Izdvojite tekst iz govora, snimki zaslona i datoteka. Podržava prepoznavanje glasa u stvarnom vremenu, OCR snimki zaslona i skupnu obradu audio, video, slikovnih i PDF datoteka.
Početak rada
Odaberite jedan od tri načina rada na glavnom zaslonu:
- Live Transcription — pretvaranje govora u tekst u stvarnom vremenu s mikrofona
- Capture Transcription — OCR sa snimki zaslona ili kamere
- File Transcription — skupna obrada audio, video, slikovnih ili PDF datoteka
Live Transcription
Prepoznavanje govora u stvarnom vremenu s mikrofona ili audio ulaznog uređaja.
Pogoni za govor
| Pogon | Vrsta | Najbolji za |
|---|---|---|
| Google Speech | Online API | Visoka točnost, mnogo jezika (zadano) |
| Whisper | Lokalni model | Offline upotreba, privatnost (modeli od tiny do large) |
| Vosk | Offline | Lagan, brz, mnogo jezika |
Mogućnosti snimanja
- Odabir audio ulaznog uređaja
- Audio Format: MP3 ili WAV
- Audio Quality: low / medium / high
- Neobavezno snimanje videa s pretpregledom kamere
- Neobavezna Speaker Classification (prepoznaje različite govornike)
Capture Transcription
Izdvojite tekst iz snimki zaslona ili snimki kamere pomoću OCR-a.
- Camera capture — odaberite uređaj kamere, snimite jedan kadar
- Full screen capture — snimite cijeli zaslon
- Region selection — nacrtajte pravokutnik za snimanje određenog područja
- Window capture — snimite određeni prozor
OCR pogon: Tesseract (zadano japanski). Rezultati se prikazuju uz snimljenu sliku.
File Transcription
Obrađujte datoteke skupno povlačenjem i ispuštanjem ili pomoću preglednika datoteka.
Podržani formati
| Vrsta | Formati | Metoda |
|---|---|---|
| Audio | MP3, WAV, M4A, FLAC, AAC, OGG, WMA | Pogon za govor |
| Video | MP4, AVI, MOV, MKV, WMV, FLV | Izdvajanje zvuka → pogon za govor |
| Slika | JPG, PNG, BMP, TIFF, GIF | Tesseract OCR |
| Dokument | Stranica → slika → OCR |
Workset History
- Svaka sesija transkripcije sprema se kao workset
- Filtrirajte po ključnoj riječi, vrsti (Live/Capture/File) i statusu
- Dvostruko kliknite za ponovno otvaranje prethodne sesije
- Stupci za sortiranje: naziv, vrsta, metoda, datum, status
Postavke
| Postavka | Opis | Zadano |
|---|---|---|
| Recognition Model | Zadani pogon za govor | |
| Audio Format | Format snimanja | WAV |
| Audio Quality | Razina kompresije | Medium |
| Video Capture | Omogući snimanje s kamere | Off |
| Speaker Classification | Identifikacija različitih govornika | Off |
Savjeti
- Offline transkripcija — Koristite Whisper ili Vosk za potpuno offline prepoznavanje govora
- Bilješke sa sastanaka — Omogućite Speaker Classification za razlikovanje tko je što rekao
- Skupni OCR — Ispustite cijelu mapu skeniranih dokumenata za skupnu obradu
- Izdvajanje PDF-a — Svaka stranica PDF-a pretvara se u sliku i OCR obrađuje pojedinačno
Privatnost
- Pogoni Whisper i Vosk rade u potpunosti na vašem uređaju
- Google Speech šalje audio na poslužitelje Googlea radi prepoznavanja
- Svi rezultati transkripcije i snimke pohranjuju se samo na vašem lokalnom disku
- Bez analitike ili praćenja