اگر به دنبال رباتی برای تبدیل ویس و فایل صوتی فارسی به متن در تلگرام هستید، ربات audiofile_to_text_bot این کار را مستقیماً داخل تلگرام انجام میدهد. کافی است فایل صوتی یا پیام صوتی را برای ربات ارسال کنید تا متن آن را دریافت کنید.
ربات تبدیل ویس به متن ما برای تبدیل فایلهای صوتی فارسی به متن، دو مدل پردازش عمومی و پیشرفته ارائه میدهد. در مدل پیشرفته، علاوه بر تبدیل صوت به متن، امکان شخصیسازی خروجی با استفاده از قابلیتهای هوش مصنوعی نیز وجود دارد؛ برای مثال میتوانید موضوع فایل، لحن متن و فرمت خروجی را مشخص کنید، گویندههای مختلف را تشخیص دهید و حتی دستور یا پرامپت اختصاصی خود را برای نحوه آمادهسازی متن وارد کنید.
در این مقاله نحوه استفاده از ربات، تفاوت مدل عمومی و پیشرفته، روش تبدیل ویس به متن و نتیجه یک تست واقعی را مرحلهبهمرحله بررسی میکنیم تا ببینید ربات چگونه یک فایل صوتی فارسی را به متن تبدیل میکند.
ربات تلگرام تبدیل ویس به متن چیست؟
ربات audiofile_to_text_bot یک ربات تلگرام برای تبدیل ویس و فایلهای صوتی به متن است. برای استفاده از ربات نیازی به انجام مراحل پیچیده یا زدن دکمههای اضافی ندارید؛ کافی است ویس یا فایل صوتی موردنظر خود را برای ربات ارسال کنید. حتی اگر فایل را از یک چت دیگر دریافت کردهاید، میتوانید آن را مستقیماً برای ربات فوروارد کنید.
این ربات میتواند فایلهای صوتی با مدتزمانهای مختلف را پردازش کند؛ از ویسهای کوتاه گرفته تا فایلهای صوتی بسیار طولانی. حتی فایلهایی با مدتزمان حدود ۱۰ ساعت نیز توسط کاربران ارسال و با موفقیت به متن تبدیل شدهاند.
بعد از ارسال فایل، ربات ابتدا زبان فایل صوتی را از شما میپرسد. زبان موردنظر را میتوانید با استفاده از دکمههای شیشهای انتخاب کنید. سپس باید مدل پردازش را انتخاب کنید: مدل عمومی یا مدل تخصصی.
در ادامه، بسته به مدل انتخابشده، ربات چند مرحله برای مشخص کردن نحوه پردازش فایل در اختیار شما قرار میدهد. برای مثال، در فایلهای بزرگ میتوانید نوع تبدیل را مشخص کنید و در مدل تخصصی نیز تنظیمات بیشتری مانند موضوع، لحن و سایر ویژگیهای خروجی را تعیین کنید.
پس از مشخص شدن انتخابها، فایل وارد صف پردازش میشود. وضعیت پردازش و درصد پیشرفت روی همان پیام نمایش داده میشود و پس از پایان پردازش، متن تبدیلشده برای شما ارسال خواهد شد.
آموزش تبدیل ویس و فایل صوتی به متن با ربات
استفاده از ربات audiofile_to_text_bot ساده است و برای شروع نیازی به انجام تنظیمات پیچیده ندارید. کافی است فایل صوتی یا ویس موردنظر خود را برای ربات ارسال کنید و در مراحل بعد، زبان و مدل پردازش را انتخاب کنید.
مرحله ۱: فایل صوتی یا ویس را برای ربات ارسال کنید
ابتدا فایل صوتی موردنظر خود را برای ربات ارسال کنید. برای این کار میتوانید فایل را از یک چت دیگر برای ربات فوروارد کنید، از بخش ارسال فایل تلگرام آن را انتخاب کنید یا مستقیماً داخل ربات یک ویس ضبط و ارسال کنید.
