Alisin ang background noise
Mag-drop ng recording at muling kunin ito nang pinahina ang ugong, hiss, trapiko, at daldalan. Tumatakbo ang paglilinis sa inyong browser: walang ia-upload maliban na lang kung pipindutin ninyo ang I-transcribe pagkatapos, at walang account.
Paano ito gumagana
Inaalis ang ingay ng DeepFilterNet 3, isang open-source neural network na ginawa para sa boses. Nakikinig ito sa recording nang tig-sampung millisecond at pinapahina, bawat band, ang itinuturing nitong hindi boses.
LICENSE-DeepFilterNet-MIT.txt · LICENSE-DeepFilterNet-APACHE.txt · THIRD-PARTY-NOTICES.txt
Dine-decode ng inyong browser ang file, tumatakbo ang modelo sa processor ng inyong device, at sine-save ang nilinis na audio mula sa page na ito. Sa unang pagkakataon na pumili kayo ng recording, dina-download ng page ang modelo at ang code na nagpapatakbo rito mula sa txscribe.ai — humigit-kumulang 20 MB kapag na-unpack na — at itinatago ito ng inyong browser para sa susunod na pagkakataon.
Nakalinya ang nilinis na file sa orihinal hanggang sa pinaka-sample, kaya maaari kayong lumipat sa pagitan ng mga ito sa kalagitnaan ng isang salita at marinig kung ano mismo ang nagbago.
Kung ano ang kaya nitong gawin, at kung ano ang hindi
- Ugong, hiss, air conditioning, ulan, mga keyboard, trapiko
- Pinakapinahina. Sa aming mga pagsusuri, sa mga paghinto sa pagitan ng mga salita, ang bawat isa sa mga ito ay bumaba sa maliit na bahagi ng dati nitong lakas. Sa ilalim ng mga salita, kung saan kasinglakas ng boses ang ingay, nabawasan din nang kaunti ang boses.
- Boses ng ibang tao sa background
- Depende ito sa mga boses. Sa aming mga pagsubok, ang ugong sa isang restaurant ay bumaba nang kasinglaki ng sa trapiko; ang isang silid-aralan, kung saan nangingibabaw ang mga indibidwal na boses, ay bumaba nang wala pang kalahati ng ibinaba ng trapiko. Binuo ang modelo upang panatilihin ang mga boses.
- Isa pang taong nagsasalita malapit sa mikropono
- Pinahina, hindi tinanggal: sa aming mga pagsusuri, ang pangalawang boses ay lumabas nang humigit-kumulang kalahati ng lakas nito, at nabawasan din nang kaunti ang pangunahing boses. Hindi matutukoy ng modelo kung aling speaker ang inyong nais.
- Isang boses na mas mahina kaysa sa ingay sa ibabaw nito
- Ang pinakamahirap na sitwasyon: maaari itong sumama sa ingay. Sa aming pagsusuri, ang isang malayong boses sa ilalim ng mas maingay na silid ay lumabas nang humigit-kumulang sangkasampu ng lakas nito. Pakinggan ang mga bahaging iyon bago ninyo gamitin ang resulta.
- Isang recording na malinis na
- Babalik nang halos walang pagbabago.
Mga limitasyon at format
Hanggang 10 minuto at 500 MB
- Kung ano ang binubuksan nito
- MP3, M4A, AAC, WAV, FLAC, OGG, Opus, at WebM na audio, at ang tunog ng mga MP4 at MOV na video: nag-decode ang bawat isa sa mga ito sa bawat browser engine na sinubukan namin. Ang iba pa ay nakadepende sa inyong browser; kung hindi nito kayang i-decode ang isang file, sasabihin ito ng page.
- Kung ano ang inyong makukuha
- Isang WAV file: 16-bit, 48 kHz, isang channel — humigit-kumulang 5.5 MB bawat minuto. Ang stereo recording ay unang imi-mix sa mono. Mula sa isang video, ang tunog nito ang inyong makukuha, hindi bagong video.
Privacy
Nananatili ang recording sa inyong device: dine-decode, nililinis, at sine-save ito rito, at walang anuman dito ang ipinapadala saanman. Binibilang namin kung aling mga hakbang sa page ang ginagamit — isang file na pinili, nilinis, na-download — nang walang nakalakip na pangalan ng file, haba, o tunog. Tanging ang I-transcribe ang nag-a-upload ng orihinal, at nakasaad ito sa tabi ng button.
Mga tanong
Libre ba ito?
Oo, nang walang account, walang watermark, at walang kailangang i-install. Ang mga limitasyon ay sa file: hanggang 10 minuto at 500 MB.
Ia-upload ba ang aking recording?
Nilinis sa browser na ito. Walang ia-upload maliban na lang kung pipindutin ninyo ang I-transcribe pagkatapos.
Bakit mas manipis pakinggan ang ilang salita pagkatapos?
Kung saan halos magkasinglakas ang isang boses at ang ingay sa likod nito, kailangang magpasya ng modelo, sa bawat sandali, kung ano ang boses, at may bahagi ng boses na pinapahina kasama ng ingay. Ang isang salitang mas mahina kaysa sa ingay sa ibabaw nito ay halos tuluyang maglaho. Lumipat sa pagitan ng Bago at Pagkatapos sa mahahalagang bahagi bago ninyo gamitin ang resulta.
Kaya ba nitong linisin ang tunog ng isang video?
Oo: piliin ang video at matatanggap ninyo pabalik ang tunog nito, na nilinis, bilang WAV — hindi bagong video.
Bakit orihinal na recording ang ginagamit ng I-transcribe, hindi ang nilinis?
Ginawa ang nilinis na kopya para pakinggan. Binabago ng paglilinis ang boses nang kaunti pati na rin ang ingay, at hindi namin sinasabing ginagawa nitong mas tumpak ang transcript — kaya ipinapadala ng I-transcribe ang recording ayon sa inyong pagkakapili.
Sa aling mga browser ito gumagana?
Mga kamakailang bersyon: Chrome o Edge, Firefox 114 o mas bago, o Safari 16.4 o mas bago. Walang kakayahan ang mga lumang browser sa kailangan nito para tumakbo (WebAssembly na may SIMD, at mga worker na naglo-load ng mga module), at sasabihin ito ng page kung hindi ito mapapatakbo ng inyong browser. Tumatakbo ito sa processor at sa memory ng inyong device, kaya mas matagal ang mas mabagal na device, at maaaring maubusan ng memory ang isang telepono sa mahabang recording; ipinapakita ng page ang natitirang oras.
Kailangan ang mga salita, hindi lang ang tunog?
Nagti-transcribe ang txscribe ng mga recording sa 82 wika, na may timestamp sa bawat salita, kaya magpe-play muli ang anumang linya sa mismong sandaling pinagmulan nito. Tumatanggap ang libreng trial ng isang recording, hanggang sa minutong 10, nang walang account.
Magsimula nang libre