動画を文字起こし

MP4、MOV、WebM、M4A、WAV、MP3 をそのまま受け付けます。アップロード一覧にある他のコンテナにも対応します。動画はそのまま読み込むため、先に音声を抜き出す必要はありません。ブラウザがプレビューできない音声コーデックのファイルでも、アップロード自体は通ることがあります。失敗する場合は、音声を MP3 か M4A で書き出してから送るのが確実です。

1 ファイル最大 500MB です。ブラウザからストレージへ直接送ります。長さは別枠で制限しておらず、デモ中は 1 日あたりの分数制限もありません。同時に処理できるのは 2 件で、3 件目は順番待ちになります。

できません。アップロード前にファイルを調べ、音のない動画は空のテキストを返すのではなく、メッセージを出して止めます。無音の画面録画や、音声を削除したクリップから言葉は出てきません。声を入れ直すか、元のプロジェクトから音声を書き出して、そのファイルをアップロードしてください。

できません。YouTube などの視聴ページは直接読み取れません。貼り付けられるのは、MP4 や MP3 のようにファイルそのものを直接ダウンロードできる URL だけです。それ以外は、動画をいったんダウンロードしてからファイルをアップロードしてください。

処理を始める前に話者分離をオンにできます。声が変わるたびに別のターンとしてラベルが付き、編集画面でラベルを実際の名前に変えられます。1 人に 1 本のマイクで録れたきれいな音声ほど分かれやすく、発言が重なった部分は同じターンにまとまることがあります。

各ブロックに開始と終了の時刻が付き、テキストの横に表示され、書き出しにも残ります。タイムコード付きのプレーンテキストとしてコピーするか、SRT または VTT でダウンロードして編集ソフトやプレーヤーに読み込めます。1 回の処理で、読むためのテキストと字幕ファイルの両方が手に入ります。

いいえ。話された言語のまま文字にし、翻訳は作りません。言語判定は認識エンジンを正しく設定するために使うだけで、別言語の版が必要なら翻訳ツールを別に用意してください。

ファイルは認識サービスが読むためだけにストレージへ送られ、処理が完了するか失敗すると削除されます。テキストは、あなたが削除するまでアカウントに残ります。音声はモデルの学習に使われず、認識サービスは Dictawave の指示の範囲でだけ処理します。