Scribe مدل تبدیل گفتار به متن شرکت ElevenLabs است؛ همان شرکتی که بیشتر برای تولید صدای مصنوعی شناخته می‌شود. فایل صوتی یا ویدیو را می‌دهید و متن همراه با زمان‌بندی کلمه‌ها، تفکیک گوینده‌ها و برچسب رویدادهای صوتی مثل خنده یا موسیقی می‌گیرید. نکته‌ی مهم برای کاربر فارسی‌زبان این است که فارسی در فهرست زبانهای پشتیبانی‌شده‌ی آن است.
Scribe به چه کاری می‌آید؟#
- پیاده‌سازی مصاحبه و پادکست: فایل صوتی طولانی را به متن با تفکیک گوینده تبدیل می‌کنید.
- زیرنویس ویدیو: زمان‌بندی دقیق کلمه‌ها پایه‌ی ساخت زیرنویس است.
- جلسه و تماس: ضبط جلسه را به متن تبدیل می‌کنید و بر اساس گوینده جدا می‌کنید.
- محصول نرم‌افزاری: برنامه‌نویس از API برای افزودن تبدیل گفتار به متن به اپ خودش استفاده میکند.
- تحلیل محتوای صوتی: از متن حاصل برای خلاصه‌سازی یا جستجو در آرشیو صوتی بهره می‌برید.
نقاط قوت و ضعف#
قوت‌ها:
- پشتیبانی رسمی از فارسی در میان ده‌ها زبان.
- زمان‌بندی کلمه‌ها، تفکیک گوینده و برچسب رویدادهای صوتی.
- API مناسب ادغام در محصول.
- نسخهی بلادرنگ برای گفتار زنده.
ضعف‌ها:
- دقت اعلام‌شده توسط خود شرکت است و باید روی صدای خودتان سنجیده شود.
- رابط آن بیشتر به توسعه‌دهنده و سازنده‌ی محتوا نزدیک است تا جلسه‌نویس آماده با ربات ضبط.
- ثبتنام و پرداخت از ایران احتمالاً مشکل دارد.
- گویش‌های محلی، نویز و صحبت هم‌زمان چند نفر دقت را کم میکند.
نسخهی رایگان و قیمت#
ElevenLabs نسخهی رایگان با سقف محدود دارد و برای حجم بیشتر اشتراک یا پرداخت بر پایه‌ی مصرف لازم است. قیمت‌ها و سقف‌های روز را در سایت رسمی ببینید.
فارسی و استفاده از ایران#
فارسی در فهرست زبانهای Scribe است و کیفیتش را باید با نمونهی صدای خودتان بسنجید، به‌خصوص با گویش‌های محلی. دسترسی از ایران دشوار است: شرکت ایران را در شرایط استفاده در فهرست کشورهای تحریمشده آورده و ثبتنام و پرداخت احتمالاً فیلترشکن و روش پرداخت بین‌المللی میخواهد.
