ട്രാൻസ്ക്രിപ്റ്റിനേറ്റർ ഓഡിയോ റെക്കോർഡ് ചെയ്യുകയോ ഇറക്കുമതി ചെയ്യുകയോ ചെയ്യുന്നു, അത് ട്രാൻസ്ക്രൈബ് ചെയ്യുന്നു, ആരാണ് സംസാരിക്കുന്നതെന്ന് തിരിച്ചറിയുന്നു, കൂടാതെ — ഓപ്ഷണലായി — പറഞ്ഞ കാര്യങ്ങൾ പ്രവർത്തനക്ഷമമായ കുറിപ്പുകളാക്കി മാറ്റാൻ നിങ്ങളെ സഹായിക്കുന്നു. സെൻസിറ്റീവ് ആയ എല്ലാം നിങ്ങളുടെ
ഉപകരണത്തിൽ തന്നെ നിലനിൽക്കും.
തുടക്കം മുതൽ അവസാനം വരെ ഉപകരണത്തിൽ തന്നെ. ഓഡിയോ ഒരിക്കലും നിങ്ങളുടെ ഫോണിൽ നിന്ന് പുറത്തുപോകില്ല. ട്രാൻസ്ക്രിപ്ഷൻ പ്രാദേശികമായി ഓപ്പൺ സോഴ്സ് വിസ്പർ മോഡലുകളിൽ പ്രവർത്തിക്കുന്നു. സ്പീക്കർ ഐഡന്റിഫിക്കേഷൻ പയനോട്ട് ഡയറൈസേഷനും 3D-സ്പീക്കർ എംബെഡിംഗും
മോഡലുകളും ഉപയോഗിക്കുന്നു — ലോക്കലും. നിങ്ങൾക്ക് വിമാന മോഡിൽ ട്രാൻസ്ക്രിപ്റ്റിനേറ്റർ ഉപയോഗിക്കാം; നെറ്റ്വർക്ക് ആവശ്യമുള്ള ഒരേയൊരു ഘട്ടം ഒറ്റത്തവണ മോഡൽ ഡൗൺലോഡ് ആണ്.
ശബ്ദങ്ങൾ മാത്രമല്ല, ശബ്ദങ്ങളും പഠിക്കുന്നു. ഒരു സ്പീക്കറിന് ഒരിക്കൽ പേര് നൽകുക — "അത് എന്റെ സഹപ്രവർത്തകൻ ഡാന" — ട്രാൻസ്ക്രിപ്റ്റിനേറ്റർ ഭാവിയിൽ അവൾ സംസാരിക്കുന്ന എല്ലാ റെക്കോർഡിംഗിലും അവളെ യാന്ത്രികമായി ലേബൽ ചെയ്യുന്നു. വോയ്സ് പ്രൊഫൈലുകൾ നിങ്ങളുടെ
ഉപകരണത്തിൽ മാത്രമേ സംഭരിക്കൂ, ഒരിക്കലും അപ്ലോഡ് ചെയ്യില്ല.
നിങ്ങളുടെ ഗുണനിലവാര ശ്രേണി തിരഞ്ഞെടുക്കുക. മൂന്ന് ട്രാൻസ്ക്രിപ്ഷൻ ടയറുകൾ ലഭ്യമാണ്: ഫാസ്റ്റ് (വിസ്പർ ബേസ്, ~200 MB), ബാലൻസ്ഡ് (വിസ്പർ സ്മോൾ, ~600 MB), കൃത്യം (വിസ്പർ മീഡിയം, ~1.5 GB). ഒരു ആഗോള മുൻഗണന സജ്ജമാക്കുക, അല്ലെങ്കിൽ
വ്യത്യസ്ത ടയർ ഉപയോഗിച്ച് ഒരൊറ്റ റെക്കോർഡിംഗ് ഒറ്റ ടാപ്പിൽ വീണ്ടും ട്രാൻസ്ക്രൈബ് ചെയ്യുക.
