Zsynchronizuj scenariusz wideo z nagraniem lektorskim i pobierz napisy SRT
Scenariusz jest gotowy, nagranie lektorskie zrobione – teraz potrzebujesz napisów, które pojawiają się dokładnie wtedy, gdy wypowiadasz dane słowa. Prześlij plik audio lub wideo wraz ze scenariuszem, a otrzymasz pliki SRT i VTT, które zachowują Twój tekst słowo w słowo i idealnie dopasowują czasy do Twojego tempa mowy. Nagranie do 10 minut jest w całości za darmo. Dłuższe to jednorazowa płatność w wysokości $5 (do 6 godzin).
- Wklej scenariusz w pole lub prześlij plik TXT albo DOCX – zachowamy tekst słowo w słowo
- Czasy odzwierciedlają Twoje rzeczywiste tempo mowy, zamiast sztucznego podziału długości nagrania
- Napisy do dwóch linii po około 42 znaki, dzielone naturalnie na granicach zdań i fraz
- Kwestie improwizowane, których nie było w tekście, zostają pominięte w napisach
- Pliki SRT i VTT gotowe do użycia w YouTube, Premiere Pro, DaVinci Resolve i innych programach montażowych
Od gotowego scenariusza do napisów bez przepisywania
Lektorzy i twórcy wideo zazwyczaj mają gotowy tekst, zanim w ogóle powstanie nagranie. Najbardziej żmudny etap następuje później: wklejanie linijek do edytora napisów i mozolne przesuwanie każdego bloku, by trafić w odpowiednie ujęcie. Tutaj to Twój scenariusz staje się tekstem napisów. Model rozpoznawania mowy analizuje nagranie i rejestruje czas wypowiedzenia każdego słowa, a algorytm dopasowuje treść scenariusza do zarejestrowanego głosu. Unikalne frazy służą jako punkty zaczepienia, a słowa pomiędzy nimi są dopasowywane jedno po drugim.
Dzięki dopasowywaniu słowo po słowie nawet nieregularne tempo układa się idealnie: długa pauza przed puentą, szybkie wyliczenie cech produktu czy powolny, spokojny wstęp. Napisy podążają za tym, co rzeczywiście nagrano, a nie za idealnym planem.
Gdy nagranie różni się od scenariusza
- Wtrącenia lub improwizacje spoza scenariusza nie pojawią się w napisach, a kolejna zapisana kwestia rozpocznie się dokładnie na czas
- Słowo zamienione lub pominięte podczas czytania przejmuje czasy z sąsiednich słów, ale w napisach pojawi się wersja ze scenariusza – zmień więc scenariusz, jeśli chcesz, by napisy wiernie oddawały nagranie
- Akapit ze scenariusza wycięty podczas montażu nie ma odpowiednika w dźwięku i może nałożyć się na sąsiednie kwestie – usuń go ze scenariusza przed synchronizacją
- Podkłady muzyczne, efekty dźwiękowe i przebitki (B-roll) bez głosu są pomijane i nie rozregulowują późniejszych napisów
Podział tekstu na poszczególne napisy
Każdy podział wiersza w scenariuszu jest brany pod uwagę. Jeśli chcesz, aby każde zdanie tworzyło osobny blok napisów, umieść je w nowej linii. Wiersze dłuższe niż około 84 znaki są dzielone na końcu zdania lub po przecinku i formatowane w dwóch linijkach po około 42 znaki – to optymalny rozmiar do wygodnego czytania na ekranie telefonu.
Nagłówki scen, wskazówki montażowe i znaczniki typu „[B-roll: miasto nocą]” nie pojawiają się w nagraniu. Usuń je przed przesłaniem pliku, inaczej trafią do napisów i wcisną się pomiędzy Twoje kwestie.
Sprawdź synchronizację, zanim zapłacisz
W przypadku nagrań lektorskich dłuższych niż 10 minut najpierw synchronizowana jest początkowa część – możesz od razu na ekranie sprawdzić, czy napisy pojawiają się dokładnie wtedy, gdy zaczynasz mówić. Jeśli wszystko się zgadza, jednorazowa płatność odblokowuje całe nagranie. Każdy blok napisów możesz poprawić bezpośrednio w oknie edycji, a pobierane pliki uwzględnią Twoje zmiany. Nagrania w językach takich jak amharski, tigrinia, somalijski, dari, kurdyjski, birmański czy paszto są synchronizowane przez ogólny model AI i mogą być mniej precyzyjne, dlatego w tych językach warto uważnie sprawdzić bezpłatną część.
Jak działa narzędzie, ile kosztuje i jak traktujemy Twoje pliki, znajdziesz na stronie narzędzia: Synchronizacja transkrypcji z audio. Ceny wszystkich narzędzi znajdziesz w dziale cennik.
Ostatnia aktualizacja:
Pytania i odpowiedzi
Czy ChatGPT może zsynchronizować scenariusz z nagraniem lektorskim?
W przypadku krótkiego klipu, gdzie znasz już dokładne czasy, chatbot bez problemu sformatuje scenariusz do pliku SRT. Nie potrafi jednak odsłuchać długiego nagrania lektorskiego ani rozpoznać, kiedy zaczyna się dana kwestia. Generowane przez niego znaczniki czasu to tylko szacunki, które z każdą minutą coraz bardziej rozjeżdżają się z głosem. To narzędzie odczytuje rzeczywiste czasy bezpośrednio z nagrania.
Czy muszę wcześniej uporządkować scenariusz?
Usuń wszystko, co nie zostało powiedziane na głos: nagłówki scen, uwagi realizatorskie czy akapity wycięte podczas montażu. Drobne różnice, takie jak pominięte „więc” czy jedno inne słowo, nie stanowią problemu.
Jakie formaty plików można przesłać?
Nagranie może być w formacie MP3, M4A, WAV, MP4, MOV lub innym popularnym formacie audio/wideo. Możesz też podać publiczny link z Google Drive, Dropbox lub bezpośredni adres URL. Scenariusz wklej w pole tekstowe lub prześlij jako plik TXT albo DOCX.
Czy napisy zachowają moją pisownię nazwisk i marek?
Tak. Tekst napisów pochodzi bezpośrednio ze scenariusza, więc nazwy produktów, nietypowa pisownia czy interpunkcja pozostaną dokładnie takie, jak w oryginale. Rozpoznawanie mowy służy wyłącznie do wyznaczenia znaczników czasu.
Ile to kosztuje?
Nagranie do 10 minut jest w całości bezpłatne – łącznie z pobieraniem i bez rejestracji. Dłuższe nagranie kosztuje $5 (jednorazowa płatność) i może trwać do 6 godzin. Pakiet Unlimited za $19 tygodniowo podnosi ten limit do 12 godzin na zlecenie.
Czy moje nieopublikowane wideo pozostaje prywatne?
Tylko Ty masz dostęp do swojego zlecenia. Nagranie trafia do dostawcy modelu AI wyłącznie w celu przetworzenia i nie jest wykorzystywane do trenowania modeli. Zlecenia utworzone bez rejestracji są usuwane po 7 dniach, a Ty możesz usunąć swoje w każdej chwili wcześniej.