अपनी वीडियो स्क्रिप्ट को रिकॉर्ड किए गए वॉइसओवर से सिंक करें और SRT कैप्शन्स पाएँ
आपने स्क्रिप्ट लिखी, वॉइसओवर रिकॉर्ड किया, और अब आपको ऐसे कैप्शन्स चाहिए जो हर लाइन बोलने के साथ स्क्रीन पर दिखें। स्क्रिप्ट के साथ ऑडियो या वीडियो अपलोड करें और SRT व VTT फ़ाइलें पाएँ, जिनमें आपके शब्द वैसे ही रहते हैं और टाइमिंग आपकी आवाज़ से ली जाती है। 10 मिनट तक की रिकॉर्डिंग पूरी तरह फ़्री है; इससे लंबी रिकॉर्डिंग के लिए 6 घंटों तक सिर्फ़ एक बार $5 का पेमेंट करना होता है।
- बॉक्स में पेस्ट की गई या TXT या DOCX के रूप में अपलोड की गई स्क्रिप्ट शब्द-दर-शब्द वैसी ही रखी जाती है
- टाइमिंग आपकी बोलने की असली रफ़्तार के अनुसार तय होती है, न कि पूरे समय को बराबर हिस्सों में बाँटकर
- लगभग 42 वर्णों की अधिकतम दो पंक्तियों के कैप्शन्स, जो वाक्य या उपवाक्य के अंत पर विभाजित होते हैं
- जो लाइनें आपने बोलते समय बिना लिखे जोड़ी थीं, उनके कैप्शन्स नहीं बनेंगे
- YouTube, Premiere Pro, DaVinci Resolve और अन्य एडिटर्स के लिए SRT और VTT
लिखित स्क्रिप्ट से सीधे कैप्शन्स, बिना दोबारा टाइप किए
वॉइसओवर आर्टिस्ट्स और वीडियो क्रिएटर्स के पास ऑडियो बनने से पहले ही टेक्स्ट तैयार होता है। धीमा काम बाद में होता है: कैप्शन एडिटर में लाइनों को पेस्ट करना और हर एक को तब तक ड्रैग करना जब तक वह रिकॉर्डिंग से मैच न हो जाए। यहाँ आपकी स्क्रिप्ट ही सीधे कैप्शन का टेक्स्ट बन जाती है। एक स्पीच रिकग्निशन मॉडल आपकी रिकॉर्डिंग को सुनता है और दर्ज करता है कि कौन-सा शब्द कब बोला गया, और फिर कोड आपकी स्क्रिप्ट को उन शब्दों से सिंक कर देता है। सिर्फ़ एक बार आने वाले वाक्यांश फ़िक्स्ड पॉइंट का काम करते हैं, और उनके बीच के शब्द एक-एक करके मैच किए जाते हैं।
चूँकि शब्दों का मिलान एक-एक करके होता है, इसलिए बोलने की गति में बदलाव होने पर भी सब सही से सिंक रहता है: पंचलाइन से पहले लंबा पॉज़ हो, किसी प्रोडक्ट की तेज़ रफ़्तार जानकारी हो, या धीमा और शांत इंट्रो हो। कैप्शन्स आपकी असली रिकॉर्डिंग के अनुसार बनते हैं, न कि आपके प्लान के अनुसार।
जब रिकॉर्डिंग स्क्रिप्ट से अलग हो
- जो बात स्क्रिप्ट में नहीं थी और आपने अचानक बोल दी, उसका कोई कैप्शन नहीं बनता, और स्क्रिप्ट की अगली लाइन बिल्कुल सही समय पर शुरू होती है
- पढ़ते समय जो शब्द आपने बदल दिया या छोड़ दिया, उसकी टाइमिंग आस-पास के शब्दों से तय होती है, लेकिन कैप्शन में स्क्रिप्ट वाला शब्द ही दिखाई देगा। इसलिए अगर आप चाहते हैं कि कैप्शन्स आपके बोले गए शब्दों से मेल खाएं, तो स्क्रिप्ट में बदलाव कर लें
- स्क्रिप्ट का कोई पैराग्राफ जिसे आपने फ़ाइनल एडिट से हटा दिया है, उसके साथ जोड़ने के लिए कोई ऑडियो नहीं होता और वह अपने आस-पास की लाइनों के साथ उलझ जाता है; इसलिए अपलोड करने से पहले उसे स्क्रिप्ट से हटा दें
- बैकग्राउंड म्यूज़िक, साउंड इफ़ेक्ट्स और बिना आवाज़ वाले B-roll को नज़रअंदाज़ कर दिया जाता है और वे बाद के कैप्शन्स की टाइमिंग नहीं बिगाड़ते
कैप्शन कहाँ टूटेगा, यह तय करना
आपकी स्क्रिप्ट के हर लाइन ब्रेक का पूरा ध्यान रखा जाता है। अगर आप प्रति वाक्य एक कैप्शन चाहते हैं, तो हर लाइन में एक ही वाक्य रखें। लगभग 84 वर्णों से लंबी लाइन को वाक्य के अंत या कॉमा पर तोड़कर लगभग 42 वर्णों की दो पंक्तियों में व्यवस्थित किया जाता है, जो फ़ोन स्क्रीन पर आसानी से पढ़ी जा सकती हैं।