بعد از اینکه آپلود فایل بهطور کامل انجام شد، ربات فایل را دریافت میکند و پیام انتخاب زبان نمایش داده میشود.
مرحله ۲: زبان اصلی فایل صوتی را انتخاب کنید
در مرحله بعد باید زبان اصلی فایل صوتی خود را انتخاب کنید.
اگر در فایل صوتی شما چند زبان وجود دارد، برای مثال متن اصلی فارسی است اما در میان صحبتها چند عبارت انگلیسی نیز گفته شده، زبانی را انتخاب کنید که بخش اصلی و بیشتر فایل با آن صحبت شده است.
انتخاب صحیح زبان اهمیت زیادی دارد؛ زیرا اگر زبان فایل را اشتباه انتخاب کنید، ممکن است کیفیت تبدیل صوت به متن کاهش پیدا کند.
مرحله ۳: مدل تبدیل صوت به متن را انتخاب کنید
بعد از انتخاب زبان، فایل برای بررسی آماده میشود و اطلاعاتی مانند مدتزمان فایل نمایش داده خواهد شد. سپس میتوانید یکی از دو مدل پردازش را انتخاب کنید:
- مدل عمومی
- مدل تخصصی
در همین مرحله میتوانید با انتخاب گزینه «تفاوت مدل عمومی و تخصصی»، اطلاعات بیشتری درباره تفاوت عملکرد و کاربرد هر مدل مشاهده کنید.
مدل عمومی برای بسیاری از فایلهای صوتی با کیفیت معمولی تا خوب مناسب است و با سرعت بیشتری متن فایل را استخراج میکند.
مدل تخصصی از پردازش پیشرفتهتری استفاده میکند و برای فایلهایی که نیاز به دقت بیشتر یا خروجی آمادهتر دارند، گزینه مناسبتری است.
مرحله ۴: انتخاب تنظیمات مدل تخصصی
اگر مدل تخصصی را انتخاب کنید، قبل از شروع پردازش میتوانید تنظیمات خروجی را مشخص کنید.
در این بخش امکان تعیین مواردی مانند موضوع فایل، لحن خروجی، نوع یا فرمت خروجی و تشخیص گوینده وجود دارد. هرکدام از این تنظیمات مقدار پیشفرض دارند و در صورت تمایل میتوانید بدون تغییر آنها، تنظیمات پیشفرض را تأیید کرده و ادامه دهید.
در صورت نیاز نیز میتوانید تنظیمات موردنظر خود را تغییر دهید تا خروجی متناسب با کاربرد فایل آماده شود. همچنین امکان وارد کردن دستور یا پرامپت اختصاصی برای کاربرانی که میخواهند کنترل بیشتری روی نتیجه نهایی داشته باشند نیز وجود دارد.
مرحله ۵: پرداخت هزینه و انتخاب روش پرداخت
در صورتی که تبدیل فایل انتخابی شما شامل هزینه باشد، ابتدا اطلاعات مربوط به صورتحساب نمایش داده میشود.
در این مرحله میتوانید مقدار توکن موردنیاز برای پردازش فایل را مشاهده کنید. امکان پرداخت هزینه همان فایل بهصورت تکی نیز وجود دارد و علاوه بر آن، ربات بستههای اقتصادیتری را نمایش میدهد که نسبت به پرداخت تکی، تخفیف دارند.
پس از انتخاب روش پرداخت، میتوانید از طریق پرداخت آنلاین یا کارتبهکارت اقدام کنید.
بعد از تکمیل پرداخت یا تأیید پرداخت، فایل بهصورت خودکار وارد مرحله پردازش میشود.
مرحله ۶: مشاهده وضعیت پردازش و دریافت نتیجه
بعد از تأیید مراحل و در صورت نیاز انجام پرداخت، فایل وارد صف پردازش میشود.
