Ses Kaydını Yazıya Çevirme: Hangi Yöntem Size Uygun?

Elinizdeki kaydın uzunluğu, kaç kişinin konuştuğu ve metni ne için kullanacağınız yöntemi belirler. İki dakikalık bir sesli notu telefonun kendi özelliğiyle ya da bir dikte aracına okuyarak yazıya dökebilirsiniz. Bir saatlik ders ya da üç kişinin konuştuğu bir toplantı için zaman damgalı ve konuşmacı etiketli metin veren bir transkripsiyon servisi gerekir. Türkçe kayıtlarda bir engel daha var: Telefonlardaki yerleşik özelliklerin bir kısmı Türkçeyi hiç desteklemiyor, bir kısmı da yalnızca kendi uygulamasıyla yapılmış kaydı yazıya döküyor. Yöntemlerin sınırları tabloda, nerede tıkandıkları altında.

Ses kaydını yazıya çevirmenin yolları

Tablodaki diğer ürünlerle ilgili bilgiler bu yazı yazılırken geçerliydi, yazılımlar güncellendikçe değişebilir. Kaynaklar ilgili bölümlerde.

Elle yazmak

Kayıt iki üç dakikaysa, içinde hassas bilgi varsa ve hiçbir servise yüklemek istemiyorsanız ya da mahkemeye verilecek kelimesi kelimesine bir döküm gerekiyorsa en güvenilir yol hâlâ kulaklık takıp yazmak. Oynatıcının hızını 0,75'e çekin, cümle cümle durdurun, özel adları ilk duyduğunuzda bir kenara not edin ki aynı adı on kez farklı yazmayın.

Sınır belli: Dinleyip yazmak kayıttan kat kat uzun sürer ve bir saatlik kayıtta dikkatiniz yarıda dağılır. Uzun kayıtlarda bu yöntemi tamamen bırakmak yerine tersine çevirin: Metni bir araca yazdırın, siz yalnızca düzeltin. Düzeltme, sıfırdan yazmaya göre çok daha az yorar.

Telefonun kendi özelliği

iPhone'daki Sesli Notlar uygulaması iOS 18'den beri, iPhone 12 ve sonrasında kaydı yazıya çeviriyor, ama Apple'ın listesindeki on dil İngilizce, İspanyolca, Portekizce, İtalyanca, Fransızca, Almanca, Japonca, Korece ile Basitleştirilmiş ve Geleneksel Çince. Türkçe yok, yani Türkçe kayıt için bu özellik kapalı. Apple'ın Sesli Notlar kılavuzu listeyi veriyor; Notlar uygulamasındaki ses dökümü için de durum aynı.

Google Pixel'deki Kayıt Cihazı uygulamasında Türkçe var, ama canlı değil. Kaydı bitirdikten sonra kaydın menüsündeki yeniden yazıya dökme seçeneğinden (İngilizce arayüzde "Transcribe again") Türkçeyi seçmeniz gerekiyor ve Google'ın destek sayfası bu işlemin sesi Google sunucularında işleyebileceğini söylüyor. Yani telefonun kendi özelliğini kullanmak, sesin her zaman cihazda kaldığı anlamına gelmez.

Samsung Ses Kaydedici'deki konuşmayı metne çevirme Galaxy AI'ın bir parçası; dil paketi olarak iniyor, cihaza ve bölgeye göre değişiyor, ağ bağlantısı ve Samsung hesabı istiyor. Samsung'un Transcript Assist sayfasında güncel liste var. Telefonunuzda Ayarlar içinden Ses Kaydedici'nin dil listesine bakmak en kestirmesi.

Bu üçünün ortak sınırı şu: Başka bir yerde kaydedilmiş bir dosyayı, örneğin WhatsApp'tan gelen sesi ya da bilgisayardaki bir MP3'ü bunlara veremezsiniz. Yalnızca kendi uygulamalarıyla yapılmış kaydı yazıya dökerler.

Ofis uygulamalarındaki dikte

Word'de Giriş sekmesindeki Dikte (Dictate) düğmesi ve Google Docs'ta Araçlar > Sesle yazma (Voice typing) mikrofonu dinler. Siz konuşursunuz, metin akar. Hazır bir kayıt için işe yaramazlar; kaydı hoparlörden çaldırıp mikrofona dinletmek yapılan ilk şey, sonuç da çoğunlukla okunmaz bir metin.

Türkçede ikisi farklı davranıyor. Google sesle yazma dilleri arasında Türkçeyi sayıyor. Türkçe yardım sayfası "nokta", "virgül", "yeni paragraf" gibi Türkçe noktalama komutlarını da listeliyor, ama aynı sayfa noktalamanın her dilde çalışmayabileceğini ve sesli komutların yalnızca İngilizce olduğunu da yazıyor. Kısa bir metinde deneyin. Komutlar çalışmazsa noktalama işaretlerini sonradan elle koyarsınız. Word'ün Dikte sayfasında Türkçe "önizleme dili" olarak geçiyor. Microsoft bu dillerde doğruluğun düşük, noktalama desteğinin sınırlı olabileceğini kendisi yazıyor. Word için Microsoft 365 aboneliği, Docs için Google hesabı gerekir.

