ویژگیهای VexaScribe
VexaScribe — رونویسی هوش مصنوعی در ۹۹ زبان. تشخیص گوینده، برچسب زمانی، خلاصههای هوش مصنوعی و ترجمه داخلی متن رونویسی (۱۳۳ زبان). فایلها را آپلود کنید یا یک ربات جلسات به Zoom، Meet یا Teams بفرستید. از $2/ماه.
VexaScribe چیست، در ۸۰ کلمه
VexaScribe یک وباپلیکیشن است که صدا و ویدیو را با استفاده از OpenAI Whisper به متنهای قابل جستجو، دارای برچسب زمانی و برچسب گوینده تبدیل میکند. یک فایل را رها کنید (تا ۵ گیگابایت)، لینک YouTube / TikTok / Instagram / لینک مستقیم را جایگذاری کنید، یا یک ربات به جلسه Zoom، Google Meet یا Teams خود بفرستید. متن رونویسی در ۹۹ زبان طی حدود ۵ تا ۱۰ دقیقه به ازای هر ساعت صدا، خلاصه اختیاری هوش مصنوعی همراه با موارد اقدام و خروجی به قالبهای TXT، DOCX، SRT، VTT یا JSON دریافت کنید. ۳۰ دقیقه رایگان، سپس $2 تا $20/ماه. بدون نیاز به کارت اعتباری برای شروع.
ویژگیهای اصلی
پشتیبانی از ۹۹ زبان
با تشخیص خودکار زبان، صدا و ویدیو را در ۹۹ زبان رونویسی کنید. از انگلیسی تا ژاپنی، از اسپانیایی تا عربی — همه را پوشش میدهیم.
تشخیص گوینده
تشخیص خودکار گوینده صداهای مختلف را شناسایی و برچسبگذاری میکند. عالی برای مصاحبهها، پادکستها و جلسات با چند شرکتکننده.
برچسبهای زمانی
هر متن رونویسی شامل برچسبهای زمانی دقیق است. روی هر برچسب زمانی کلیک کنید تا به آن لحظه در صدا بروید. برای پیمایش و زیرنویسهای ویدیویی ضروری است.
۵ قالب خروجی
به صورت TXT (متن ساده)، DOCX (Word)، SRT یا VTT (زیرنویس ویدیو) یا JSON (داده ساختاریافته با برچسب زمانی) خروجی بگیرید. قالبی را انتخاب کنید که با گردش کار شما هماهنگ است.
پردازش سریع
رونویسی مبتنی بر هوش مصنوعی در چند دقیقه کامل میشود، نه چند ساعت. یک ضبط ۱ ساعته معمولاً در ۵ تا ۱۰ دقیقه پردازش میشود.
ویرایشگر داخلی
متنهای رونویسی خود را مستقیماً در مرورگر مرور و ویرایش کنید. خطاها را اصلاح کنید، گویندگان را تغییر نام دهید و متن رونویسی خود را قبل از خروجی گرفتن کامل کنید.
ربات جلسات
یک ربات هوش مصنوعی به جلسات Zoom، Google Meet یا Teams خود بفرستید. ضبط میکند، رونویسی میکند و خلاصههای ساختاریافته با موارد اقدام و تصمیمها تولید میکند. از ۳ برابر اعتبار رونویسی استفاده میکند.
خلاصههای هوش مصنوعی
هر متن رونویسی را به نکات کلیدی، موارد اقدام، نشانگرهای فصل و تصمیمهای ساختاریافته تبدیل کنید. روی جلسات، سخنرانیها، مصاحبهها و پادکستها کار میکند. در تمام پلنهای پولی گنجانده شده است.
ترجمه متن رونویسی
هر متن رونویسی را از طریق Google Translate به ۱۳۳ زبان ترجمه کنید — بدون هزینه اضافی، بدون نیاز به حساب شخص ثالث. در تمام پلنها در دسترس است.
آپلود گروهی — ۵۰ فایل به طور همزمان
تا ۵۰ فایل صوتی یا ویدیویی را یکجا آپلود کنید. همه به صورت موازی پردازش میشوند — نه یکییکی. قالبها را آزادانه ترکیب کنید و همه را به صورت ZIP دانلود کنید.