در طول پردازش، وضعیت و درصد پیشرفت تبدیل روی پیام مربوط به فایل نمایش داده میشود. بعد از پایان پردازش، نتیجه تبدیل آماده خواهد شد.
بسته به مدل و نتیجه پردازش، میتوانید متن خروجی را مشاهده کنید، آن را دانلود کنید یا از قابلیتهای دیگری مانند ویراستاری با هوش مصنوعی و تبدیل دوباره با مدل تخصصی استفاده کنید.
تست واقعی تبدیل ویس به متن با ربات
برای مقایسه عملکرد دو مدل، یک فایل صوتی فارسی با مدتزمان ۲ دقیقه و ۴۵ ثانیه را با هر دو مدل عمومی و تخصصی پردازش کردیم. محتوای فایل درباره تبدیل فایلهای صوتی به متن بود و در آن، جملههای محاورهای، عبارتهای تخصصی، تاریخ، عدد و چند نمونه از ساختارهای مختلف گفتاری وجود داشت.
برای اینکه مقایسه منصفانه باشد، دقیقاً همان فایل صوتی با هر دو مدل پردازش شد و نتیجه هر دو تبدیل را با یکدیگر مقایسه کردیم.
توجه: این تست و تنظیمات، قیمت ها و … مربوط به شهریورماه سال ۱۴۰۵ است.
نتیجه تبدیل با مدل عمومی
در مرحله اول، فایل ۲ دقیقه و ۴۵ ثانیهای را با مدل عمومی پردازش کردیم. تبدیل فایل در کمتر از یک دقیقه انجام شد و متن خروجی در اختیار ما قرار گرفت.
مدل عمومی در این تست توانست بخش عمده محتوای فایل را بهدرستی تشخیص دهد و مفهوم کلی صحبتها را منتقل کند. با این حال، در چند قسمت خطای تشخیص کلمه دیده شد و متن خروجی نیز بیشتر به شکل یک متن خام و نزدیک به گفتار بود.
برای مثال، عبارت «تبدیل صوت به متن» در یک بخش به شکل «تدبیر صوت به متن» و عبارت «تبدیل صدا به متن» در بخش دیگری به شکل «تبدیل صدا به بعد» ثبت شده بود. همچنین در بخشی از متن، یک عبارت بهصورت تکراری ثبت شده بود.
از نظر نگارشی نیز متن خروجی فاقد پاراگرافبندی و نشانهگذاری کامل بود و لحن محاورهای فایل صوتی تا حد زیادی در متن باقی مانده بود.
با وجود این موارد، برای فایلهای معمولی که سرعت دریافت متن اهمیت بیشتری دارد و کاربر میخواهد در مدت کوتاهی به محتوای خام صوت دسترسی پیدا کند، نتیجه مدل عمومی قابل استفاده است.
متن کامل خروجی مدل عمومی
امروز میخوام درباره یه موضوع ساده اما کاربردی صحبت کنم اینکه چطور میتونیم فایلهای صوتی طولانی را سریعتر به متن تبدیل کنیم و بعد از متن به دست اومده برای کارهای مختلف استفاده کنیم فرض کنید یه جلسه کاری یه ساعت و نیمه دارید و در طول جلسه چند نفر درباره برنامهریزی پروژه بودجه زمانبندی و وظایف اعضای تیم صحبت کردن اگه بخواید تمام صحبتها رو به صورت دستی تایپ کنید احتمالاً چند ساعت زمان نیاز خواهید داشت اما وقتی فایل صوتی رو به یه سرویس تدبیر صوت به متن میدید میتونید در مدت بسیار کوتاهتری به یه نسخه متنی از صحبتها دسترسی داشته باشید البته تبدیل صدا به بعد همیشه به سادگی تشخیص چند جمله کوتاه نیست مثلاً ممکنه گوینده با سرعت زیاد صحبت کنه بعضی کلمات رو پشت سر هم بیان کنه یا