Canlı Transkripsiyon

Bu araç ne yapar

Canlı transkripsiyon, siz konuşurken söylediklerinizi metne dönüştürür. Başlat’a basın, mikrofona konuşun; her cümle kısa bir duraklamadan hemen sonra transkriptte görünür. Dikte veya sesle yazma gibi çalışır, ancak konuşma tanıma tamamen tarayıcınızda gerçekleşir. Hesap ya da sunucu gerekmez ve ses bilgisayarınızdan çıkmaz.

Tanıma modeli, Useful Sensors’ın cihaz üzerinde canlı transkripsiyon için geliştirdiği açık konuşmadan metne model Moonshine’dır. Kısa ifadelerde hızlıdır, bu da cümle cümle yazıya dökmeye çok uygundur. Araç onu Transformers.js ve ONNX Runtime Web ile çalıştırır; tarayıcınız destekliyorsa WebGPU, değilse WebAssembly kullanır.

Bu araç yalnızca İngilizce içindir.

Nasıl kullanılır

1. Bir model seçin. Base daha doğrudur; Tiny daha küçüktür ve yavaş bilgisayarlarda daha hızlıdır.
2. Modeli indir ve başlat düğmesine basın. Model bir kez indirilir (Base için yaklaşık 120 MB, Tiny için 50 MB), ardından tarayıcı mikrofon izni ister. İzin verin.
3. Normal şekilde konuşun. Seviye göstergesi giriş sesini gösterir ve konuşma algılandığında yeşile döner. Duraklayınca ifade modele gönderilir ve metin yeni bir satır olarak görünür.
4. Mikrofonu bırakmak için Durdur’a basın. Devam etmek için yeniden Başlat’a basın; zaman damgaları kaldığınız yerden saymaya devam eder.
5. Transkripti saklamak için Kopyala veya .txt indir’i, baştan başlamak için Temizle’yi kullanın. En son satırın üstte kalması için Sıralama’yı Önce en yeni yapın; kopyalama ve indirme de aynı sırayı izler.

Örnek

Zaman damgaları açıkken, İngilizce dikte edilmiş kısa bir not şöyle görünür:

[00:00] Let's start with the quarterly numbers.
[00:04] Revenue is up twelve percent compared to last year.
[00:09] Next, I want to talk about hiring.

Zaman damgalarını kapatırsanız e-postaya, belgeye veya not uygulamasına yapıştırmaya hazır düz satırlar elde edersiniz.

Algılamayı ayarlama

Basit bir ses etkinliği algılayıcısı mikrofonun ses düzeyini dinler ve cümlelerin nerede başlayıp bittiğine karar verir. Üç ayar onu kontrol eder:

• Konuşma eşiği, bir sesin konuşma sayılması için ne kadar yüksek olması gerektiğini belirler. Arka plan gürültüsü göstergeyi yeşil tutuyorsa daha gürültülü bir seviye, alçak ses kaçıyorsa daha hassas bir seviye seçin.
• Satırı bitiren duraklama, ifade yazıya dökülmeden önce gereken sessizlik süresidir. Kısa duraklamalar daha hızlı sonuç verir, uzunları cümleleri bir arada tutar.
• En uzun satır, çok uzun konuşma bölümlerini keser; böylece hiç duraklamasanız da transkript ilerlemeye devam eder.

Bu ayarlar bir sonraki Başlat’ta geçerli olur. Model seçimi ve zaman damgası ayarı sayfa adresinde saklanır, böylece tercihlerinizi yer imlerine ekleyebilir veya paylaşabilirsiniz. Transkriptin kendisi asla bağlantıya eklenmez.

Model, lisans ve sınırlar

Araç, MIT lisansıyla yayımlanan İngilizce Moonshine modellerinin ONNX sürümleri olan onnx-community/moonshine-base-ONNX veya onnx-community/moonshine-tiny-ONNX modelini kullanır. Transformers.js Apache-2.0 lisanslıdır. Doğruluk, mikrofona yakın ve net konuşan tek bir kişide en iyidir; isimler, nadir kelimeler ve belirgin aksanlar yanlış anlaşılabilir, noktalama ise modelin tahminidir. Kaydedilmiş ses dosyaları için Konuşmadan Metne aracını kullanın.