چت هوش مصنوعی با متن رونویسی شما
سؤالات به زبان طبیعی درباره هر رونویسی که مالک آن هستید بپرسید و پاسخهایی پشتیبانیشده با نقلقول مستقیم از صدا دریافت کنید. «چه موارد اقدامی تعیین شد؟»، «سارا چه تصمیمی گرفت؟»، «قویترین نقلقول درباره X را پیدا کن» — سؤالاتی که معمولاً برای پاسخ به آنها ضبط را دوباره تماشا میکردید به یک پرسوجوی واحد تبدیل میشوند. هر پاسخ همراه با نقلقولهای برچسب زمانی قابل کلیک است که پخشکننده صوتی را دقیقاً به لحظه بیان نقلقول میرساند. نقلقولها در سمت سرور در برابر متن رونویسی واقعی اعتبارسنجی میشوند — هوش مصنوعی به ضبط شما محدود است و نمیتواند برچسب زمانی یا نقلقولی از خود بسازد. مکالمات به مدت ۹۰ روز باقی میمانند، با پشتیبانی از زمینه چند نوبتی و ۹۹ زبان (به یک زبان درباره ضبطی به زبان دیگر بپرسید). در پلنهای پولی در دسترس است.
قالبهای پشتیبانیشده
قالبهای صوتی
قالبهای ویدیویی
قالبهای خروجی (۵)
متن ساده
سند Word
زیرنویس
زیرنویس وب
داده ساختاریافته
موارد استفاده
رونویسی جلسات
ربات هوش مصنوعی به جلسات Zoom، Meet یا Teams میپیوندد
رونویسی پادکست
قسمتها را به یادداشتهای برنامه و پستهای وبلاگ تبدیل کنید
رونویسی مصاحبه
رونویسی با تشخیص گوینده
رونویسی سخنرانی
ضبطهای کلاس را به یادداشتهای مطالعه تبدیل کنید
ویدیو به متن
متن رونویسی استخراج کنید و زیرنویس بسازید
MP3 به متن
فایلهای صوتی را به اسناد متنی تبدیل کنید
رونویسی صوتی
تبدیل عمومی صدا به متن
قدرتگرفته از هوش مصنوعی پیشرفته
VexaScribe از پیشرفتهترین مدلهای تشخیص گفتار استفاده میکند که روی میلیونها ساعت صدا آموزش دیدهاند. همان فناوری پشت دستیارهای صوتی، سازگار شده برای رونویسی دقیق.
دقت برای صدای واضح
زبان پشتیبانیشده
زمان پردازش به ازای هر ساعت
در دسترس بودن ویژگیها بر اساس پلن
تمام پلنها شامل یک دوره آزمایشی رایگان هستند. برای شروع نیازی به کارت اعتباری نیست.
| ویژگی | آزمایش رایگان | Starter ($2/ماه) | Pro ($10/ماه) |
|---|---|---|---|
| رونویسی صدا و ویدیو | ✓ | ✓ | ✓ |
| پشتیبانی از ۹۹ زبان | ✓ | ✓ | ✓ |
| تشخیص گوینده | ✓ | ✓ | ✓ |
| برچسبهای زمانی | ✓ | ✓ | ✓ |
| خروجی: TXT, DOCX, SRT, VTT, JSON | ✓ | ✓ | ✓ |
| ترجمه متن رونویسی (۱۳۳ زبان) | ✓ | ✓ | ✓ |
| ویرایشگر داخلی | ✓ | ✓ | ✓ |
| خلاصههای هوش مصنوعی | — | ✓ | ✓ |
| ربات جلسات (Zoom، Meet، Teams) | — | ✓ | ✓ |
| رونویسی گروهی | ✓ | ✓ | ✓ |
رونویسی از یک URL — بدون نیاز به دانلود
یک لینک را جایگذاری کنید و متن رونویسی دریافت کنید. دانلود را ما در پسزمینه انجام میدهیم. همان دقت، همان خروجی، همان هزینه دقیقهای مانند آپلود فایل — شما مرحله «اول ویدیو را دانلود کن، بعد آپلود کن» را رد میکنید.