از یا از اصطلاحات تخصصی استفاده کنیم اسمهای خاص نام شرکتها کلمات انگلیسی و اعداد هم معمولاً از بخشهایی هستند که میتونن برای سیستم تشخیص گفتار چالش برانگیز باشند برای نمونه در یک گزارش فرضی ممکنه گفته بشه که جلسه بعدی روز بیست و پنجم مهرماه سال ۱۴۰۵ برگزار میشه و بودجه اولیه پروژه حدود ۳۵۰ میلیون تومان در نظر گرفته شده همچنین قرار هست نسخه آموزشی نسخه آزمایشی محصول تا پایان هفته دوم آبان آماده بشه در چنین متنی سیستم باید بتونه علاوه بر کلمات معمولی تاریخ عدد و عبارتهای تخصصی رو هم تا حد ممکن درست تشخیص بده اگر چند نفر در فایل صحبت کنند تشخیص اینکه هر جمله متعلق به کدوم گوینده است هم اهمیت پیدا میکنه از طرف دیگه همیشه لازم نیست خروجی صوت به متن دقیقاً به شکل صحبتهای خام باقی بمونه گاهی کاربر میخواد متن نهایی خلاصه تر رسمی تر یا مرتب تر باشه مثلاً میشه از یه متن طولانی خلاصه جلسه را استخراج کرد نکات مهم رو جدا کرد یا محتوای صحبتها را در قالب یک گزارش منظم قرار داد بنابراین وقتی درباره ربات تبدیل ویس به متن صحبت میکنیم فقط سرعت تبدیل فایل مهم نیست دقت تشخیص کلمات توانایی پردازش فایلهای طولانی پشتیبانی از زبان فارسی و امکاناتی که برای تنظیم خروجی در اختیار کاربر قرار میگیره همگی میتوانند روی تجربه نهایی تاثیرگذار باشند در ادامه همین فایل صوتی که الان ضبط کردم رو به ربات ارسال میکنم تا ببینیم نتیجه تبدیل اون به متن چگونه خواهد بود و ربات در تشخیص جمله ها اعداد تاریخ ها و کلمات تخصصی چه عملکردی داره
نتیجه تبدیل با مدل تخصصی
در مرحله دوم، همان فایل صوتی ۲ دقیقه و ۴۵ ثانیهای را با مدل تخصصی پردازش کردیم. برخلاف مدل عمومی، پردازش این فایل با مدل تخصصی حدود ۵ دقیقه طول کشید؛ بنابراین سرعت پردازش پایینتر بود، اما نتیجه نهایی از نظر کیفیت خروجی تفاوت محسوسی داشت.
در این تست، متن تولیدشده با مدل تخصصی علاوه بر تشخیص دقیقتر محتوای صحبت، دارای پاراگرافبندی، علائم نگارشی و نیمفاصلهگذاری مناسبتری بود و لحن خروجی نیز نسبت به متن خام مدل عمومی رسمیتر و آمادهتر برای استفاده بود.
مدل تخصصی در چند مورد نیز توانست عبارتهایی را که در خروجی مدل عمومی اشتباه یا نامناسب بودند، با توجه به مفهوم جمله به شکل درستتری بازسازی کند. برای مثال، عبارت «تبدیل صدا به بعد» در خروجی مدل عمومی، در مدل تخصصی به «تبدیل صدا به متن» تبدیل شد. همچنین عبارت محاورهای «یه جلسه کاری یه ساعت و نیمه دارید» به شکل رسمیتر «یک جلسه کاری یک و نیم ساعته دارید» در خروجی قرار گرفت.
در بخش دیگری از متن نیز عبارت «از اصطلاحات تخصصی استفاده کنیم» به شکل درستتر و متناسب با ساختار جمله، یعنی «از اصطلاحات تخصصی استفاده کند» ثبت شد. همچنین عبارتهای محاورهای مانند «میشه از یه متن طولانی» به «میتوان از یک متن طولانی» تبدیل شدند.
