Ses Kaydını Yazıya Dökme: Konuşmacı Etiketli Paragraflar

Toplantı, röportaj, ders, podcast ve sesli notlar gibi ses ve video kayıtlarını metne dönüştüren bir online araç. Sonuç, konuşmacı etiketleri ve zaman kodlarıyla paragraflar halinde gelir; sayfada düzenleyebilir, kopyalayabilir veya DOCX, PDF, TXT ya da SRT/VTT altyazı olarak indirebilirsiniz. Kısa dosyalar tarayıcıda tanınır; saatler süren kayıtlar sunucumuzda işlenir ve metin hazır olunca e-posta alırsınız.

Ses yazıya nasıl çevrilir

3 adım
1
Kaydı yükleyin

MP3, WAV, M4A, FLAC, OGG, WebM veya bir video: dosyayı sayfaya sürükleyin ya da cihazınızdan seçin.

2
Tanıma ayarlarını yapın

Dili ve kaliteyi seçin, “Konuşmacıları etiketle” kutusunu işaretleyin; biliyorsanız katılımcı sayısını girin.

3
Metni alın

Kelimeleri ve konuşmacı adlarını doğrudan sayfada düzeltin, sonra metni kopyalayın veya DOCX, PDF, TXT, SRT ya da VTT olarak indirin.

Kayıtlı bir konuşmayı okunaklı bir belgeye dönüştürün: kim neyi ne zaman söyledi

Tersini istiyorsanız — metni sese çevirmek için kullanın Metin Okuma →

Bunun yerine canlı dikte etmek ister misiniz? 🎤 Sayfaya sesle yazın

Ses veya video dosyasını buraya sürükleyin
MP4, WEBM, MOV, MP3, WAV, M4A, OGG, FLAC, AAC, M4B, WMA, AIFF, OPUS, CAF, MKV, AVI, WMV, FLV, M4V, 3GP, TS, MTS, M2TS, VOB, MPG, MPEG, OGV

Yazıya dökme ayarları

Konuşmacılar
📝 İsimler ve terimler (isteğe bağlı)
Yapay zekanın doğru yazması için özel isimler, marka adları ve teknik terimleri listeleyin.
Gürültülü veya boğuk kayıt mı? Önce sesi temizleyin →

Transkripsiyonunuz burada görünecek.

00:00

Hangi model seçilmeli: tarayıcıda mı, sunucuda mı

Yazıya dökme işleminin nerede çalışacağını ayarlardaki “İşleme” anahtarı belirler. Tarayıcıda model bir kez indirilir, önbellekte kalır ve cihazınızda çalışır; bu yüzden süre cihazınıza bağlıdır. Sunucuda ise kaydı bizim makinemiz yazıya döker: sekmeyi kapatabilirsiniz, metin hazır olduğunda e-posta gelir.

Tarayıcıda

Süre, ses dakikası başına harcanan iş dakikasıdır ve ziyaretçilerin çalıştırmalarının medyanıdır; ilk çalıştırma modelin inmesini de bekler. Adlar “Tanıma Kalitesi” listesiyle aynıdır.

Model Tek seferlik indirme Bilgisayar Telefon Ne zaman tercih edilir
HızlıWhisper Tiny 39–73 MB ≈ 0,3 0,2–0,3 Zayıf bir cihazda İngilizce konuşmanın taslağı. Diğer dillerde o kadar sık hata yapar ki araç bunu kendiliğinden hiç önermez.
DoğruWhisper Base 73 MB ≈ 0,6 0,3–0,9 İngilizce konuşma; cihaz “Yüksek doğruluk” seçeneğine yetişemiyorsa diğer diller.
Yüksek doğrulukWhisper Small 238–462 MB ≈ 1,4 2,4–6,4 İngilizce ve Rusça dışındaki diller, cihaz yetişebiliyorsa: İspanyolcada Base modelinden 3,5 kat daha az kelime hatası yapar.
MaksimumWhisper Large v3 Turbo 1–1,5 GB ≈ 3,1 (tahmini) 5–14 (tahmini) En zor ses kayıtları. Ekran kartı gerektirir; 4 GB ve altı belleğe sahip cihazlarda sunulmaz, araç da bunu kendiliğinden hiç açmaz.
Rusça — daha doğruGigaAM v3 305 MB ≈ 0,6 ≈ 2,7 (tahmini) Rusça konuşma: cihaz indirmeyi kaldırabiliyorsa araç bunu kendisi seçer. Whisper’a göre kelime hatası birkaç kat daha azdır; başka bir dili tanımaz.

Sunucuda

Bir dakikalık ses için verilen süre, bu sunucudaki işlemlerin ortanca değeridir. Konuşmacı etiketleri dakika başına ≈ 13 sn (tahmini) ekler; sunucu yoğunsa sırada bekleme süresi de eklenir.

Mod Ses dakikası başına süre Ne zaman tercih edilir
StandartWhisper Base ≈ 13 sn (tahmini) Hızlı, en az doğru
YüksekWhisper Small ≈ 26 sn (tahmini) Standart’tan iki kat daha doğru
MaksimumWhisper Large v3 Turbo ≈ 30 sn (tahmini) Tüm diller; Rusça için temiz seste daha iyi
Rusça modelGigaAM v3 ≈ 3 sn (tahmini) Telefon ve oda kayıtlarında daha hassas; Yalnızca Rusça
OpenAIOpenAI gpt-transcribe ≈ 2 sn (tahmini) Dakika başına 200 token · testimizde «Maksimum»un yarısı kadar hata · ses OpenAI'ye (ABD) gönderilir

Videoda yalnızca ses kanalı yazıya dökülür — bu kanal videonun kendisinden onlarca kat küçüktür.

Yayımlandı Güncellendi Yazar: