فایل صوتی جلسه، کلاس، مصاحبه یا ویس تلگرام را بدهید تا متن کامل گفته‌ها را بگیرید؛ به دلخواه با زمان هر جمله، با جدا کردن گوینده‌ها یا به شکل فایل زیرنویس SRT.
هر دقیقه صدا با Nemotron 3.5 ASR Streaming Multilingual 0.6B: ≈ ۹۰ سکه (با قیمت امروز)
فایل را بارگذاری کنید و زبانش را «فارسی» بگذارید تا متن کامل گفته‌ها را بگیرید. قالب خروجی را خودتان انتخاب می‌کنید: متن ساده، متن با زمان‌بندی، یا فایل زیرنویس SRT و VTT.
کار برعکس هم در گیسو هست: متن را بنویسید و با صدایی طبیعی فایل صوتی بگیرید، برای نریشن ویدیو، پیام تلفن گویا یا پادکست.
پیام صوتی را از تلگرام یا واتساپ ذخیره کنید و همین‌جا بارگذاری کنید؛ فایلهای OGG، MP3، M4A و WAV پذیرفته میشوند.
با Gemini 3.5 Transcribe هر جمله با برچسب گوینده‌اش می‌آید، تا ۸ نفر؛ برای صورتجلسه و پیاده‌سازی مصاحبه.
صدای ویدیو را بدهید و فایل زیرنویس با زمان هر جمله بگیرید تا در ویرایشگر ویدیو بارگذاری کنید.
زبان فایل را خودتان تعیین کنید، مثلاً فارسی، انگلیسی، عربی یا ترکی، یا بگذارید خودش تشخیص بدهد. تعیین زبان دقت و سرعت را بالا می‌برد.
ضبط جلسه یا کلاس را به متن تبدیل کنید و بعد در گفت‌وگو از گیسو بخواهید خلاصه‌اش کند یا کارهای بعدی را فهرست کند.
در چت، دکمهٔ میکروفون تا ۵ دقیقه حرف شما را به متن تبدیل میکند و در جعبهٔ پیام می‌گذارد.
پیش از شروع بدانید: کیفیت ضبط در نتیجه اثر دارد: صدای پس‌زمینه، چند نفر که هم‌زمان حرف می‌زنند و میکروفونِ دور از گوینده متن را نادقیق‌تر میکند. متن مهم را پیش از استفاده یک بار بازخوانی کنید.
در «قالب خروجی» گزینهٔ SRT یا VTT را بزنید تا به‌جای متن یک‌تکه، فایل زیرنویس با زمان شروع و پایان هر جمله بگیرید. فایل SRT را در بیشتر ویرایشگرهای ویدیو و پخش‌کننده‌ها بارگذاری می‌کنید.
عددهای این جدول برای هر دقیقه صداست. مدل‌هایی که برحسب مدت صوت و حجم متن حساب میشوند، قیمتشان را در صفحهٔ همان مدل می‌بینید.
عددها با قیمت امروز حساب شده‌اند و برآوردند؛ مبلغ دقیق هر کار بعد از انجامش در پنل نوشته می‌شود. تعرفهٔ همهٔ ابزارها · کتابخانهٔ ۶۶۴ مدل
صفحهٔ هر مدل قیمت دقیقش، توانایی‌هایش و نمونه‌کد وب‌سرویس را دارد.
کد پیامکی را وارد می‌کنید و حسابتان ساخته می‌شود. حساب نِت اَرز دارید؟ با همان وارد می‌شوید.
از ۵۰٬۰۰۰ سکه؛ پرداخت و صورتحساب از طرف نِت اَرز است.
در «تولید محتوا» بخش «گفتار به متن» را باز کنید، فایل را بدهید، زبان و قالب خروجی را انتخاب کنید و دکمهٔ ساخت را بزنید.
یک یادداشت صوتی فارسی را به متن تبدیل می‌کنیم. متن فیلم خروجی واقعی Gemini 3.5 Transcribe است و دستی اصلاح نشده؛ پیش از فرستادن یک بار آن را بخوانید، چون مدل ممکن است واژه‌ای را اشتباه بشنود.
بله. پیام صوتی را از تلگرام یا واتساپ ذخیره کنید و فایلش را بارگذاری کنید؛ فایلهای OGG، MP3، M4A و WAV تا ۲۵ مگابایت پذیرفته میشوند.
برحسب دقیقهٔ صدا. امروز هر دقیقه با Nemotron 3.5 ASR Streaming Multilingual 0.6B حدود ۹۰ سکه است و قیمت بقیهٔ مدل‌ها در جدول همین صفحه آمده است.
بله، با Gemini 3.5 Transcribe و Whisper. در «قالب خروجی» گزینهٔ SRT یا VTT را انتخاب کنید تا فایل زیرنویس با زمان هر جمله بگیرید. چسباندن زیرنویس روی خود ویدیو جزو این ابزار نیست.
به کیفیت ضبط بستگی دارد. صدای واضح یک گوینده معمولاً خوب درمی‌آید؛ صدای شلوغ، چند نفر هم‌زمان یا میکروفون دور خطا را بیشتر میکند. اگر زبان فایل را «فارسی» تعیین کنید، نتیجه دقیق‌تر و سریع‌تر می‌شود.
هر فایل تا ۲۵ مگابایت. فایل بزرگتر را چند تکه کنید یا با کیفیت کمتری ذخیره کنید تا حجمش پایین بیاید.
با شمارهٔ موبایل وارد شوید، اعتبار بخرید و به‌اندازهٔ مصرف بپردازید. اشتراک ماهانه در کار نیست و پرداخت و صورتحساب از طرف نِت اَرز است.
گیسو را روی گوشی نصب کنید
مثل یک برنامه، با یک لمس از صفحهٔ اصلی باز می‌شود؛ بدون فروشگاه برنامه.
در Safari دکمهٔ «اشتراکگذاری» را بزنید و «Add to Home Screen» را انتخاب کنید.
