گفتار به متن با هوش مصنوعی

صدا وارد می‌شود،
متن بیرون می‌آید

جلسه، مصاحبه، پادکست یا یادداشت صوتی را به متن تبدیل کنید؛ با تشخیص خودکار زبان، تفکیک گویندگان، زمان هر کلمه و برچسب رویدادهای صوتی.

  • فایل صوتی تا ۵۰ مگابایت
  • هزینه به ازای هر دقیقه شروع‌شده
سه راه ورود صدا

صدا را از هر جا بیاورید

فایل را بارگذاری کنید، از کتابخانه حسابتان انتخاب کنید یا همان‌جا ضبط کنید.

بارگذاری فایل

فایل صوتی را از دستگاه خود انتخاب کنید؛ حجم هر فایل تا ۵۰ مگابایت.

انتخاب از کتابخانه

فایل‌هایی که قبلاً بارگذاری یا تولید کرده‌اید، بدون بارگذاری دوباره آماده انتخاب‌اند.

ضبط با میکروفون

همان‌جا ضبط کنید؛ هر وقت لازم شد مکث کنید، ادامه دهید یا ضبط را لغو کنید.

خروجی چندلایه

یک متن، چهار لایه

متن خروجی فقط کلمات نیست. صفحه را پایین بکشید تا لایه‌های آن یکی‌یکی اضافه شوند.

  1. ۱تشخیص زبانزبان صحبت خودکار شناخته می‌شود؛ فارسی، انگلیسی یا زبان‌های دیگر.
  2. ۲تفکیک گویندگانمتن به نوبت‌های جدا تقسیم می‌شود تا معلوم باشد هر جمله را چه کسی گفته است.
  3. ۳زمان‌بندی کلماتزمان هر کلمه ثبت می‌شود؛ برای پیدا کردن هر لحظه از فایل.
  4. ۴برچسب رویدادهای صوتیصداهای غیرگفتاری مثل خنده یا موسیقی در متن علامت‌گذاری می‌شوند.
واژه‌های کلیدی

اسم‌های خاص را درست بنویسد

نام برند، اسم افراد و اصطلاحات تخصصی را به‌عنوان واژه کلیدی وارد کنید تا مدل آن‌ها را درست‌تر تشخیص دهد. این گزینه اختیاری است و نرخ هر دقیقه را تغییر می‌دهد.

  • نام محصول، برند و شرکت
  • واژه‌های انگلیسی میان متن فارسی
نمونه نمایشی۱۲ لوم / دقیقه۱۶ لوم / دقیقه

بدون واژه کلیدیجلسه با تیم لومه درباره مدل سی دریم برگزار شد.

با واژه کلیدیجلسه با تیم لومهلوما درباره مدل سی دریمSeedream برگزار شد.

مدل و تعرفه

هزینه، دقیقه به دقیقه

مشخصات و نرخ مدل همگام با کاتالوگ داشبورد لوما نمایش داده می‌شود. اعتبار فقط در صورت موفقیت پردازش کسر می‌شود.

ElevenLabs Scribe v2ElevenLabs
ورودی
بارگذاری فایل، انتخاب از کتابخانه یا ضبط با میکروفون
حجم فایل
حداکثر ۵۰ مگابایت
قابلیت‌ها
چندزبانهتفکیک گویندگانزمان‌بندی کلمات
خروجی
متن زمان‌بندی‌شده، تفکیک گویندگان و برچسب رویدادهای صوتی
تعرفه
۱۲ لوم برای هر دقیقه شروع‌شده، با واژه‌های کلیدی ۱۶ لوم

اطلاعات ذخیره‌شده کاتالوگ؛ تعرفه دقیق پیش از اجرا در فرم ابزار نمایش داده می‌شود.

هزینه به دقیقه‌های شروع‌شدههر دقیقه شروع‌شده کامل حساب می‌شود؛ حداقل یک دقیقه.

۳ دقیقه × ۱۲ لوم۳۶ لوم

سوالات متداول

پرسش‌های رایج گفتار به متن

سرویس گفتار به متن لوما چه کاری انجام می‌دهد؟
یک فایل صوتی یا صدای ضبط‌شده را به متن قابل خواندن تبدیل می‌کند. خروجی مدل ElevenLabs Scribe v2 می‌تواند زبان صحبت را تشخیص دهد، گویندگان را از هم جدا کند، زمان هر کلمه را مشخص کند و رویدادهای صوتی مثل خنده یا موسیقی را برچسب بزند.
صدا را از کجا می‌توانم وارد کنم؟
سه راه دارید: فایل صوتی را بارگذاری کنید، فایلی را که قبلاً در کتابخانه حساب دارید انتخاب کنید، یا همان‌جا با میکروفون ضبط کنید. هنگام ضبط می‌توانید مکث کنید، ادامه دهید یا ضبط را لغو کنید.
حداکثر حجم فایل صوتی چقدر است؟
حجم فایل صوتی ورودی حداکثر ۵۰ مگابایت است. محدودیت مدت و قالب‌های پذیرفته‌شده در فرم همان ابزار نمایش داده می‌شود.
هزینه تبدیل گفتار به متن چطور حساب می‌شود؟
هزینه بر اساس دقیقه‌های شروع‌شده صدا محاسبه می‌شود: ۱۲ لوم برای هر دقیقه، با حداقل یک دقیقه. یعنی فایل ۲ دقیقه و ۱۰ ثانیه‌ای سه دقیقه حساب می‌شود. اگر واژه‌های کلیدی وارد کنید، نرخ هر دقیقه ۱۶ لوم است. مبلغ دقیق پیش از اجرا در فرم ابزار نمایش داده می‌شود.
واژه‌های کلیدی به چه دردی می‌خورند؟
نام برندها، اسم افراد، اصطلاحات تخصصی و واژه‌های کم‌کاربرد را می‌توانید به‌عنوان واژه کلیدی وارد کنید تا مدل آن‌ها را درست‌تر تشخیص دهد. این گزینه اختیاری است و نرخ هر دقیقه را از ۱۲ به ۱۶ لوم می‌رساند.
آیا گفت‌وگوی چندنفره را تفکیک می‌کند؟
بله. با تفکیک گویندگان، متن جلسه، مصاحبه یا پادکست به نوبت‌های جداگانه برای هر گوینده تقسیم می‌شود تا معلوم باشد هر جمله را چه کسی گفته است.
آیا زبان را باید از قبل انتخاب کنم؟
لازم نیست. مدل چندزبانه است و زبان صحبت را خودکار تشخیص می‌دهد؛ در صورت پشتیبانی می‌توانید زبان را خودتان هم مشخص کنید تا تشخیص دقیق‌تر شود.
خروجی هوش مصنوعی همیشه دقیق است؟
خیر. کیفیت صدا، نویز، هم‌پوشانی صحبت‌ها و لهجه روی نتیجه اثر می‌گذارد. پیش از استفاده رسمی یا انتشار، متن را بازبینی کنید. اعتبار فقط در صورت موفقیت پردازش از حساب کسر می‌شود.
رفت و برگشت: متن به گفتارمتنی که از صدا گرفتید را دوباره با گویندگان هوش مصنوعی به صدا تبدیل کنید.

قدم بعدی

نتیجه این ابزار، ورودی ابزار بعدی است. فایل را دانلود کنید و در یکی از این ابزارها ادامه دهید.

از رویا تا واقعیت

قدرتمندترین ابزارهای خلاقیت جهان، اکنون در دستان شما. بدون محدودیت، بدون اشتراک اجباری.

پیوستن به +۱۰,۰۰۰ خالق محتوا