MP4をテキストに変換：Telegramで動画を文字起こし

MP4をテキストに変換するには、動画をTelegramのPotokのボットに送り、チャットで文字起こしを読みます。使うのは音声トラックだけなので、大きな動画でも問題ありません。2 GBまでのファイルに対応しており、TXT、MD、DOCX、PDF、SRT、VTTで書き出せます。

録音を文字起こしする

音声メッセージ、音声、動画を Telegram の @potok_now_bot に送ると、チャットにテキストが返ってきます。

2 GB までのファイル · TXT、MD、DOCX、PDF、SRT、VTT で書き出し · 話者ラベルとタイムスタンプ · 約30言語

要点

ファイルのある場所から取り出します。 スマートフォンの動画はギャラリー、画面録画はフォルダ、カメラのクリップはメモリーカードにあります。Telegramが動いている端末にコピーしてください。
ボットを開きます。 Telegramで@potok_now_botを開きます。
MP4を送ります。 動画またはドキュメントとして添付します。2 GBまでの重いファイルには、ミニアプリのアップロードボタンを使います。
複数の声がある場合はラベルをオンにします。 会議の録画は、話者ラベルとタイムスタンプがあると読みやすくなります。
読んで書き出します。 短いテキストはチャットに、長いテキストはファイルで届きます。TXT、MD、DOCX、PDF、SRT、VTTのいずれかで保存します。

例：画面録画の文字起こし

[00:00] 話者 1: 画面を共有しますので、登録フォームを順に見ていきましょう。
[00:08] 話者 2: 二つ目のタブを開いて、住所の欄までスクロールしてください。

文字起こしのレイアウトを示すために当社で作成したサンプルテキストです。認識エンジンの出力ではなく、実際の録音でもありません。

Potokでできること
機能	詳細
利用場所	Telegram ボット @potok_now_bot。大きなファイルはボットのミニアプリから送れます
ファイルサイズ	最大 2 GB
書き出し形式	TXT、MD、DOCX、PDF、SRT、VTT
話者と時間	話者ラベルとタイムスタンプをオンにできます
対応言語	公開されている結果が良好な約30言語と、注意が必要な数言語
翻訳	文字起こしは他の言語に翻訳されません
音声入力	別途Potokのデスクトップアプリで、任意のプログラムに音声でテキストを入力できます。ロシア語の音声に対応しています

よくある間違いと対処法
間違い	起こること	対処法
容量を節約するために、送る前に動画を縮小する	強い再エンコードは音声を傷めることがあり、映像より話し声の方が損なわれます。	2 GB未満なら、元のMP4を送ってください。
音がミュートされた動画を送る	認識する話し声がないので、文字起こしは空になります。	先にファイルを再生して、声が聞こえることを確認してください。
画面共有を、誤った音声ソースで録画する	システム音だけが録音され、参加者の声が入りません。	録画する前に、マイクか通話音声をオンにしてください。
動画を確認せずに文字起こしを引用する	スライド上の名前や画面上の数字は音声に入っていないので、テキストでは補えません。	画面上の名前や数字は、動画から自分で補ってください。

いいえ。音声トラックをもとに処理するので、テキストに現れるのは話された言葉だけです。

2 GB未満であれば問題ありません。大きなファイルは、ボットのミニアプリのアップロードボタンから送ります。

TXT、MD、DOCX、PDF、SRT、VTTです。SRTとVTTは、時刻付きの字幕ファイルになります。

はい。ドキュメントとして送るとファイルがそのまま届き、動画として送る場合と同じようにうまくいきます。

「話者 1」「話者 2」のように話者を区別できます。実際の名前は分かりません。

各出典は、記載の日付に手作業で開いて確認しました。ページは変更されることがあるため、細部が重要な場合は出典をご確認ください。

音声メッセージ、音声、動画を Telegram の @potok_now_bot に送ると、チャットにテキストが返ってきます。