| منبع | وضعیت | چه چیزی میپذیرد |
|---|---|---|
| YouTube | ✓ فعال | هر URL ویدیوی عمومی. صدا استخراج شده و با تشخیص گوینده رونویسی میشود. در صورت شکست دانلود صدا، به زیرنویسها بازمیگردد. |
| TikTok | ✓ فعال | هر URL ویدیوی عمومی TikTok — هم کلیپهای کوتاه شبیه Reels و هم ویدیوهای بلندتر کار میکنند. |
| ✓ فعال | Reels عمومی، پستهای ویدیویی و Stories ویدیویی. پستهای عکس یک خطای واضح «بدون محتوای ویدیویی» برمیگردانند. | |
| Direct URL | ✓ فعال | هر لینک HTTPS به یک فایل صوتی یا ویدیویی — MP3 پادکست، لینک S3، اشتراک Google Drive، دانلود ربات Telegram، Dropbox و غیره. |
| Spotify | ⏳ بهزودی | شناسایی میشود اما هنوز ساخته نشده. یک لینک را جایگذاری کنید تا اعلانی برای «رأی به توسعه سریعتر» ظاهر شود تا بتوانیم بر اساس تقاضا اولویتبندی کنیم. |
مدل هزینه: آپلودهای URL از همان استخر دقیقه ماهانه آپلود فایلها کسر میشوند — ۱ دقیقه صدا = ۱ دقیقه از پلن شما. سطح جداگانهای برای URL وجود ندارد.
کارهایی که VexaScribe انجام نمیدهد
پنج موردی که VexaScribe واقعاً برای آنها ساخته نشده، همراه با ابزاری که در هر مورد واقعاً پیشنهاد میکنیم. اگر مورد استفاده شما در این لیست است، خودتان را از ثبتنام آزمایشی نجات دهید.
بدون زیرنویسگذاری زنده و بلادرنگ
متنهای رونویسی پس از آپلود تولید میشوند، نه هنگام صحبت کردن شما. یک فایل ۱ ساعته ۵ تا ۱۰ دقیقه زمان پردازش میبرد — برای جلساتی که بعداً مرور میکنید مناسب است، برای رویدادهای زنده اشتباه.
به جای آن استفاده کنید: Otter Live، زیرنویسهای داخلی Google Meet یا Web Captioner برای زیرنویس زنده رایگان مبتنی بر مرورگر.
بدون REST API عمومی
VexaScribe یک وباپلیکیشن برای انسانهاست، نه یک سرویس backend. هیچ API توسعهدهنده، SDK یا webhook برای آپلودهای برنامهنویسیشده وجود ندارد.
به جای آن استفاده کنید: OpenAI Whisper API ($0.006/min)، Deepgram Nova-3 (~$0.0043/min) یا AssemblyAI (~$0.012/min).
بدون ویرایش ویدیو
شما میتوانید زیرنویسهای SRT/VTT را برای وارد کردن به ویرایشگرتان صادر کنید، اما VexaScribe کلیپها را برش نمیدهد، کلمات اضافی را حذف نمیکند و زیرنویس را روی ویدیو نمیسوزاند.
به جای آن استفاده کنید: Descript یا Vrew برای ویرایش ویدیوی مبتنی بر متن؛ Premiere/Final Cut/DaVinci برای گردشکارهای سنتی NLE.
بدون تنظیم واژگان سفارشی
شما نمیتوانید فرهنگ لغتی از نامهای تجاری، نام داروها یا اصطلاحات فنی را برای سوگیری مدل به سمت آنها آپلود کنید. Whisper همانطور که هست استفاده میشود، بدون تنظیم دقیق به ازای هر حساب.
به جای آن استفاده کنید: «word boost» در AssemblyAI یا پارامتر «keywords» در Deepgram برای حوزههای پر از اسامی خاص.
