دیجی‌نت

ابزارهای کاربردی

تبدیل صوت به متن یا زیرنویس رو روی کامپیوترت انجام بده!

0 بازدید

ماجرا چیه؟

اپ Gleam Audio یه برنامهٔ دسکتاپیه برای ویندوز، مک و لینوکس که صدای ضبط‌شده رو با هوش مصنوعی تمیز می‌کنه: نویز فن و ترافیک رو برمی‌داره، بلندی صدا رو یکدست می‌کنه و مکث‌های طولانی رو کوتاه می‌کنه. همهٔ این کارها هم روی خود کامپیوتر انجام می‌شه و فایل جایی آپلود نمی‌شه. 🎧

طبق وبلاگ رسمی Gleam Audio، نسخهٔ ۲.۳ این اپ ۳۰ آبان ۱۴۰۵ (۲۱ نوامبر ۲۰۲۶) منتشر شد و یه گروه جدید به اسم Pro (حرفه‌ای) به نوار کناری اضافه کرد که فعلاً دو تا ابزار داره: Transcribe (رونویسی) و Recipes (دستورالعمل‌ها).

ابزار Transcribe چی کار می‌کنه؟

این ابزار حرف‌هایی که توی فایل زده می‌شه رو می‌نویسه، اون هم روی خود کامپیوترتون. بار اول، مدل تشخیص گفتار یه‌بار دانلود می‌شه و بعدش همون‌جا می‌مونه. دو تا مدل برای انتخاب دارید:

  • مدل Parakeet: سریع‌تره و انگلیسی و ۲۴ زبان دیگهٔ اروپایی رو می‌شناسه (حدود ۶۷۱ مگابایت).
  • مدل Whisper: کندتره ولی حدود ۹۹ زبان رو می‌شناسه (حدود ۱.۰۴ گیگابایت).

خروجی رو می‌تونید سه‌جور بگیرید که کنار هم و با همون اسم فایل صوتی ذخیره می‌شن:

  • فایل srt برای زیرنویس توی برنامهٔ تدوین یا سایت‌های ویدیو
  • فایل vtt برای زیرنویس توی وب
  • فایل txt برای متن ساده که بخونید، جست‌وجو کنید یا جای دیگه بچسبونید

یه گزینه هم به اسم Name each speaker (اسم‌گذاری گوینده‌ها) هست که مشخص می‌کنه کی کِی حرف زده. بعد از آماده شدن متن، اگه اسم گوینده‌ها رو عوض کنید، فایل‌های ذخیره‌شده هم خودشون به‌روز می‌شن. روی هر کلمه‌ای از متن بزنید، صدا از همون‌جا پخش می‌شه.

ابزار Recipes چی کار می‌کنه؟

یه Recipe (دستورالعمل) یه فهرست از مرحله‌هاست که به‌ترتیب اجرا می‌شن و خروجی هر مرحله می‌ره توی مرحلهٔ بعد. مرحله‌ها همون ابزارهای آشنای اپ هستن: Remove noise (حذف نویز)، Enhance (بهبود صدا)، Remove silence (حذف سکوت)، Change speed (تغییر سرعت)، Convert (تبدیل فرمت) و Transcribe (رونویسی). فقط رونویسی باید آخر از همه باشه، چون به‌جای صدا یه فایل متنی تحویل می‌ده.

هر دستورالعمل می‌تونه یه پوشه رو زیر نظر بگیره. تا وقتی اپ بازه، هر فایل تازه‌ای که توی اون پوشه بیاد، خودش از همهٔ مرحله‌ها رد می‌شه. فایل‌هایی که از قبل اونجا بودن دست نمی‌خورن. 📂

یه مثال روزمره

فرض کنید دانشجویید و هر هفته صدای کلاس رو از ته سالن با گوشی ضبط می‌کنید. یه دستورالعمل می‌سازید: اول Enhance (بهبود صدا)، بعد Remove silence (حذف سکوت) و آخر Transcribe (رونویسی). پوشه‌ای که فایل‌های ضبط رو توش می‌ریزید رو بهش معرفی می‌کنید. از این به بعد، هر فایل جدیدی که اونجا بذارید، چند دقیقه بعد یه نسخهٔ تمیزتر از صدا و یه فایل txt کنارش دارید که می‌شه شروع جزوه‌تون. یا اگه ویدیوی آموزشی ضبط می‌کنید، فایل srt رو مستقیم توی برنامهٔ تدوین‌تون می‌ندازید و زیرنویس آماده‌ست.

قدم‌به‌قدم چطوری راهش بندازید؟

۱. نسخهٔ مناسب سیستم‌تون رو از سایت Gleam Audio دانلود و نصب کنید. اگه از قبل نصبش کردید، توی نوار کناری روی Check for updates (بررسی آپدیت) بزنید.
۲. از گروه Pro (حرفه‌ای) ابزار Transcribe (رونویسی) رو باز کنید و مدل رو انتخاب کنید؛ بار اول دانلودش توی ردیف همون فایل نشون داده می‌شه.
۳. فایل صوتی یا ویدیویی رو روی پنجره بکشید و Run (اجرا) رو بزنید.
۴. برای کارهای تکراری، توی Recipes (دستورالعمل‌ها) مرحله‌ها رو اضافه کنید، با دکمه‌های بالا و پایین ترتیب‌شون رو درست کنید و در صورت نیاز یه پوشه رو بهش بدید.

نکته‌ها و محدودیت‌ها

  • بدون خرید Pro (حرفه‌ای)، ابزار رونویسی فقط ۱۵ ثانیهٔ اول فایل خودتون رو می‌نویسه و چیزی ذخیره نمی‌کنه.
  • طبق وبلاگ Gleam Audio، قیمت Pro فعلاً برای مدت محدود ۳۹.۹۹ دلاره و بعدش ۴۹.۹۹ دلار می‌شه؛ یه‌بار پرداخت می‌شه و اشتراکی نیست.
  • نسخهٔ رایگان برای استفادهٔ شخصی هفته‌ای ۲۰ فایل با همهٔ ابزارهای غیر Pro رو پوشش می‌ده.
  • دانشجوها و معلم‌ها می‌تونن لایسنس رایگان Education (آموزشی) رو درخواست بدن که هفته‌ای ۱۰۰ فایل روی دو کامپیوتر رو پوشش می‌ده.
  • تشخیص گوینده با دو تا چهار نفر و میکروفون‌های تمیز بهتر جواب می‌ده.
  • طبق همین مطلب، دقت رونویسی به کیفیت صدا بستگی داره؛ پس اگه پشت صدا سروصدای فن یا جمعیت هست، اول حذف نویز رو اجرا کنید.
  • نسخهٔ ویندوزی هنوز امضای دیجیتال نداره و موقع نصب، SmartScreen ازتون تأیید می‌خواد. ⚠️

تاریخ انتشار: ۳۰ آبان ۱۴۰۵ (۲۱ نوامبر ۲۰۲۶)؛ منبع: وبلاگ رسمی Gleam Audio

#ابزار_کاربردی #تبدیل_صدا_به_متن #هوش_مصنوعی

🔗 منبع خبر
🔗 لینک ابزار

ورود به دیجی‌نت

بازگشت به فهرست بلاگ