कौन कब बोला निःशुल्क: ध्वनि पृथक्करण और लाइव उपशीर्षक
किसी बैठक, साक्षात्कार या व्याख्यान के बाद आपके पास एक रिकॉर्डिंग रह जाती है जहां कई लोग बात करते हैं, और एक साधारण प्रतिलेख आपको यह नहीं बता सकता कि किसने क्या कहा। कौन कब बोला एक मुफ़्त ब्राउज़र टूल है: यह रिकॉर्डिंग को स्पीकर (चार तक) में विभाजित करता है, वैकल्पिक रूप से भाषण को टाइमस्टैम्प्ड संवाद में बदल देता है, और इसका दूसरा टैब सीधे आपके माइक्रोफ़ोन से लाइव कैप्शन चलाता है। फ़ाइल कभी अपलोड नहीं की जाती, कोई टोकन खर्च नहीं किया जाता और किसी खाते की आवश्यकता नहीं होती।
यह काम किस प्रकार करता है
स्पीकर पृथक्करण NVIDIA Sortformer मॉडल द्वारा संचालित होता है: यह अधिकतम चार स्पीकर ढूंढता है और समय के विस्तार को बताता है जिसमें प्रत्येक को सुना गया था। यदि आप "भाषण को प्रतिलेखित भी करें" बॉक्स को चेक करके छोड़ देते हैं, तो शब्द स्पीकर से जुड़ जाते हैं - आपको "स्पीकर 1", "स्पीकर 2" और अन्य लेबल वाला एक संवाद प्रतिलेख मिलता है, जिसे आप TXT, SRT, VTT या JSON के रूप में कॉपी या डाउनलोड कर सकते हैं। टाइमलाइन के आगे एक बैज दिखाता है कि मॉडल को कितने स्पीकर मिले।
पहला रन आपके डिवाइस पर मॉडल का वजन डाउनलोड करता है - कुल मिलाकर लगभग 380 एमबी। उसके बाद वे आपके ब्राउज़र में कैश्ड रहते हैं और बाद में चलने के लिए किसी नेटवर्क की आवश्यकता नहीं होती है। ग्राफ़िक्स कार्ड (WebGPU) के साथ विश्लेषण त्वरित है; इसके बिना इंजन प्रोसेसर (WASM) पर वापस आ जाता है - काफ़ी धीमा, लेकिन परिणाम वही होता है, और ऐसा होने पर टूल आपको बताएगा। ऑडियो को ब्राउज़र के अंदर 16 kHz मोनो तक मोड़ दिया जाता है; किसी भी चीज़ को कहीं भी रिकार्ड करने की आवश्यकता नहीं है।
अपनी स्वयं की रिकॉर्डिंग चिह्नित करना
- खोलें औजार और एक ऑडियो या वीडियो फ़ाइल चुनें: MP3, WAV, M4A, MP4 और WebM स्वीकार किए जाते हैं, और आप फ़ाइल को फ़्रेम पर छोड़ सकते हैं।
- "भाषण को प्रतिलेखित भी करें" बॉक्स पर निर्णय लें: चेक किया गया, यह आपको एक टाइमस्टैम्प्ड संवाद देता है; अनियंत्रित, केवल "कौन और कब बोला" समयरेखा।
- प्रारंभ बटन दबाएँ. पहली बार चलाने पर, मॉडलों के डाउनलोड होने की प्रतीक्षा करें - प्रगति पट्टी आपको सूचित करती रहती है।
- परिणाम समयरेखा और संवाद है। टेक्स्ट को एक बटन से कॉपी करें या अपनी ज़रूरत के प्रारूप में डाउनलोड करें।
माइक्रोफ़ोन से लाइव कैप्शन
दूसरा टैब सीधे माइक्रोफ़ोन से ध्वनि लेता है और जैसे ही आप बोलते हैं उसे वाक्यांश दर वाक्यांश कैप्शन देता है: वर्तमान वाक्यांश बड़ा दिखाई देता है, समाप्त वाक्यांश नीचे दी गई सूची में बने रहते हैं। यह किसी मीटिंग, व्याख्यान या वीडियो कॉल के लिए उपयुक्त है, जब किसी फ़ाइल को संसाधित करने के बजाय अभी कैप्शन की आवश्यकता होती है। बटन दबाकर माइक्रोफ़ोन पहुंच का अनुरोध किया जाता है; फ़ाइल में कुछ भी नहीं लिखा जाता है और ब्राउज़र से कुछ भी नहीं निकलता है।
पहले से क्या पता
उपकरण नया और प्रयोगात्मक है: पृथक्करण की गुणवत्ता रिकॉर्डिंग पर निर्भर करती है। स्वच्छ माइक्रोफ़ोन वार्तालाप आत्मविश्वास से विभाजित होते हैं, जबकि शोर, लगातार रुकावटों के साथ गूंजती रिकॉर्डिंग इसे भ्रमित कर सकती है। भाषण कार्य में भी स्मृति की आवश्यकता होती है - लगभग 1 जीबी हेडरूम की योजना बनाएं। प्रोसेसर पथ (WASM) पर एक लंबी रिकॉर्डिंग में ग्राफिक्स कार्ड की तुलना में काफी अधिक समय लगता है। मॉडल नाम नहीं सीखता: "स्पीकर 1" और "स्पीकर 2" लेबल का उद्देश्य आपके मिनटों से मेल खाने के लिए निर्यात के बाद उनका नाम बदलना है।
इसकी जरूरत किसे है
एक पत्रकार तुरंत पता लगा सकता है कि साक्षात्कार में कोई नई आवाज़ कहाँ प्रवेश करती है। एक छात्र एक व्याख्यान को पंक्ति दर पंक्ति रिकॉर्ड कर सकता है: जहां प्रोफेसर ने बात की और जहां दर्शकों ने पूछा। एक पॉडकास्ट संपादक एक लंबे सत्र के हिस्सों का पता लगा सकता है जहां सभी ने एक-दूसरे के बारे में बात की और उन्हें काट दिया। एक बैठक सचिव कहीं भी रिकॉर्डिंग भेजे बिना टाइमकोड के साथ मिनटों का मसौदा तैयार कर सकता है।
जब आपको किसी और चीज की जरूरत हो
यदि आप ध्वनि के आधार पर विवरण के बजाय सादा पाठ चाहते हैं, तो खोलें ऑडियो और वीडियो → पाठ. अनुभाग के अन्य उपकरण इस पर रहते हैं ऑडियो पृष्ठ, और अधिक निःशुल्क स्थानीय उपकरण नीचे हैं अन्य उपकरण. विश्लेषण खुली FluidAudio लाइब्रेरी (MIT लाइसेंस) द्वारा किया जाता है: कोड और मॉडल आपके ब्राउज़र में रहते हैं, अन्य सर्वरों पर कोई प्रभाव नहीं पड़ता है।