بدون میزبانی خودمیزبان لوکال / سازمانی
صدا در ابر ما پردازش میشود — هیچ استقرار جدا از شبکه یا امضاشده HIPAA-BAA در دسترس نیست. برای محتوای وکیل-موکل، درمان بالینی یا محتوای طبقهبندیشده که در آن نشت اطلاعات مسئولیت حقوقی مستقیم ایجاد میکند، هیچ ابزار ابری (از جمله ابزار ما) انتخاب درستی نیست.
به جای آن استفاده کنید: OpenAI Whisper را به صورت محلی نصب کنید (رایگان، روی دستگاه شما اجرا میشود، صدا هرگز خارج نمیشود)، یا برای دقت ۱۰۰٪ در سطح حقوقی از رونویسی انسانی (Rev، GoTranscript) با $1.25 تا $1.99/min استفاده کنید.
دقت صادقانه — اعداد واقعاً به چه معنا هستند
VexaScribe از OpenAI Whisper (به طور خاص مدلهای کلاس large-v3) استفاده میکند. صفحات بازاریابی عاشق گفتن «دقت ۹۹٪» هستند — این صادقانه نیست. دقت واقعی Whisper به شدت به کیفیت صدا، لهجه و تعداد گویندگان بستگی دارد. آنچه باید انتظار داشت این است.
دقت رونویسی (Whisper)
- انگلیسی استودیویی تمیز، یک گوینده~۹۲–۹۷٪
- انگلیسی با لهجه (غیربومی، منطقهای)~۸۵–۹۲٪
- محیطهای پر سر و صدا (کافه، تلفن، فضای باز)~۸۰–۹۰٪
- اسپانیایی، فرانسوی، آلمانی، ایتالیایی، پرتغالی، هلندی تمیز~۸۸–۹۴٪
- کرهای، ژاپنی، اندونزیایی، ترکی، عربی، لهستانی~۸۵–۹۲٪
منبع: Open ASR Leaderboard + بنچمارکهای مقاله Whisper (LibriSpeech, FLEURS, Common Voice).
دقت تشخیص گوینده
- ۲ گوینده، بدون همپوشانی۹۵٪+
- ۳–۴ گوینده، همپوشانی گاه به گاه~۸۸–۹۴٪
- ۵–۶ گوینده، پویایی جلسه~۸۰–۹۰٪
- ۷–۱۵ گوینده، پنل یا گروه متمرکز~۷۰–۸۲٪
- تا ۵۰ گوینده (حداکثر پشتیبانیشده)متغیر
بهترین دقت با ۲ تا ۶ گوینده متمایز. میتوانید گوینده ۱/۲/۳ را در ویرایشگر پس از آن تغییر نام دهید.
چه چیزی واقعاً تفاوت ایجاد میکند
سه چیز که مهمتر از انتخاب «بهترین» ابزار رونویسی هستند:
- یک میکروفون مناسب (هدست USB یا میکروفون یقهای ۵ تا ۱۵ امتیاز دقت بهتر از میکروفون داخلی لپتاپ عمل میکند).
- هر بار یک گوینده — همپوشانی هم رونویسی و هم تشخیص گوینده را از بین میبرد.
- نویز پسزمینه پایین. در یک اتاق بسته ضبط کنید، نه در کنار پنکه یا خروجی تهویه.
اگر به دقت ۱۰۰٪ در سطح حقوقی نیاز دارید (اسناد دادگاهی، پژوهشهای تنظیمشده)، از خدمات رونویسی انسانی مانند Rev یا GoTranscript با $1.25 تا $1.99/min استفاده کنید. هوش مصنوعی شما را با ۱ تا ۲٪ هزینه به ~۹۵٪ میرساند — برای بیشتر موارد استفاده مناسب است، برای برخی اشتباه.