یکی از تفاوتهای قابل توجه دیگر این بود که در بخشی از فایل، گوینده هنگام صحبت عبارت «نسخه آموزشی نسخه آزمایشی» را بیان کرد؛ اما مدل تخصصی در خروجی نهایی «نسخه آزمایشی» را ثبت کرد و عبارت تکراری را وارد متن نکرد. این مورد در این تست نشان میدهد که خروجی مدل تخصصی میتواند فراتر از ثبت کلمهبهکلمه گفتار، تا حدی متن را بر اساس ساختار و معنای جمله بازبینی کند.
در مجموع، در تست انجامشده، مدل تخصصی نسبت به مدل عمومی خروجی مرتبتر و آمادهتری ارائه کرد و خطاهای تشخیص کمتری داشت؛ البته در مقابل، زمان پردازش آن نیز بیشتر بود.
متن کامل خروجی مدل عمومی
امروز میخواهم درباره یک موضوع ساده اما کاربردی صحبت کنم. اینکه چطور میتوانیم فایلهای صوتی طولانی را سریعتر به متن تبدیل کنیم و بعد از متن به دست آمده برای کارهای مختلف استفاده کنیم. فرض کنید یک جلسه کاری یک و نیم ساعته دارید و در طول جلسه چند نفر درباره برنامهریزی پروژه، بودجه، زمانبندی و وظایف اعضای تیم صحبت کردهاند. اگر بخواهید تمام صحبتها را به صورت دستی تایپ کنید، احتمالاً چند ساعت زمان نیاز خواهید داشت. اما وقتی فایل صوتی را به یک سرویس تبدیل صوت به متن میدهید، میتوانید در مدت بسیار کوتاهتری به یک نسخه متنی از صحبتها دسترسی داشته باشید. البته تبدیل صدا به متن همیشه به سادگی تشخیص چند جمله کوتاه نیست. مثلاً ممکن است گوینده با سرعت زیاد صحبت کند، بعضی کلمات را پشت سر هم بیان کند یا از اصطلاحات تخصصی استفاده کند. اسمهای خاص، نام شرکتها، کلمات انگلیسی و اعداد هم معمولاً از بخشهایی هستند که میتوانند برای سیستم تشخیص گفتار چالشبرانگیز باشند. برای نمونه، در یک گزارش فرضی ممکن است گفته شود که جلسه بعدی روز بیست و پنجم مهر ماه سال ۱۴۰۵ برگزار میشود و بودجه اولیه پروژه حدود ۳۵۰ میلیون تومان در نظر گرفته شده است. همچنین قرار است نسخه آزمایشی محصول تا پایان هفته دوم آبان آماده شود. در چنین متنی، سیستم باید بتواند علاوه بر کلمات معمولی، تاریخ، عدد و عبارتهای تخصصی را هم تا حد ممکن درست تشخیص دهد. اگر چند نفر در فایل صحبت کنند، تشخیص اینکه هر جمله متعلق به کدام گوینده است هم اهمیت پیدا میکند. از طرف دیگر، همیشه لازم نیست خروجی صوت به متن دقیقاً به شکل صحبتهای خام باقی بماند. گاهی کاربر میخواهد متن نهایی خلاصهتر، رسمیتر یا مرتبتر باشد. مثلاً میتوان از یک متن طولانی، خلاصه جلسه را استخراج کرد، نکات مهم را جدا کرد یا محتوای صحبتها را در قالب یک گزارش منظم قرار داد. بنابراین وقتی درباره یک ربات تبدیل ویس به متن صحبت میکنیم، فقط سرعت تبدیل فایل مهم نیست. دقت تشخیص کلمات، توانایی پردازش فایلهای طولانی، پشتیبانی از زبان فارسی و امکاناتی که برای تنظیم خروجی در اختیار کاربر قرار میگیرد، همگی میتوانند روی تجربه نهایی تأثیرگذار باشند. در ادامه همین فایل صوتی که الان ضبط کردهام را به ربات ارسال میکنم تا ببینیم نتیجه تبدیل آن به متن چگونه خواهد بود و ربات در تشخیص جملهها، اعداد، تاریخها و کلمات تخصصی چه عملکردی دارد.
