Lyd til tekst Transskription

Dette værktøj accepterer lydfiler og konverterer talt indhold til skriftlige transskriptioner. Det henvender sig til forskere, journalister, undervisere, podcastere og tilgængelighedsspecialister, der har brug for hurtigt søgbart tekstuddrag fra interviews, foredrag eller optagelser. Den centrale funktionalitet er en automatiseret talegenkendelses (ASR) pipeline, der håndterer forbehandling, akustisk dekodning, sprogmodellering og efterbehandling for at producere rene transskriptioner. Konceptuelt forbedrer systemet først lydkvaliteten, udvinder funktioner og dekoder derefter den bedste teksthypotese, og anvender korrekt tegnsætning og store/små bogstaver. Valgmuligheder omfatter tidsstempler, diarisation til speaker labels og flere eksportformater. Værktøjet understøtter batch-behandling for flere filer og kan håndtere almindelige formater (mp3, wav, m4a). Det er designet til at passe ind i indholdsarbejdsgange, forskningstranskriptioner og medie-tilgængeligheds-pipelines. Resultatet kan bruges som det er eller forbedres i efterfølgende redigeringsværktøjer.