നിങ്ങളുടെ സ്വന്തം നിയമങ്ങൾ രചിക്കുക. സംഭാഷണ ശൈലികളെ നിങ്ങൾക്ക് പിന്നീട് പ്രവർത്തിക്കാൻ കഴിയുന്ന ഘടനാപരമായ എക്സ്ട്രാക്ഷൻ കാർഡുകളാക്കി മാറ്റുക. "പൂച്ചയെ വളർത്തുക" എന്ന് പറയുകയും ഒരു ടോഡോ നേടുകയും ചെയ്യുക. "ചൊവ്വാഴ്ച 3 മണിക്ക് നമുക്ക് കണ്ടുമുട്ടാം" എന്ന് പറയുകയും ഒരു കലണ്ടർ ഇവന്റ് നേടുകയും ചെയ്യുക. രണ്ട്
പൊരുത്തപ്പെടുന്ന മോഡുകൾ:
- ഓഫ്ലൈൻ (അക്ഷരീയ ശൈലികൾ) — നിർണ്ണായകമാണ്, API കീ ഇല്ല, പൂർണ്ണമായും ഉപകരണത്തിൽ പ്രവർത്തിക്കുന്നു.
- AI (സെമാന്റിക് വിവരണങ്ങൾ) — ഒരു LLM കോൺഫിഗർ ചെയ്തിരിക്കുന്നതിനാൽ, പ്ലെയിൻ-ഇംഗ്ലീഷ് വിവരണങ്ങൾ പാരാഫ്രേസുകൾ സ്വയമേവ പിടിക്കുന്നു.
ഓപ്ഷണൽ AI, നിങ്ങളുടെ സ്വന്തം കീ കൊണ്ടുവരിക. ഡോക്യുമെന്റ് വർഗ്ഗീകരണം, സംഗ്രഹങ്ങൾ, ടോഡോകൾ, കലണ്ടർ ഇവന്റുകൾ, ഓർമ്മപ്പെടുത്തലുകൾ, തീരുമാനങ്ങൾ, ചോദ്യങ്ങൾ, കുറിപ്പുകൾ എന്നിവയുടെ സ്മാർട്ട് എക്സ്ട്രാക്ഷൻ എന്നിവയ്ക്കായി, മൂന്ന് ദാതാക്കളിൽ ഒരാളെ ബന്ധിപ്പിക്കുക:
- ആന്ത്രോപിക് (ക്ലോഡ്)
- ഓപ്പൺഎഐ (ചാറ്റ്ജിപിടി)
- ഗൂഗിൾ (ജെമിനി)
നിങ്ങൾ API കീ കൊണ്ടുവരുന്നു. ഇത് നിങ്ങളുടെ ഉപകരണത്തിൽ സുരക്ഷിതമായി സംഭരിച്ചിരിക്കുന്നു - ഒരിക്കലും ഞങ്ങളുടെ സെർവറുകളിൽ, ഒരിക്കലും ബാക്കപ്പുകളിൽ. സമ്മതം ഏത് സമയത്തും ഓപ്റ്റ്-ഇൻ ചെയ്യുകയും പിൻവലിക്കുകയും ചെയ്യാം. നിങ്ങളുടെ ദാതാവിന് ടെക്സ്റ്റ് ട്രാൻസ്ക്രിപ്റ്റുകൾ മാത്രമേ അയയ്ക്കൂ
— ഒരിക്കലും ഓഡിയോ അയയ്ക്കരുത്, ഒരിക്കലും സ്പീക്കർ ഉൾപ്പെടുത്തലുകളല്ല. പ്രതിമാസ ഉപയോഗത്തിന്റെ ആകെത്തുകയും ഓരോ റെക്കോർഡിംഗിനും ടോക്കൺ എണ്ണവും ആപ്പിൽ തന്നെ കാണിക്കുന്നതിനാൽ നിങ്ങൾ എന്താണ് ചെലവഴിക്കുന്നതെന്ന് നിങ്ങൾക്ക് എല്ലായ്പ്പോഴും അറിയാം.
