ভয়েস মেমো থেকে টেক্সট
আপনার বলা নোট, আইডিয়া আর রিমাইন্ডার এমন টেক্সট হিসেবে পান যা যেকোনো জায়গায় পেস্ট করা যায়।
iPhone-এ Voice Memos খুলুন, রেকর্ডিংটায় ট্যাপ করুন, তারপর Share আর Save to Files। Android-এ রেকর্ডিং সাধারণত Recordings ফোল্ডারে থাকে। তারপর এখানে ফাইলটা বাছুন।
ট্রান্সক্রিপশন চলে আপনার ব্রাউজারের ভেতরে Whisper দিয়ে, যেটা OpenAI-এর ওপেন স্পিচ রিকগনিশন মডেল। আপনার অডিও কখনো আপলোড হয় না: শুধু মডেলটা একবার ডাউনলোড হয়, তারপর আপনার ব্রাউজার সেটা রেখে দেয়, তাই পরের ফাইলগুলো সাথে সাথেই শুরু হয়।
স্পিচ মডেল: OpenAI-এর Whisper (MIT)। চলে Transformers.js দিয়ে (Apache-2.0)।
কীভাবে কাজ করে
- ফাইল ছেড়ে দিন অডিও বা ভিডিও: MP3, M4A, WAV, MP4, MOV, WebM, OGG এবং আরও।
- ভাষা বাছুন যে ভাষায় কথা বলা হচ্ছে। শব্দ বেশি এমন রেকর্ডিং বা ভারী উচ্চারণের জন্য আরও নির্ভুল বাছুন।
- ট্রান্সক্রাইব করে সেভ করুন টেক্সট কপি করুন, অথবা TXT, SRT বা VTT সাবটাইটেল হিসেবে সেভ করুন।
সাধারণ প্রশ্ন
আমার রেকর্ডিং কি আপলোড হয়?
না। এটা আপনার ডিভাইসেই ট্রান্সক্রাইব হয়। শুধু স্পিচ মডেলটা ডাউনলোড হয়, আপনার অডিও কখনো নয়।
দৈর্ঘ্যের কোনো লিমিট আছে?
আমরা কোনো লিমিট রাখি না। লম্বা ফাইলে বেশি সময় লাগে: Chrome বা Edge সহ নতুন কম্পিউটারে এক ঘণ্টার অডিওতে প্রায় 10 মিনিট লাগে। ফোন আর পুরোনো কম্পিউটারে আরও ধীরে হয়।
কোন কোন ভাষা কাজ করে?
Whisper প্রায় 100টি ভাষা বোঝে, যেমন বাংলা, ইংরেজি, স্প্যানিশ, জার্মান, ফরাসি, পর্তুগিজ, হিন্দি, আরবি, জাপানি আর ইন্দোনেশিয়ান। বহুল প্রচলিত ভাষায় নির্ভুলতা সবচেয়ে ভালো।
এটা কি ফ্রি?
হ্যাঁ। অ্যাকাউন্ট লাগে না, মিনিটের লিমিট নেই, ওয়াটারমার্ক নেই।