مقایسه مدل عمومی و تخصصی در تست واقعی
نتیجه این تست نشان داد که تفاوت دو مدل فقط در دقت تبدیل صوت به متن نیست. مدل عمومی فایل را در کمتر از یک دقیقه پردازش کرد و برای دریافت سریع متن خام عملکرد مناسبی داشت، اما خروجی آن به ویرایش بیشتری نیاز داشت.
در مقابل، مدل تخصصی حدود ۵ دقیقه برای پردازش همین فایل زمان صرف کرد، اما متن نهایی از نظر پاراگرافبندی، علائم نگارشی، نیمفاصله، رسمیتر شدن لحن و اصلاح برخی خطاهای تشخیص، آمادهتر بود.
بنابراین در این تست، میتوان تفاوت دو مدل را اینطور خلاصه کرد:
| ویژگی | مدل عمومی | مدل تخصصی |
|---|---|---|
| سرعت پردازش | بسیار سریع | کندتر |
| دقت تشخیص در تست | خوب | بهتر |
| پاراگرافبندی و علائم نگارشی | محدود | مناسبتر |
| حفظ لحن محاورهای | بیشتر | کمتر |
| نیاز به ویرایش بعد از تبدیل | بیشتر | کمتر |
| مناسب برای دریافت سریع متن خام | بله | — |
| مناسب برای خروجی آمادهتر | — | بله |
این مقایسه مربوط به همین فایل و همین تست است و طبیعتاً نتیجه هر فایل میتواند با توجه به کیفیت صدا، نوع صحبت، تعداد گویندگان و محتوای فایل متفاوت باشد.
دسترسی به تاریخچه و مدیریت متنهای تبدیلشده
بعد از تبدیل فایل صوتی به متن، میتوانید از طریق بخش تاریخچه به متنهای قبلی خود دسترسی داشته باشید. این قابلیت بهخصوص زمانی کاربردی است که فایلهای صوتی زیادی را با ربات تبدیل کردهاید و میخواهید بعداً دوباره به نتیجه یکی از تبدیلها مراجعه کنید.
در بخش تاریخچه میتوانید تبدیلهای قبلی خود را مشاهده و متن موردنظر را دوباره بررسی کنید. همچنین اگر دیگر به یک نتیجه نیاز ندارید، میتوانید آن را از تاریخچه خود حذف کنید.
این امکان باعث میشود متنهای تبدیلشده فقط در همان لحظه پردازش در دسترس نباشند و بتوانید در زمان دیگری نیز به آنها مراجعه یا در صورت نیاز آنها را مدیریت کنید.
هزینه تبدیل ویس به متن در ربات چقدر است؟
هزینه تبدیل فایل صوتی در ربات به مدل انتخابی و مدتزمان فایل صوتی بستگی دارد. قبل از شروع پردازش فایلهای پولی، اطلاعات مربوط به هزینه و تعداد توکن موردنیاز به شما نمایش داده میشود تا بتوانید قبل از پرداخت، هزینه تبدیل فایل را مشاهده کنید.
استفاده رایگان از مدل عمومی
در مدل عمومی، فایلهای صوتی با مدتزمان کمتر از ۵ دقیقه بهصورت رایگان قابل تبدیل هستند.
اگر فایل شما بیشتر از ۵ دقیقه باشد، میتوانید ابتدا ۵ دقیقه اول فایل را بهصورت تست رایگان تبدیل کنید. در صورتی که بخواهید کل فایل پردازش شود، هزینه بخش باقیمانده بر اساس مدت فایل محاسبه و قبل از پرداخت به شما نمایش داده میشود.
به این ترتیب، برای فایلهای کوتاه میتوانید مستقیماً از مدل عمومی استفاده کنید و برای فایلهای طولانیتر نیز ابتدا نتیجه بخشی از فایل را بهصورت رایگان بررسی کنید.
