اسکرایب (Scribe)؛ تبدیل صدا به متن فارسی با هوش مصنوعی

Scribe مدل گفتار به متن ElevenLabs است. از Whisper تازه‌تر است، گوینده‌ها را از هم جدا می‌کند، زمان را کلمه‌به‌کلمه می‌سنجد و به گفته‌ی سازنده در فارسی دقیق‌تر است؛ در همزاد هزینه‌اش هم کمتر است.

ElevenLabs فارسی را در گروه «دقت بالا»ی Scribe آورده، با خطای بیش از ۵ و تا ۱۰ درصد کلمه‌ها. یعنی بیشتر جمله‌ها درست درمی‌آیند، اما نام‌ها، اصطلاح‌ها و جاهایی که صدا شلوغ است را بازخوانی کن.

در ابزار «گفتار به متن» استودیو صدا، «جدا کردن گوینده‌ها» را روشن کن. هر جمله با شماره‌ی گوینده‌اش می‌آید؛ بعد از کپی‌کردن متن، شماره‌ها را با نام آدم‌ها عوض کن.

متن با زمان شروع هر جمله می‌آید و می‌توانی کپی‌اش کنی یا فایل متنی‌اش را بگیری. زیرنویس را از روی همین زمان‌ها در برنامه‌ی تدوینت می‌سازی.

نه. در همزاد اعتبار رایگان پیش‌فرض نیست؛ به اندازه‌ی دقیقه‌های فایل اعتبار کم می‌شود و قیمت را پیش از ساخت می‌بینی. Scribe از کم‌هزینه‌ترین ابزارهای همزاد برای هر دقیقه است.

هر دقیقه با Scribe v2 ۳ اعتبار است؛ یعنی حدود ۲٬۳۰۰ تا ۳٬۰۰۰ تومان، بسته به بسته‌ی اعتباری که می‌خری. پیش از هر ساخت قیمت دقیقش را می‌بینی و تا نتیجه تحویلت نشود، اعتباری کم نمی‌شود.

نه. با یک حساب همزاد به Scribe v2 و بقیه‌ی مدل‌ها دسترسی داری؛ با شماره‌ی موبایل یا ایمیل وارد می‌شوی و با کارت‌های بانکی عضو شتاب به تومان پرداخت می‌کنی. به خرید اکانت یا اشتراک خارجی و شماره‌ی مجازی نیازی نیست.