چگونه Translate Audio یک فایل ضبط‌شده را به گفتار ترجمه‌شده تبدیل می‌کند
قابلیت Translate Audio گفتار را تشخیص می‌دهد، آن را به یکی از 111 زبان ترجمه می‌کند و به‌صورت خودکار خلاصه می‌نویسد. صداگذاری با زدن روی دکمه پخش شروع می‌شود.
به‌روزرسانی‌شده در ۱۱ آبان ۱۴۰۵5 دقیقه مطالعه
از Translate Audio برای پیام‌های صوتی به زبانی که بلد نیستید، مصاحبه، سخنرانی یا هر فایل ضبط‌شده دیگری استفاده کنید. می‌توانید متن اصلی و ترجمه را کنار هم بخوانید و به ترجمه با صدای خود گوینده گوش دهید.
چه فایل‌هایی را می‌توانید بارگذاری کنید
قابلیت Translate Audio فایل‌های صوتی و ویدیویی را می‌پذیرد. از ویدیو فقط صدا استخراج می‌شود و این کار قبل از بارگذاری روی دستگاه شما انجام می‌گیرد.
| منبع | محدودیت | کجا |
|---|---|---|
| فایل از دستگاه شما (انتخاب) | تا 100 مگابایت | وب، iOS، Android |
| ضبط در برنامه (ضبط صدا) | بدون محدودیت زمانی، حداقل 1 ثانیه | وب، iOS، Android |
| لینک (جای‌گذاری لینک): YouTube، TikTok، Instagram، X، Facebook، Pinterest، لینک مستقیم فایل یا سایتی دیگر | تا 2 گیگابایت | وب، iOS، Android |
| پیام صوتی اشتراک‌گذاری‌شده از WhatsApp، Telegram یا برنامه‌ای دیگر | تا 100 مگابایت | فقط iOS و Android |
فرمت‌های صوتی پشتیبانی‌شده: MP3، M4A، AAC، WAV، FLAC، OGG، Opus، WebM، 3GP و MP4. نحوه ارسال پیام صوتی از پیام‌رسان‌ها در ارسال پیام صوتی از WhatsApp یا Telegram به VocaLingo توضیح داده شده است.
نحوه ترجمه یک فایل ضبط‌شده
ترجمه بلافاصله پس از انتخاب فایل به‌صورت خودکار شروع می‌شود. دکمه‌ای برای ترجمه وجود ندارد.
در تب ابزارها، ترجمه صوتی را باز کنید.
روی انتخاب، ضبط صدا یا جای‌گذاری لینک بزنید.
صبر کنید تا برنامه پیام‌های در حال تشخیص… و سپس در حال ترجمه… را نشان دهد. زبان فایل صوتی به‌طور خودکار شناسایی می‌شود.
در تب ترجمه، زبان بالای صفحه را بررسی کنید. اولین بار با زبان برنامه شما مطابقت دارد، بعد از آن برنامه آخرین انتخاب شما را به خاطر می‌سپارد. اگر زبان دیگری را انتخاب کنید، متن دوباره ترجمه می‌شود.
روی دکمه پخش در پلیر بزنید تا ترجمه را بشنوید.
آنچه دریافت می‌کنید و نحوه دسترسی به آن
نتیجه در سه تب تقسیم می‌شود و به‌طور خودکار در تاریخچه ذخیره می‌گردد.
متن اصلی: گفتار تشخیص‌داده‌شده. اگر کلمه‌ای اشتباه شنیده شده است، روی ویرایش بزنید، آن را اصلاح کنید تا ترجمه به‌طور خودکار به‌روزرسانی شود.
ترجمه: متن ترجمه‌شده همراه با یک پلیر. می‌توانید متن را ویرایش، کپی یا اشتراک‌گذاری کنید. دکمه اشتراک‌گذاری در پلیر، صداگذاری را به عنوان یک فایل صوتی ارسال می‌کند؛ در وب فایل را دانلود می‌کند.
خلاصه: خلاصه کوتاه، نکات کلیدی و بخش‌ها همراه با برچسب‌های زمانی.
در زیر ترجمه، بخش بعدش چی؟ گزینه‌های ضبط پاسخ، گفتگو در چت و پس از صداگذاری با صدای شبیه‌سازی‌شده، ذخیره صدا را پیشنهاد می‌دهد. نتایج قبلی از طریق آیکون تاریخچه در گوشه بالا سمت راست باز می‌شوند. بدون اشتراک Premium، فقط 3 مورد آخر نگه‌داری می‌شوند. Translate Audio اعلان ارسال نمی‌کند: نتیجه روی صفحه ظاهر می‌شود.
کدام صدا ترجمه را می‌خواند
صداگذاری تنها زمانی ایجاد می‌شود که روی دکمه پخش بزنید، و برنامه صدا را به این صورت انتخاب می‌کند مگر اینکه خودتان صدایی را در تنظیمات انتخاب کرده باشید.
