Audio-tekstkonverter

Dette værktøj modtager en lydfil og valgfri referencetekster for at generere tidsstemte linjer. Hvis tekster leveres, justerer algoritmen dem til lyden og leverer synkroniserede undertekster. Hvis der ikke er tekster, kan værktøjet oprette en transcription og derefter matche den til sporet. Uddrag indeholder tidsstemte sangtekstrækker i LRC-, SRT- eller almindelig tekstformat. Arbejdsgangen understøtter batch-behandling og kan køre lokalt eller på serveren afhængigt af implementeringen.
Kernen i behandlingen bruger forced alignment med akustiske modeller til at forankre sangtekst-syllables til lyd, suppleret af sproggenkendelse og valgfri takt-sporing. Den understøtter flere sprog, genkender omkvædsdele, kan opdele lange numre og beregner tidsstempler per linje eller per ord med valgfri tillids-score og eksporterer UTF-8. Ved lav lydkvalitet rapporteres usikre regioner, og der tilbydes fallback-muligheder som manuel gennemgang.
Målgruppen omfatter uafhængige kunstnere, studie, uddannelsesinstitutioner og indholdsskabere, der ønsker at spare tid, levere konsekvente undertekster og understøtte flersprogede sangtekster. Fordelen ligger i offline-modeller, batch-behandling, fleksible eksportformater til video-workflows og en klar, auditerbar tidsstempelstruktur. For eksempel kan en tre-minutters engelsk pop-sang give cirka 180 tidsstemplede linjer; et tosproget nummer kan producere sprog-specifikke sangtekster til hver lydkanal.