سؤالات متداول ویژگیها
VexaScribe از چه زبانهایی پشتیبانی میکند و دقت آنها چقدر است؟
۹۹ زبان، همه با پشتیبانی OpenAI Whisper. دقت به زبان و کیفیت صدا بستگی دارد: ~۹۲–۹۷٪ در صدای انگلیسی تمیز (طبق Open ASR Leaderboard)، ~۸۸–۹۴٪ در اسپانیایی، فرانسوی، آلمانی، ایتالیایی، پرتغالی و هلندی تمیز و ~۸۵–۹۲٪ در کرهای، ژاپنی، اندونزیایی، ترکی، لهستانی و عربی. گفتار با لهجه شدید، گویندگان همپوشان یا محیطهای پر سر و صدا این اعداد را ۵ تا ۱۰ امتیاز کاهش میدهد. زبان به صورت خودکار تشخیص داده میشود یا میتوانید آن را دستی مشخص کنید.
آیا VexaScribe یک REST API عمومی دارد؟
هنوز نه — VexaScribe یک وباپلیکیشن است، نه یک محصول API. اگر نیاز به یکپارچهسازی رونویسی در نرمافزار خود دارید، از OpenAI Whisper API ($0.006/min)، Deepgram (~$0.0043/min در Nova-3) یا AssemblyAI (~$0.012/min) استفاده کنید. هر سه دارای SDK و مستندات مناسب هستند. اگر میخواهید یک گردش کار بدون کد که فایلها را آپلود و متنهای رونویسی را دانلود کند، VexaScribe انتخاب مناسبی است — فقط نه از طریق API.
VexaScribe چه قالبهای فایلی را میتواند رونویسی کند؟
صدا: MP3، WAV، M4A، FLAC، OGG، AAC، WMA، OPUS. ویدیو: MP4، MOV، AVI، MKV، WebM، WMV، FLV. مسیر صوتی به صورت خودکار از فایلهای ویدیویی استخراج میشود — بدون مرحله تبدیل جداگانه. خروجیها: TXT، DOCX، SRT، VTT، JSON.
چه حجم فایلی را میتوانم آپلود کنم؟
تا ۵ گیگابایت به ازای هر فایل، که تقریباً معادل ۹۰ ساعت MP3 با ۱۲۸ کیلوبیت بر ثانیه یا حدود ۸ ساعت ویدیوی ۱۰۸۰p است. این بسیار فراتر از سقف ۲۵ مگابایت در بیشتر سایتهای تبدیلکننده رایگان و سقف ~۲۰۰ مگابایت در سطح رایگان Otter است. برای فایلهای بزرگتر از ۵ گیگابایت، فایل را در Audacity یا ffmpeg تقسیم کنید و بخشها را به صورت جداگانه آپلود کنید.
آیا VexaScribe مدلهای هوش مصنوعی را روی صدای من آموزش میدهد؟
خیر. صدا و متنهای رونویسی شما برای آموزش هیچ مدلی استفاده نمیشوند — نه مدل ما و نه OpenAI (ما از Whisper از طریق API استفاده میکنیم که روی ورودیها آموزش نمیبیند). میتوانید هر فایلی را در هر زمان از داشبورد خود حذف کنید و هم صدا و هم متن رونویسی حذف میشوند. صدا در حین انتقال (TLS) و در حالت سکون رمزنگاری میشود. برای محتوای وکیل-موکل، بالینی یا طبقهبندیشده که در آن نشت اطلاعات مسئولیت حقوقی مستقیم ایجاد میکند، در عوض OpenAI Whisper را به صورت محلی نصب کنید — هیچ ابزار ابری، از جمله ابزار ما، ارزش آن ریسک را ندارد.
در آزمایش رایگان چه چیزهایی گنجانده شده است؟
۳۰ دقیقه اعتبار رونویسی، همه ۹۹ زبان، تشخیص گوینده، برچسبهای زمانی، همه قالبهای خروجی (TXT/DOCX/SRT/VTT/JSON)، ویرایشگر داخلی، آپلود گروهی (تا ۵۰ فایل) و ترجمه متن رونویسی به ۱۳۳ زبان. بدون نیاز به کارت اعتباری. خلاصههای هوش مصنوعی و ربات جلسات (Zoom/Meet/Teams) فقط برای اشتراک پولی هستند — اینها از $2/ماه در پلن Starter شروع میشوند.
آمادهاید که شروع به رونویسی کنید؟
VexaScribe را با ۳۰ دقیقه رونویسی رایگان امتحان کنید. نیازی به کارت اعتباری نیست.