ಭಾಷೆಗಳಲ್ಲಿ ಟೈಮ್ಸ್ಟ್ಯಾಂಪ್ ಮತ್ತು ಸ್ಪೀಕರ್ ಲೇಬಲ್ ಸಹಿತದ ಲಿಪ್ಯಂತರ ಪಡೆಯಿರಿ — ಯಾವುದೇ ಫಾರ್ಮ್ಯಾಟ್ ಪರಿವರ್ತನೆ ಇಲ್ಲ, ಮರು-ಎನ್ಕೋಡಿಂಗ್ ಇಲ್ಲ, ಕ್ಯೂನಲ್ಲಿ ಕಾಯುವಿಕೆಯೂ ಇಲ್ಲ.
MP3 · WAV · M4A · MP4 · MOV · MKV · OGG · OPUS · FLAC · WEBM — up to 100 MB anonymously
YouTube · TikTok · Vimeo · Twitter · SoundCloud · Spotify · 50+ more
↓ ಏನು ಹೊರಬರುತ್ತದೆ ನೋಡಿ
ನಾವು MP3 ಫ್ರೇಮ್ ಹೆಡರ್ಗಳನ್ನು ನೇರವಾಗಿ ಓದುತ್ತೇವೆ — VBR, CBR, joint-stereo, ಯಾವುದೇ ಎನ್ಕೋಡರ್ (LAME, Fraunhofer, FFmpeg). ಫೈಲ್ ನಿಜವಾದ ಸ್ಟೀರಿಯೋ ಆಗಿದ್ದು ಸ್ಪೀಕರ್ಗಳು ಪ್ರತ್ಯೇಕ ಚಾನೆಲ್ಗಳಲ್ಲಿದ್ದರೆ, ಧ್ವನಿಗಳನ್ನು ವಿಭಜಿಸಲು ಅದನ್ನು ಬಳಸುತ್ತೇವೆ. ಮೋನೋ ಮಿಕ್ಸ್-ಡೌನ್ ಅಕೌಸ್ಟಿಕ್ ಡಯರೈಸೇಶನ್ಗೆ ಫಾಲ್ಬ್ಯಾಕ್ ಆಗುತ್ತದೆ.
ಹಾಗಾದರೆ, ಆರ್ಕೈವ್ ಅಪೂರ್ಣವಾಗಿದೆ ಎಂದು ನೀವು ಮೊದಲ ಬಾರಿಗೆ ಯಾವಾಗ ಅರಿತುಕೊಂಡಿರಿ?
ಬಹುಶಃ 2019 ರ ಸುಮಾರಿಗೆ, ರೀಲ್-ಟು-ರೀಲ್ಗಳನ್ನು ಡಿಜಿಟೈಸ್ ಮಾಡಲು ಶುರು ಮಾಡಿದಾಗ.
ಮತ್ತು ಕಾಣೆಯಾದ ಟೇಪ್ಗಳು — ಅವು ಎಲ್ಲಿಯಾದರೂ ಕ್ಯಾಟಲಾಗ್ ಆಗಿದ್ದವೇ?
'78 ರ ಒಂದು ಪೇಪರ್ ಸೂಚಿ ಇದೆ, ಆದರೆ ಅದರಲ್ಲಿ ಅರ್ಧ ಭಾಗ ನೀರಿನಿಂದ ಹಾಳಾಗಿದೆ.
↓ 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.