ഓരോ എക്സ്ട്രാക്ഷനും അതിന്റെ ഉറവിടം ഉദ്ധരിക്കുന്നു. ഓഡിയോയിലെ കൃത്യമായ നിമിഷത്തിലേക്ക് പോകാൻ ഒരു ടോഡോ, കലണ്ടർ ഇവന്റ് അല്ലെങ്കിൽ ഓർമ്മപ്പെടുത്തൽ കാർഡ് ടാപ്പ് ചെയ്യുക. എക്സ്ട്രാക്ഷനുകളിൽ പദാനുപദ ഉദ്ധരണി ഉണ്ടായിരിക്കുകയും
ഉറവിട സെഗ്മെന്റിലേക്ക് തിരികെ ലിങ്ക് ചെയ്യുകയും ചെയ്യുക, അതുവഴി നിങ്ങൾക്ക് പ്രവർത്തിക്കുന്നതിന് മുമ്പ് പരിശോധിക്കാൻ കഴിയും.
ട്രാൻസ്ക്രിപ്റ്റേറ്റർ എന്തിലാണ് മികച്ചത്
- 2–6 സ്പീക്കറുകളുള്ള മീറ്റിംഗ് കുറിപ്പുകൾ
- ദീർഘമായ അഭിമുഖങ്ങൾ, പ്രഭാഷണങ്ങൾ, പ്രഭാഷണങ്ങൾ
- റെക്കോർഡിംഗുകൾ മാത്രമല്ല, യഥാർത്ഥ ട്രാൻസ്ക്രിപ്റ്റുകൾ ആവശ്യമുള്ള വോയ്സ് മെമ്മോകൾ
- ഫീൽഡ് റെക്കോർഡർ ഇറക്കുമതികൾ (IMA ADPCM, MP3, M4A, OGG, FLAC ഉൾപ്പെടെയുള്ള WAV)
- ഇഷ്ടാനുസൃത നിയമങ്ങൾ ഉപയോഗിച്ച് നിങ്ങളുടെ സ്വന്തം വർക്ക്ഫ്ലോകൾ നിർമ്മിക്കുന്നു
അത് ചെയ്യാത്തത്
- ഒരു കോളിനിടെ തത്സമയ അടിക്കുറിപ്പ് - എല്ലാം റെക്കോർഡിംഗിന് ശേഷം പ്രോസസ്സ് ചെയ്യുന്നു
- സുരക്ഷയ്ക്കുള്ള സ്പീക്കർ പരിശോധന - വോയ്സ് പൊരുത്തപ്പെടുത്തൽ ഒരു ലേബലിംഗ് സൗകര്യമാണ്, പ്രാമാണീകരണമല്ല
- ക്ലൗഡ് സമന്വയം - മനഃപൂർവ്വം. നിങ്ങളുടെ റെക്കോർഡിംഗുകൾ നിങ്ങളുടെ ഫോണിൽ തന്നെ തുടരും
സൗജന്യം, പരസ്യങ്ങളില്ല, അപ്സെല്ലുകളില്ല. ട്രാൻസ്ക്രിപ്റ്റേറ്റർ സൗജന്യമാണ്, അത് സൗജന്യമായി തുടരും. പരസ്യങ്ങളില്ല, ആപ്പ് വഴിയുള്ള വാങ്ങലുകളില്ല, പ്രീമിയം ടയർ ഇല്ല. AI സവിശേഷതകൾ യഥാർത്ഥത്തിൽ ഓപ്ഷണലാണ് — ബാഹ്യ സേവനങ്ങളൊന്നുമില്ലാതെ തന്നെ ആപ്പ് പൂർണ്ണമായും പ്രവർത്തിക്കുന്നു.
പ്രസാധകൻ: ചെറി ബ്ലോസം ഡെവലപ്മെന്റ്, എൽഎൽസി
ഏത് റെക്കോർഡിംഗ് ഉപകരണത്തിൽ നിന്നും സംഭാഷണം പകർത്തിയെഴുതുക, സ്പീക്കറുകൾ തിരിച്ചറിയുക, വർഗ്ഗീകരിക്കുക
അപ്ഡേറ്റ് ചെയ്ത തീയതി
2026 സെപ്റ്റം 4