Często zadawane pytania

Usługa zamiany mowy na tekst automatycznie przekształca treść mówioną w tekst. Pomaga szybko zamienić nagrania głosowe, notatki ze spotkań i inne materiały audio w edytowalny tekst.

Wystarczy założyć konto, wybrać plan dopasowany do Twoich potrzeb i możesz zacząć korzystać z usługi. Oferujemy przejrzysty interfejs, w którym łatwo prześlesz plik audio i otrzymasz wynik konwersji.

Obsługujemy popularne formaty audio, w tym MP3, WAV, M4A, AAC i inne. Jeśli potrzebujesz specjalnego formatu, skontaktuj się z naszym zespołem obsługi.

Nasza technologia rozpoznawania mowy korzysta z zaawansowanych algorytmów AI i w standardowym środowisku mandaryńskim może osiągać dokładność powyżej 98%. Przy akcencie lub szumie w tle dokładność może być niższa.

Bezpieczeństwo danych użytkowników traktujemy bardzo poważnie. Pliki audio są automatycznie usuwane z naszych serwerów po konwersji, a dane głosowe są przechowywane na bezpiecznych platformach z szyfrowaniem na poziomie branżowym. Możesz też w każdej chwili ręcznie usunąć pliki audio.

Czas konwersji zależy od długości pliku audio. Zwykle wynosi około 10 sekund na minutę nagrania. Przy dłuższych plikach konwersja może trwać dłużej. Nagranie trwające godzinę może zająć około 10 minut.

Oferujemy trzy tryby transkrypcji: Najszybszy, Zrównoważony i Dokładny. Przy dobrej jakości dźwięku polecamy tryb Najszybszy lub Zrównoważony, bo oba szybko dają wiarygodny wynik. Do zwykłych nagrań najlepiej sprawdza się tryb Zrównoważony. Jeśli w nagraniu jest szum, wielu mówców albo potrzebujesz najwyższej precyzji, wybierz tryb Dokładny.

Pliki transkrypcji przeniesione do kosza są przechowywane do 30 dni. Po tym czasie zostaną automatycznie i trwale usunięte. Możesz też w każdej chwili usunąć je na stałe ręcznie z kosza.

Funkcja rozpoznawania mówców służy do identyfikacji osób mówiących w pliku audio. Włączysz ją, klikając przycisk „Włącz rozpoznawanie mówców”. Po włączeniu system będzie rozpoznawał mówców w nagraniu.

Opcja „Rozpoznaj mówcę” pozwala sztucznej inteligencji wykrywać i rozdzielać różnych mówców w nagraniu. Jeśli podasz liczbę mówców, AI może dzięki temu dokładniej ich rozdzielić i oznaczyć. Jeśli nie wybierzesz liczby, system wykryje i sklasyfikuje mówców automatycznie. Wynik nie musi ściśle odpowiadać podanej liczbie, ponieważ AI nadal dopasowuje wykrywanie do rzeczywistych cech nagrania.

Opcja „Scenariusz” pozwala systemowi dostosować parametry techniczne do środowiska nagrania. Różne scenariusze stosują inne ustawienia AI, takie jak poziom redukcji szumu, wzmocnienie mowy i filtrowanie tła, aby poprawić dokładność transkrypcji bez ręcznej konfiguracji złożonych opcji. W większości przypadków scenariusz „Ogólny” daje najbardziej zrównoważony wynik i pasuje do typowych nagrań.

„Długość segmentu” to rozmiar lub czas trwania każdego fragmentu tekstu powstającego podczas transkrypcji AI. Określa, jak długi będzie każdy kawałek tekstu. Krótsze segmenty dają częstsze przerwy i dokładniejsze znaczniki czasu, a dłuższe tworzą większe bloki tekstu. To ustawienie wpływa na strukturę gotowej transkrypcji, ale nie zmienia jej dokładności.