ಮೂರು ನೈಜ ಆಯ್ಕೆಗಳು · ಪ್ರಾಮಾಣಿಕ ಹೋಲಿಕೆ
ನೀವು ತಾಂತ್ರಿಕವಾಗಿದ್ದರೆ Whisper ಅನ್ನು ನಿಮ್ಮ ಸ್ವಂತ ಲ್ಯಾಪ್ಟಾಪ್ನಲ್ಲಿ ಉಚಿತವಾಗಿ ರನ್ ಮಾಡಬಹುದು. Otter ಮತ್ತು Sonix ಚಂದಾದಾರಿಕೆ ಡ್ಯಾಶ್ಬೋರ್ಡ್ಗಳ ಒಳಗೆ MP3 ಅಪ್ಲೋಡ್ಗಳನ್ನು ಸ್ವೀಕರಿಸುತ್ತವೆ. ನಾವು ಫೈಲ್ ತೆಗೆದುಕೊಳ್ಳುತ್ತೇವೆ, ಲಿಪ್ಯಂತರವನ್ನು ಮರಳಿಸುತ್ತೇವೆ, ಮತ್ತು ನಿಮ್ಮನ್ನು ಒಂದು UI ಒಳಗೆ ಬದುಕುವಂತೆ ಮಾಡುವುದಿಲ್ಲ.
ನಿಮ್ಮ ಬಳಿ GPU ಮತ್ತು ಒಂದು ಮಧ್ಯಾಹ್ನವಿದ್ದರೆ ಉಚಿತ. ಸ್ಪೀಕರ್ ಡಯರೈಸೇಶನ್ ಡೀಫಾಲ್ಟ್ ಆಗಿ ಬರುವುದಿಲ್ಲ.
MP3 ಡ್ರಾಪ್ ಮಾಡಿ. ಸುಮಾರು ರಿಯಲ್-ಟೈಮ್ × 0.025 ರಲ್ಲಿ ಸ್ಪೀಕರ್-ಲೇಬಲ್ ಸಹಿತದ ಪಠ್ಯ ಮರಳಿ ಪಡೆಯಿರಿ.
ನುಣುಪಾದ ಡ್ಯಾಶ್ಬೋರ್ಡ್, ಮಾಸಿಕ ನಿಮಿಷಗಳ ಮಿತಿ, ಇಂಗ್ಲಿಷ್-ಟ್ಯೂನ್ ಮಾಡಲಾಗಿದೆ. ಫೈಲ್ ಅಪ್ಲೋಡ್ ಪಕ್ಕದ ವೈಶಿಷ್ಟ್ಯದಂತೆ ಭಾಸವಾಗುತ್ತದೆ.
ಬೆಲೆ ಮತ್ತು ವೈಶಿಷ್ಟ್ಯ ಲಭ್ಯತೆ ಮೇ 2026 ರಂತೆ ನಿಖರವಾಗಿದೆ. Whisper ಕಾರ್ಯಕ್ಷಮತೆ ಮಾಡೆಲ್ ಗಾತ್ರ ಮತ್ತು ಹಾರ್ಡ್ವೇರ್ಗೆ ಅನುಗುಣವಾಗಿ ಬದಲಾಗುತ್ತದೆ.
MP3 ಗೆ ನಿರ್ದಿಷ್ಟ
MP3 ಒಂದು ಫಾರ್ಮ್ಯಾಟ್, ರೆಕಾರ್ಡಿಂಗ್ ಶೈಲಿಯಲ್ಲ — ಅಂದರೆ ವಿಫಲ ಮೋಡ್ಗಳು ಎನ್ಕೋಡರ್ನಿಂದ ಬರುತ್ತವೆ, ಮಾತಿನಿಂದ ಅಲ್ಲ.
~80% MP3 ಫೈಲ್ಗಳಿಗೆ ಸರಿಹೊಂದುವ ಡೀಫಾಲ್ಟ್ಗಳು. ಫಾರ್ಮ್ನಿಂದ ಪ್ರತಿ-ಜಾಬ್ಗೆ ಓವರ್ರೈಡ್ ಮಾಡಿ.
