Darmowy konwerter online MP4 do TEXT

Proces wyszukiwania, ułatwień dostępu, edycji lub pracy z dokumentacją może wymagać zapisania wypowiadanej treści filmu w postaci czytelnego pliku. Proces ten wykorzystuje rozpoznawanie mowy lub wyodrębnia istniejące napisy; zmiana nazwy .mp4 na .txt nie konwertuje zakodowanego dźwięku i obrazu na znaki.

Czym jest format MP4

MP4 to kontener multimedialny zwykle identyfikowany przez rozszerzenie .mp4. Może zawierać obraz, dźwięk, napisy tekstowe, rozdziały i metadane, a także kodeki, takie jak H.264, H.265, AAC i Opus. Telefony, kamery, oprogramowanie do nagrywania ekranu, edytory wideo, aplikacje do strumieniowania i narzędzia do wideokonferencji często tworzą pliki MP4.

Wypowiadane słowa są przechowywane w strumieniu audio, a nie jako czytelny tekst. Konwerter musi przeanalizować ten dźwięk za pomocą silnika rozpoznawania mowy albo wyodrębnić strumień napisów tekstowych zapisany już w kontenerze. Tekst widoczny na obrazie filmu wymaga OCR i zwykle nie jest przechwytywany przez rozpoznawanie mowy.

Czym jest format TEXT

Plik zwykłego tekstu zazwyczaj używa rozszerzenia .txt i zawiera niesformatowane dane znakowe. Programy Notepad, TextEdit, edytory kodu, edytory tekstu, narzędzia wiersza poleceń, systemy transkrypcji i oprogramowanie do zarządzania dokumentami mogą go otwierać.

Zwykły tekst UTF-8 zajmuje mało miejsca, można go przeszukiwać i łatwo edytować, a ponadto jest szeroko kompatybilny. Transkrypcja zwykle zawiera tylko rozpoznane słowa; formatowanie, etykiety mówców, znaczniki czasu, obrazy i oryginalny dźwięk są pomijane, chyba że wybrane narzędzie je dodaje.

Jak przekonwertować MP4 na TEXT

Korzystanie z wbudowanego konwertera

1. Otwórz konwerter MP4-to-TEXT na stronie 101convert.com.
2. Prześlij plik MP4 i wybierz język mówiony, jeśli opcja wyboru języka jest dostępna.
3. Rozpocznij konwersję i poczekaj na zakończenie rozpoznawania mowy.
4. Pobierz wynikowy plik .txt i otwórz go w edytorze zgodnym z UTF-8.

Ta opcja działająca w przeglądarce nie wymaga instalacji. Nie przesyłaj poufnych nagrań, chyba że warunki przetwarzania, przechowywania i usuwania danych przez usługę są odpowiednie dla tych materiałów.

Korzystanie z Whisper lokalnie

OpenAI Whisper może transkrybować wiele ścieżek audio MP4 na komputerze lokalnym. Najpierw zainstaluj FFmpeg, a następnie pakiet Whisper:

pip install -U openai-whisper

Uruchom:

whisper recording.mp4 --model medium --language English --output_format txt --output_dir transcripts

Zastąp recording.mp4 rzeczywistą nazwą pliku. Whisper zapisuje transkrypcję w postaci zwykłego tekstu w katalogu transcripts. Większe modele mogą poprawić rozpoznawanie, ale wymagają większej ilości pamięci i dłuższego czasu przetwarzania. Użyj --task translate zamiast domyślnego zadania transkrypcji, aby przetłumaczyć rozpoznaną mowę w języku innym niż angielski na język angielski.

Wyodrębnianie istniejących napisów

Istniejące napisy tekstowe zwykle lepiej zachowują dostarczone brzmienie niż rozpoznawanie mowy. Sprawdź obecność strumieni napisów za pomocą polecenia:

ffprobe -v error -select_streams s -show_entries stream=index,codec_name -of default=noprint_wrappers=1 recording.mp4

Jeśli dostępny jest strumień napisów tekstowych, wyodrębnij pierwszy z nich jako SRT:

ffmpeg -i recording.mp4 -map 0:s:0 subtitles.srt

SRT zawiera dialogi, numery sekwencji i znaczniki czasu. Usuń numerację i oznaczenia czasu za pomocą edytora napisów lub narzędzia do przetwarzania tekstu, a następnie zapisz dialog jako transcript.txt. Napisów opartych na obrazie nie można konwertować w ten sposób bez OCR. Jeśli nie ma użytecznego strumienia napisów, dokonaj transkrypcji dźwięku.

Ograniczenia jakości i kompatybilności

Dokładność rozpoznawania zależy od jakości mikrofonu, hałasu w tle, akcentów, nakładających się wypowiedzi, wymowy, głośności nagrania, słownictwa technicznego i wyboru języka. Przed uznaniem transkrypcji za oficjalny zapis sprawdź nazwy, liczby, interpunkcję, terminy specjalistyczne i zmiany mówców.

Zwykły plik .txt zazwyczaj nie zawiera identyfikacji mówców ani informacji o czasie. Użyj SRT lub VTT, gdy wymagane są zsynchronizowane napisy, albo skorzystaj z narzędzia do transkrypcji obsługującego etykiety mówców i znaczniki czasu, a następnie wyeksportuj wynik do zwykłego tekstu. Zapisz wynik jako UTF-8, aby zachować znaki diakrytyczne i pisma niełacińskie.