Textnizer - คู่มือ

เริ่มต้นใช้งาน

เลือกโหมดใดโหมดหนึ่งจากสามโหมดในหน้าจอหลัก:

1. Live Transcription — การแปลงเสียงเป็นข้อความแบบเรียลไทม์จากไมโครโฟน
2. Capture Transcription — OCR จากภาพหน้าจอหรือกล้อง
3. File Transcription — การประมวลผลไฟล์เสียง วิดีโอ ภาพ หรือ PDF เป็นชุด

Live Transcription

การรู้จำเสียงแบบเรียลไทม์จากไมโครโฟนหรืออุปกรณ์อินพุตเสียง

เครื่องมือเสียง

ตัวเลือกการบันทึก

• การเลือกอุปกรณ์อินพุตเสียง
• Audio Format: MP3 หรือ WAV
• Audio Quality: low / medium / high
• Video Capture แบบเลือกได้ พร้อมพรีวิวกล้อง
• Speaker Classification แบบเลือกได้ (ระบุผู้พูดที่แตกต่างกัน)

Capture Transcription

ดึงข้อความจากภาพหน้าจอหรือภาพจากกล้องโดยใช้ OCR

• Camera capture — เลือกอุปกรณ์กล้อง ถ่ายภาพหนึ่งภาพ
• Full screen capture — จับภาพทั้งหน้าจอ
• Region selection — วาดสี่เหลี่ยมเพื่อจับภาพพื้นที่ที่ต้องการ
• Window capture — จับภาพหน้าต่างใดหน้าต่างหนึ่ง

เครื่องมือ OCR: Tesseract (ค่าเริ่มต้นเป็นภาษาญี่ปุ่น) ผลลัพธ์จะปรากฏข้างภาพที่จับมา

File Transcription

ประมวลผลไฟล์เป็นชุดด้วยการลากและวางหรือใช้เบราว์เซอร์ไฟล์

รูปแบบที่รองรับ

ประวัติชุดงาน

• ทุกครั้งที่ถอดความจะถูกบันทึกเป็นชุดงาน
• กรองตามคำสำคัญ ประเภท (Live/Capture/File) และสถานะ
• ดับเบิลคลิกเพื่อเปิดเซสชันก่อนหน้าอีกครั้ง
• คอลัมน์ที่จัดเรียงได้: ชื่อ ประเภท วิธีการ วันที่ สถานะ

การตั้งค่า

เคล็ดลับ

• การถอดความแบบออฟไลน์ — ใช้ Whisper หรือ Vosk เพื่อรู้จำเสียงแบบออฟไลน์อย่างสมบูรณ์
• บันทึกการประชุม — เปิด Speaker Classification เพื่อแยกแยะว่าใครพูดอะไร
• OCR เป็นชุด — วางทั้งโฟลเดอร์ของเอกสารสแกนเพื่อประมวลผลเป็นชุด
• การดึงข้อมูลจาก PDF — แต่ละหน้า PDF จะถูกแปลงเป็นภาพและทำ OCR ทีละหน้า

ความเป็นส่วนตัว

• เครื่องมือ Whisper และ Vosk ทำงานภายในอุปกรณ์ของคุณทั้งหมด
• Google Speech ส่งเสียงไปยังเซิร์ฟเวอร์ของ Google เพื่อทำการรู้จำ
• ผลการถอดความและการบันทึกทั้งหมดจะถูกเก็บไว้บนดิสก์ในเครื่องเท่านั้น
• ไม่มีการวิเคราะห์หรือติดตาม