Video in Text transkribieren

MP4, MOV, WebM, M4A, WAV und MP3 werden direkt angenommen, dazu die übrigen Container der Upload-Liste. Das Video wird so gelesen, wie es ist; die Tonspur muss nicht vorher extrahiert werden. Eine Datei, deren Audiocodec der Browser nicht anzeigen kann, lässt sich unter Umständen trotzdem hochladen. Scheitert es, ist der Export des Tons als MP3 oder M4A der sichere Weg.

Eine Datei kann bis zu 500MB groß sein, und der Upload geht direkt vom Browser in den Speicher. Ein separates Längenlimit gibt es nicht, und während der Demo auch keine tägliche Minutengrenze. Zwei Aufträge laufen gleichzeitig; ein dritter wartet in der Warteschlange.

Nein. Die Datei wird vor dem Upload geprüft, und ein Video ohne Ton wird mit einer Meldung abgelehnt statt mit einer leeren Transkription. Eine stumme Bildschirmaufnahme oder ein Clip, dessen Audio entfernt wurde, kann keine Wörter liefern. Fügen Sie eine Sprachspur hinzu oder exportieren Sie den Ton aus dem Ausgangsprojekt und laden Sie diese Datei hoch.

Nein. YouTube und andere Wiedergabeseiten lassen sich nicht direkt auslesen. Fügen Sie einen Link nur ein, wenn er auf die Mediendatei selbst zeigt, etwa eine MP4- oder MP3-URL, die direkt herunterlädt. Andernfalls laden Sie das Video zuerst herunter und dann die Datei hoch.

Die Sprechertrennung lässt sich vor dem Start einschalten. Jeder Stimmwechsel beginnt dann einen gekennzeichneten Beitrag, und die Labels lassen sich im Editor durch echte Namen ersetzen. Saubere Aufnahmen mit einem Mikrofon pro Person trennen sich am besten; überlappende Sprache kann in einem Beitrag zusammenfallen.

Jeder Block trägt eine Start- und Endzeit, die neben dem Text erscheint und beim Export erhalten bleibt. Die Transkription lässt sich als reiner Text mit Zeitangaben kopieren oder als SRT beziehungsweise VTT herunterladen und in ein Schnittprogramm oder einen Player importieren. Ein Auftrag liefert also sowohl die Lesefassung als auch die Untertiteldatei.

Nein. Das Gesprochene wird in der gesprochenen Sprache verschriftet, eine Übersetzung entsteht nicht. Die Spracherkennung dient nur dazu, das Erkennungsmodell richtig einzustellen; für eine Fassung in einer anderen Sprache wäre ein separates Übersetzungswerkzeug nötig.

Die Datei wird nur in den Speicher geladen, damit die Erkennung sie lesen kann, und nach Abschluss oder Fehlschlag des Auftrags gelöscht. Die Transkription bleibt in Ihrem Konto, bis Sie sie löschen. Das Audio wird nicht zum Trainieren von Modellen verwendet, und der Erkennungsdienst verarbeitet es nur nach Weisung von Dictawave.