استفاده رایگان از مدل تخصصی
مدل تخصصی از پردازش پیشرفتهتری استفاده میکند و شرایط استفاده رایگان آن با مدل عمومی متفاوت است.
فایلهای کمتر از ۵ دقیقه در مدل تخصصی بهصورت پولی پردازش میشوند و برای این فایلها تست رایگان وجود ندارد.
برای فایلهای بیشتر از ۵ دقیقه، امکان تبدیل ۱ دقیقه اول فایل بهصورت تست رایگان وجود دارد. در صورتی که نتیجه تست برای شما مناسب باشد، میتوانید پردازش کامل فایل را ادامه دهید.
پرداخت هزینه یک فایل یا خرید بسته
برای فایلهای پولی، قبل از شروع پردازش صورتحساب مربوط به فایل نمایش داده میشود. در این مرحله مشخص میشود که با توجه به مدت فایل و مدل انتخابشده، چه مقدار توکن برای پردازش نیاز دارید.
اگر فقط قصد تبدیل همان فایل را دارید، میتوانید مقدار موردنیاز برای همان فایل را بهصورت تکی پرداخت کنید.
علاوه بر پرداخت تکی، ربات بستههای توکن نیز ارائه میدهد. این بستهها برای کاربرانی که فایلهای بیشتری برای تبدیل دارند، میتوانند نسبت به خرید تکی توکن اقتصادیتر باشند. میزان تخفیف هر بسته نسبت به پرداخت تکی نیز هنگام انتخاب بسته نمایش داده میشود.
روشهای پرداخت
برای پرداخت هزینه تبدیل فایل، دو روش در اختیار کاربر قرار دارد:
- پرداخت آنلاین
- کارتبهکارت
بعد از انجام پرداخت آنلاین یا تأیید پرداخت کارتبهکارت، فایل بهصورت خودکار وارد مرحله پردازش میشود و وضعیت و درصد پیشرفت تبدیل برای شما نمایش داده خواهد شد.
نکته: قبل از پرداخت، ربات اطلاعات مربوط به هزینه پردازش فایل و مقدار توکن موردنیاز را نمایش میدهد. بنابراین میتوانید ابتدا هزینه را مشاهده کنید و سپس تصمیم بگیرید که فقط همان فایل را بهصورت تکی پرداخت کنید یا از بستههای توکن استفاده کنید.
سوالات متداول
آیا میتوانم ویس تلگرام را مستقیماً برای ربات ارسال کنم؟
بله. میتوانید ویس را مستقیماً در ربات ضبط و ارسال کنید. همچنین امکان ارسال فایل صوتی از بخش آپلود فایل یا فوروارد کردن فایل و ویس از چتهای دیگر نیز وجود دارد.
آیا برای استفاده از ربات باید ابتدا تنظیمات خاصی انجام دهم؟
خیر. برای شروع کافی است فایل صوتی یا ویس خود را ارسال کنید. پس از ارسال کامل فایل، مراحل انتخاب زبان و مدل پردازش به شما نمایش داده میشود.
اگر داخل فایل صوتی چند زبان وجود داشته باشد، کدام زبان را انتخاب کنم؟
زبانی را انتخاب کنید که بخش اصلی فایل صوتی با آن صحبت شده است. برای مثال، اگر بیشتر فایل فارسی است اما چند عبارت انگلیسی نیز در آن وجود دارد، زبان فارسی را انتخاب کنید.
آیا فایلهای صوتی طولانی هم قابل تبدیل به متن هستند؟
بله. ربات برای تبدیل فایلهای صوتی کوتاه و طولانی طراحی شده است. مدتزمان پردازش و هزینه فایلهای طولانیتر با توجه به مدل انتخابی و مدت فایل مشخص میشود.