انگلیسی، روسی، چینی، آلمانی، فرانسوی، اسپانیایی، ایتالیایی، ژاپنی، کره‌ای و پرتغالی: برنامه بلافاصله صدای گوینده را با Qwen 3 شبیه‌سازی می‌کند. مدت زمان ضبط باید حداقل 3 ثانیه باشد.
سایر زبان‌ها: برنامه می‌پرسد صدا شبیه‌سازی شود؟ و هزینه را نمایش می‌دهد. گزینه شبیه‌سازی صدا از MiniMax یا ElevenLabs Dubbing v2 استفاده می‌کند، هر کدام که برای این فایل به‌صرفه‌تر باشد. گزینه استفاده از صدای هوش مصنوعی ترجمه را با یک صدای استاندارد می‌خواند. اگر گزینه دیگر نپرس را علامت بزنید، برنامه پاسخ شما را به یاد می‌سپارد.
برای انتخاب دستی صدا، روی آیکون تنظیمات در گوشه بالا سمت راست بزنید و تب صداگذاری را باز کنید. تمام گزینه‌ها در تنظیمات Translate Audio توضیح داده شده‌اند. اگر صدا رباتیک، بیش از حد سریع یا متفاوت از صدای گوینده به نظر می‌رسد، به چرا صدای ترجمه‌شده رباتیک به نظر می‌رسد مراجعه کنید.
هزینه استفاده چقدر است
هزینه تشخیص، ترجمه و خلاصه پس از انتخاب فایل به‌طور خودکار کسر می‌شود. هزینه صداگذاری فقط در صورت زدن دکمه پخش کسر خواهد شد.
| مرحله | قیمت |
|---|---|
| تشخیص، ElevenLabs Scribe (پیش‌فرض) | حدود 0.7 توکن در هر دقیقه از فایل صوتی |
| ترجمه و خلاصه | کسری از یک توکن |
| صدای استاندارد، ElevenLabs | 10 توکن به ازای هر 1,000 کاراکتر ترجمه |
| صدای شبیه‌سازی‌شده، Qwen 3 | حدود 20 توکن به ازای هر 1,000 کاراکتر، حداقل 5 توکن |
| صدای شبیه‌سازی‌شده، MiniMax | 180 توکن برای شبیه‌سازی به علاوه 12 توکن به ازای هر 1,000 کاراکتر |
| ElevenLabs Dubbing v2 | 4.4 توکن در هر ثانیه از فایل ضبط‌شده |
قیمت تمام ابزارها در قیمت‌گذاری توکن برای هر ابزار آمده است.
محدودیت‌های Translate Audio
امکان انتخاب دستی زبان فایل ضبط‌شده وجود ندارد: همیشه به‌صورت خودکار تشخیص داده می‌شود.
امکان خروجی گرفتن به صورت SRT، TXT یا PDF وجود ندارد. به‌جای آن، متن را کپی کرده یا به اشتراک بگذارید.
تمام ترجمه توسط یک صدا خوانده می‌شود و از مکث‌های فایل اصلی پیروی نمی‌کند. فقط ElevenLabs Dubbing v2 صدای هر گوینده را به‌طور جداگانه پخش می‌کند و زمان‌بندی اصلی را حفظ می‌نماید.
تماس‌های تلفنی زنده یا تماس‌های پیام‌رسان‌ها قابل ترجمه نیستند، فقط فایل‌های ضبط‌شده امکان ترجمه دارند. به آیا VocaLingo می‌تواند تماس تلفنی یا تماس WhatsApp را ترجمه کند مراجعه کنید.
در نسخه وب امکان اشتراک‌گذاری از طریق پیام‌رسان‌ها وجود ندارد: پیام صوتی را به‌صورت یک فایل ذخیره کرده و روی انتخاب بزنید.
پرسش‌های متداول
آیا می‌توانم صدای خودم را به زبان دیگری ترجمه کنم؟
بله. روی ضبط صدا بزنید، صحبت کنید، در تب ترجمه زبان مقصد را مشخص کنید و دکمه پخش را بزنید. برای 10 زبان ذکرشده در بالا، ترجمه فوراً با شبیه‌سازی صدای خودتان خوانده می‌شود؛ برای سایر زبان‌ها، در پنجره بازشده گزینه شبیه‌سازی صدا را انتخاب کنید.
آیا می‌توانم به جای فایل صوتی، یک ویدیوی دوبله‌شده دریافت کنم؟
قابلیت Translate Audio فقط متن و صدا ارائه می‌دهد. برای ویدیویی با گفتار جدید، از Translate Video استفاده کنید.
تماس با پشتیبانی
مشکل را توضیح دهید تا از طریق ایمیل پاسخ دهیم. اگر نام فایل یا شناسه عملیات (job ID) دارید، آن را اضافه کنید.