Accuracy · real-world numbers
MP3 ನಿಖರತೆ ಎನ್ಕೋಡರ್ ಏನು ಉಳಿಸಿಕೊಂಡಿತು ಎಂಬುದರಿಂದ ಸೀಮಿತವಾಗಿರುತ್ತದೆ, ನಮ್ಮಿಂದಲ್ಲ. ~96 kbps ಗಿಂತ ಮೇಲಿನ Perceptual compression ಮಾತಿನ ಅರ್ಥ ಗ್ರಹಿಕೆಯನ್ನು ಬಹಳ ಚೆನ್ನಾಗಿ ಸಂರಕ್ಷಿಸುತ್ತದೆ; 64 kbps ಕೆಳಗೆ, sibilants ಮತ್ತು consonants ಕರಗಲು ಶುರುವಾಗುತ್ತವೆ. ಕೆಳಗಿನ ಸಂಖ್ಯೆಗಳು ಉತ್ಪಾದನೆಯಲ್ಲಿರುವ ನೈಜ ಗ್ರಾಹಕ MP3 ಗಳಿಂದ ಬಂದಿವೆ.
ಮಾತಿಗೆ ಬಹುತೇಕ ಲಾಸ್ಲೆಸ್. ಪಾಡ್ಕ್ಯಾಸ್ಟ್ ಮಾಸ್ಟರ್ಗಳು, ಡಿಕ್ಟೇಶನ್ ಆಪ್ ರಫ್ತುಗಳು, ವೃತ್ತಿಪರ ಸಂದರ್ಶನ ಸಜ್ಜುಗಳು. ಸ್ಪೀಕರ್ಗಳು ಪ್ರತ್ಯೇಕ ಚಾನೆಲ್ಗಳಲ್ಲಿದ್ದರೆ ಡಯರೈಸೇಶನ್ ಸ್ವಚ್ಛ.
ಮಾತು-ಪದ MP3 ಗಳಿಗೆ ಅತಿ ಸಾಮಾನ್ಯ ಬಿಟ್ರೇಟ್. Zoom ರಫ್ತುಗಳು, Riverside ಡೌನ್ಲೋಡ್ಗಳು, ಧ್ವನಿ ರೆಕಾರ್ಡರ್ ಡೀಫಾಲ್ಟ್. ಕಂಪ್ರೆಶನ್ ಕಲಾಕೃತಿಗಳು ಗುರುತಿಸುವವನಿಗೆ ಕೇಳಿಸುವುದಿಲ್ಲ.
ಹೆಚ್ಚಿನ ಫೋನ್ಗಳಲ್ಲಿ ವಾಯ್ಸ್ ಮೆಮೋ ಡೀಫಾಲ್ಟ್. ಅಕೌಸ್ಟಿಕ್ ಡಯರೈಸೇಶನ್ 2-4 ಸ್ಪೀಕರ್ಗಳನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ. ಸಂಖ್ಯೆಗಳು ಮತ್ತು ನಿಜವಾದ ನಾಮಪದಗಳಿಗೆ ಆಗಾಗ್ಗೆ ಒಂದು ನೋಟ ಬೇಕಾಗುತ್ತದೆ.
ಹಳೆಯ ಆನ್ಸರಿಂಗ್-ಮಶಿನ್ ರಿಪ್ಗಳು, ಉಪನ್ಯಾಸ ಆರ್ಕೈವ್ಗಳು, ಸಂಕುಚಿತ-ಬ್ಯಾಂಡ್ ಮೂಲಗಳು. ಹೆಚ್ಚಿನ-ಆವರ್ತನ ಸಮಾನ ಧ್ವನಿಗಳು (f/s/sh) ಮಂದವಾಗುತ್ತವೆ. ಇನ್ನೂ ಓದಬಲ್ಲದು — ಪ್ರೂಫ್ರೀಡ್ ಯೋಜಿಸಿ.
ಸಾಮಾನ್ಯ ಪ್ರಶ್ನೆಗಳು
ಪ್ರತಿ ತಿಂಗಳು 30 ಉಚಿತ ನಿಮಿಷಗಳು. ಕಾರ್ಡ್ ಅಗತ್ಯವಿಲ್ಲ. ಸ್ಪೀಕರ್ ಲೇಬಲ್ಗಳು, 99 ಭಾಷೆಗಳು, ಪ್ರತಿ ರಫ್ತು ಫಾರ್ಮ್ಯಾಟ್ ಸೇರಿಸಲಾಗಿದೆ.
ಉಚಿತವಾಗಿ ಪ್ರಾರಂಭಿಸಿ