تفاوت مدل عمومی و مدل تخصصی چیست؟
مدل عمومی برای تبدیل سریع فایلهای صوتی معمولی و دریافت متن خام مناسب است. مدل تخصصی برای کاربرانی طراحی شده است که علاوه بر تبدیل صوت به متن، به دقت بیشتر و خروجی مرتبتر نیاز دارند.
در مدل تخصصی امکان تنظیم مواردی مانند موضوع فایل، لحن خروجی، نوع خروجی و تشخیص گوینده نیز وجود دارد. همچنین میتوانید در صورت نیاز دستور یا پرامپت اختصاصی خود را وارد کنید.
آیا قبل از پرداخت میتوانم کیفیت تبدیل را تست کنم؟
بله، اما شرایط تست رایگان به مدل و مدت فایل بستگی دارد.
در مدل عمومی، فایلهای زیر ۵ دقیقه رایگان هستند و برای فایلهای طولانیتر، امکان تبدیل ۵ دقیقه اول بهصورت تست رایگان وجود دارد.
در مدل تخصصی، فایلهای زیر ۵ دقیقه پولی هستند و برای فایلهای طولانیتر، ۱ دقیقه اول فایل بهصورت تست رایگان قابل پردازش است.
آیا میتوانم فقط هزینه یک فایل را پرداخت کنم؟
بله. برای فایلهای پولی میتوانید فقط توکن موردنیاز همان فایل را پرداخت کنید. همچنین اگر فایلهای بیشتری برای تبدیل دارید، میتوانید از بستههای توکن استفاده کنید که نسبت به پرداخت تکی تخفیف دارند.
نتیجه تبدیل فایل صوتی را از کجا ببینم؟
بعد از پایان پردازش، نتیجه تبدیل در اختیار شما قرار میگیرد و میتوانید متن را مشاهده کنید. همچنین در بخش تاریخچه نیز میتوانید به تبدیلهای قبلی خود مراجعه کنید.
آیا میتوانم متنهای قبلی را از تاریخچه حذف کنم؟
بله. از طریق بخش تاریخچه میتوانید تبدیلهای قبلی خود را مدیریت کنید و در صورت نیاز، مواردی را که دیگر به آنها احتیاج ندارید حذف کنید.
چرا فایل من بعد از ارسال وارد مرحله انتخاب زبان نمیشود؟
پیام انتخاب زبان پس از اینکه فایل بهطور کامل برای ربات ارسال و آپلود شود نمایش داده میشود. اگر آپلود فایل کامل نمیشود، ابتدا اتصال اینترنت و وضعیت ارتباط تلگرام را بررسی کنید و سپس دوباره ارسال فایل را امتحان کنید.
جمعبندی
اگر به دنبال یک ربات تلگرام برای تبدیل ویس و فایل صوتی به متن هستید، میتوانید فایل صوتی خود را مستقیماً برای ربات audiofile_to_text_bot ارسال کنید و بدون نیاز به خروج از تلگرام، متن فایل را دریافت کنید.
در این مقاله، روند استفاده از ربات را مرحلهبهمرحله بررسی کردیم و یک فایل صوتی واقعی را با مدل عمومی و مدل تخصصی آزمایش کردیم. نتیجه این تست نشان داد که مدل عمومی برای دریافت سریع متن مناسب است، در حالی که مدل تخصصی در این تست زمان بیشتری برای پردازش صرف کرد اما خروجی مرتبتر، رسمیتر و آمادهتری ارائه داد.
اگر میخواهید ابتدا ربات را امتحان کنید، میتوانید یک فایل صوتی کوتاه را با مدل عمومی ارسال کنید و نتیجه تبدیل را بررسی کنید. برای فایلهایی که به دقت بیشتر، خروجی ویرایششده یا تنظیمات پیشرفته نیاز دارند نیز میتوانید از مدل تخصصی استفاده کنید.
برای شروع، کافی است ویس یا فایل صوتی موردنظر خود را برای ربات ارسال کنید و زبان و مدل پردازش را انتخاب کنید.