सीन हेडिंग्स, कैमरा नोट्स और "[B-roll: city at night]" जैसे मार्कर्स बोले नहीं जाते। अपलोड करने से पहले इन्हें हटा दें, वरना ये आपकी असली लाइनों के बीच कैप्शन्स के रूप में दिखाई देने लगेंगे।
पेमेंट करने से पहले टाइमिंग जांचना
10 मिनट से अधिक लंबे वॉइसओवर के लिए, पहला हिस्सा पहले स्क्रीन पर टाइमिंग के साथ दिखाया जाता है, ताकि आप देख सकें कि आपके बोलने के साथ ही कैप्शन्स शुरू हो रहे हैं या नहीं। अगर सब ठीक है, तो सिर्फ़ एक बार पेमेंट करने पर पूरी रिकॉर्डिंग कवर हो जाती है। आप स्क्रीन पर किसी भी कैप्शन को एडिट कर सकते हैं, और डाउनलोड की गई फ़ाइलों में आपके बदलाव शामिल होंगे। अम्हारिक, टाइग्रिन्या, सोमाली, दारी, कुर्दिश, बर्मी या पश्तो में वॉइसओवर एक सामान्य AI मॉडल द्वारा टाइम किए जाते हैं और थोड़े कम सटीक हो सकते हैं, इसलिए इन भाषाओं में फ़्री हिस्से को ध्यान से देखें।
टूल कैसे काम करता है, कितना खर्च आता है और आपकी फ़ाइलें कैसे संभाली जाती हैं, यह ट्रांसक्रिप्ट को ऑडियो से सिंक करें पेज पर है; हर टूल की कीमत कीमत पेज पर है।
आख़िरी अपडेट:
सवाल और जवाब
क्या ChatGPT मेरी स्क्रिप्ट को मेरे वॉइसओवर से सिंक कर सकता है?
किसी छोटी क्लिप के लिए जहाँ आपको टाइमिंग पहले से पता हो, कोई चैटबॉट बिना किसी परेशानी के स्क्रिप्ट को SRT के रूप में तैयार कर सकता है। लेकिन वह किसी लंबे वॉइसओवर को सुनकर यह नहीं बता सकता कि हर लाइन कब शुरू होती है, इसलिए वह अपने अंदाज़े से जो टाइमस्टैम्प लिखता है, वे वीडियो आगे बढ़ने के साथ आवाज़ से भटक जाते हैं। यह टूल सीधे रिकॉर्डिंग से ही सटीक समय पढ़ता है।
क्या मुझे पहले अपनी स्क्रिप्ट साफ़ करनी होगी?
ऐसी कोई भी चीज़ हटा दें जिसे आपने बोलकर नहीं पढ़ा: सीन हेडिंग्स, शॉट नोट्स, या ऐसे पैराग्राफ जिन्हें आपने एडिट में काट दिया है। छोटे-मोटे अंतर, जैसे छूटा हुआ कोई शब्द या थोड़ा अलग बोला गया शब्द, रहने दिए जा सकते हैं।
मैं कौन-सी फ़ाइलें अपलोड कर सकता हूँ?
रिकॉर्डिंग MP3, M4A, WAV, MP4, MOV या कोई अन्य सामान्य ऑडियो या वीडियो फ़ॉर्मेट हो सकती है, या कोई पब्लिक Google Drive, Dropbox या डायरेक्ट लिंक भी हो सकता है। स्क्रिप्ट को सीधे पेस्ट करें या TXT या DOCX के रूप में अपलोड करें।
क्या कैप्शन्स में नामों और ब्रांड के शब्दों की मेरी स्पेलिंग वैसी ही रहेगी?
हाँ। कैप्शन का टेक्स्ट आपकी अपनी स्क्रिप्ट होती है, इसलिए प्रोडक्ट के नाम, खास स्पेलिंग और पंक्चुएशन बिल्कुल वैसे ही दिखते हैं जैसे आपने टाइप किए थे। स्पीच रिकग्निशन सिर्फ़ टाइमिंग तय करता है।
इसकी कीमत कितनी है?
10 मिनट तक का वॉइसओवर डाउनलोड सहित पूरी तरह फ़्री है, बिना किसी अकाउंट के। इससे लंबी रिकॉर्डिंग के लिए सिर्फ़ एक बार $5 का पेमेंट करना होता है और यह 6 घंटे तक की हो सकती है। Unlimited प्लान, $19 प्रति हफ़्ते में, इस सीमा को बढ़ाकर प्रति जॉब 12 घंटे कर देता है।
क्या मेरा रिलीज़ न हुआ वीडियो प्राइवेट रहेगा?
सिर्फ़ आप ही अपना जॉब खोल सकते हैं। रिकॉर्डिंग प्रोसेस होने के लिए AI मॉडल प्रोवाइडर के पास जाती है और मॉडल ट्रेन करने के लिए इस्तेमाल नहीं होती। बिना अकाउंट के शुरू किए गए जॉब 7 दिनों के बाद डिलीट कर दिए जाते हैं, और आप जब चाहें इसे पहले भी डिलीट कर सकते हैं।