Online konvertor WAV do TEXT zdarma

Nahrávky řeči je třeba takto převést, pokud potřebujete prohledávatelné poznámky z porad, přepisy rozhovorů, titulky nebo upravitelný text namísto zvukové stopy. Výsledkem je obvykle prostý soubor .txt nebo .text obsahující řeč rozpoznanou z nahrávky WAV.

Co je formát WAV

WAV, označovaný příponou .wav, je audio kontejner používaný digitálními rekordéry, audio editory, digitálními audio pracovními stanicemi a archivními systémy. Obvykle ukládá nekomprimovaný zvuk PCM, kontejner však může obsahovat i jiné kodeky.

Soubory PCM WAV zachovávají vzorkovací frekvenci a bitovou hloubku nahrávky bez ztrátové komprese, což podporuje úpravy a rozpoznávání řeči, ale obvykle vytváří větší soubory než MP3, AAC nebo jiné komprimované formáty. Mezi běžné zdroje WAV patří hlasové nahrávky, rozhovory, hudební nahrávky, zvukové efekty a archivní záznamy.

Co je formát TEXT

V pracovním postupu převodu zvuku na text znamená TEXT obvykle dokument ve formátu prostého textu s příponou .txt nebo .text. Ukládá znaky a konce řádků, nikoli zvuk, obrázky, vložená média ani původní průběh signálu.

Prostý text lze otevřít v aplikacích Notepad, TextEdit, LibreOffice, v editorech kódu a v systémech pro správu dokumentů. UTF-8 je nejbezpečnější kódování pro znaky s diakritikou a nelatinská písma. Přepis lze prohledávat, kopírovat, indexovat, upravovat nebo importovat do jiné aplikace, prostý text však obvykle nezachovává časové značky, označení mluvčích, formátování ani synchronizované titulky.

Jak převést WAV na TEXT

Jde o úlohu rozpoznávání řeči, nikoli o změnu přípony souboru. Přejmenování souboru recording.wav na recording.txt ani extrahování metadat WAV nevytvoří přepis.

1. Otevřete převodník zvuku na text na webu 101convert.com a nahrajte soubor .wav. Službu lze používat bez instalace softwaru.
2. Pokud je k dispozici volba jazyka, vyberte jazyk, kterým se v nahrávce mluví. Správné nastavení jazyka zlepšuje rozpoznávání výslovnosti a slovní zásoby.
3. Spusťte přepis a poté stáhněte vygenerovaný výsledek jako soubor prostého textu, například transcript.txt.
4. Otevřete text v editoru podporujícím UTF-8 a před použitím jako finálního přepisu opravte jména, čísla, interpunkci, technické termíny a změny mluvčích.

Možnosti lokálního přepisu

U nahrávek, které nemají opustit počítač, může desktopový nebo příkazový software kompatibilní s Whisperem vygenerovat přepis lokálně. Po instalaci balíčku příkazového řádku OpenAI Whisper a jeho požadovaných závislostí je typický příkaz následující:

whisper recording.wav --model small --language en --output_format txt

Tento příkaz zapíše přepis ve formátu prostého textu do výstupního adresáře. Nahraďte en příslušným kódem jazyka nebo parametr --language vynechte pro automatickou detekci jazyka. Větší modely mohou zlepšit rozpoznávání, vyžadují však více času na zpracování a více paměti. Lokální instalace obecně vyžaduje také FFmpeg.

Pokud je zdroj neobvyklý, poškozený nebo nekompatibilní, může FFmpeg před přepisem vytvořit standardní mono PCM WAV:

ffmpeg -i input.wav -ar 16000 -ac 1 -c:a pcm_s16le speech.wav

Tento příkaz mění formát vzorkování zvuku; nahrávku nepřepisuje. Převzorkování nemůže obnovit slova ztracená kvůli ořezu signálu, šumu nebo nízké kvalitě nahrávky.

Omezení kvality a kompatibility

Přesnost rozpoznávání závisí na kvalitě mikrofonu, hluku na pozadí, dozvuku, překrývajících se mluvčích, přízvucích, rychlosti řeči, výběru jazyka a specializované slovní zásobě. Nekomprimovaný WAV zachovává vzorky zvuku, nezaručuje však přesné rozpoznávání.

Ručně zkontrolujte vlastní jména, čísla, data, interpunkci, technické termíny a změny mluvčích. Dlouhé nahrávky může být nutné rozdělit na menší úseky, zatímco ticho, hudba a jiné neřečové zvuky mohou snížit efektivitu zpracování. Pokud jsou vyžadovány časové značky, označení mluvčích nebo synchronizované titulky, použijte místo prostého TEXT formát titulků nebo strukturovaného přepisu.