Word'ün az bilinen ikinci özelliği hazır kayıt alır: Dikte açılır menüsündeki Döküm oluştur (İngilizce arayüzde Transcribe). Microsoft'un sayfasına göre .wav, .mp4, .m4a ve .mp3 yükleyebiliyorsunuz, Türkçe destekleniyor, konuşmacılar "Konuşmacı 1, Konuşmacı 2" diye ayrılıyor ve zaman damgası geliyor. Sınırlar: ayda 300 dakika yükleme, web'de yalnızca Edge ya da Chrome, masaüstünde yalnızca Windows ve iş ya da okul hesabı. Zaten Microsoft 365 aboneliğiniz varsa ve ayda birkaç toplantıdan fazlasını yazıya dökmeyecekseniz önce bunu deneyin.

ChatGPT gibi genel yapay zekâ araçları

ChatGPT'ye ses dosyası yükleyip "yazıya dök" diyebilirsiniz, ama OpenAI'ın dosya yükleme sayfasına göre ses yükleme yalnızca ücretli planlarda var, ücretsiz planda yok. Üst sınır 512 MB, video dosyaları reddediliyor, uzun kayıtlar parça parça işleniyor ve çok uzun olanlar zaman aşımına uğrayabiliyor. Aynı sayfa konuşmacı ayırmanın güvenilir olmayabileceğini ve önemli yerleri kayıtla karşılaştırmanız gerektiğini söylüyor.

Yine de ChatGPT'nin gerçekten işe yaradığı bir yer var: metin elinizde olduktan sonra onu toparlamak. Dağınık bir sesli notu paragrafa çevirmek, toplantıdan görev listesi çıkarmak ya da konuşma dilindeki "yani, şey, hani" kalıplarını temizlemek sohbet aracının işi. Hear2Text'in ücretli planındaki asistan da aynı işi transkriptin içinde yapar, ama ChatGPT'yi tercih ediyorsanız TXT çıktısını oraya yapıştırmak bir dakikanızı alır.

Transkripsiyon servisleri

Bu araçlar ses tanımanın yanında konuşmacıları da ayırır, bölümlere zaman damgası koyar, tarayıcıda düzenlemeye ve altyazı olarak dışa aktarmaya izin verir. Hear2Text'te dosya 500 MB'a, kayıt 18 saate kadar olabiliyor, dil 100 dil arasından otomatik algılanıyor, konuşmacı etiketleri her planda geliyor. Ücretsiz plan haftada 120 dakika veriyor, kredi kartı gerekmez. Dışa aktarma ücretsiz planda TXT, ücretli planda ayrıca PDF, Word, SRT ve VTT.

Bu araçlar da her şeyi yapmaz. Hear2Text müzik ve şarkı sözü çözmez, sesi temizlemez, kayıt sırasında canlı yazmaz, altyazıyı videonun üstüne gömmez. Konuşma kaydı için yapılmıştır.

Hangi yöntem hangi kayıt için uygun?

Kısa sesli notlar

Arabada kendinize bıraktığınız 90 saniyelik hatırlatma için telefon yeterli olabilir: Pixel'de "Yeniden yazıya dök", Samsung'da dil paketi inmişse yerleşik özellik. iPhone'da Türkçe için bu yol kapalı. Notu sesli nottan metne sayfasından yükleyin ya da Hear2Text'in iPhone uygulamasında doğrudan kaydedin. Haftalık 120 dakika, günde birkaç sesli notu rahatça karşılar.

Kısa notta iş, çıkan metni bir yere taşımakla biter. Düz TXT Notlar'a ya da bir e-postaya temiz yapışır; Word belgesi burada fazla gelir.

Bir saatlik toplantı ya da ders

Bir saatlik kayıtta dikte araçları devre dışı, telefon özellikleri de ya kayıt sırasında çalışıyor ya da Türkçeyi yarım destekliyor. Word'ün Döküm oluştur özelliği ayda 300 dakikayla haftada bir toplantıyı karşılar, ikinci dersi karşılamaz. Bir transkripsiyon servisinde ise kaydı yükleyip sekmeyi kapatırsınız; metin hazır olunca hesabınızda bekler.

Bu uzunlukta en çok zaman damgası işe yarar. Ders notu çıkarırken "hocanın formülü açıkladığı yer" diye hatırladığınız bölümü metinde bulup zaman damgasına tıklayarak o anı yeniden dinlersiniz. Bütün kaydı baştan dinlemezsiniz. Ders kayıtları için ders transkripsiyonu, toplantılar için toplantı transkripsiyonu sayfası aynı yolu izler.

Birden fazla kişinin konuştuğu kayıtlar

Röportaj, odak grup, üç kişilik toplantı: Burada "kim söyledi" sorusu metnin kendisi kadar önemli. Telefon özellikleri ve dikte araçları konuşmacıları ayırmaz, ChatGPT'nin konuşmacı ayırması OpenAI'ın kendi ifadesiyle güvenilir olmayabilir. Word'ün Döküm oluştur özelliği ve Hear2Text konuşmacıları ayırır.

Konuşmacı ayırmanın nasıl çalıştığını bilirseniz ne bekleyeceğinizi de bilirsiniz. Sistem sesleri isimle değil ses özellikleriyle ayırır, sonuç "Konuşmacı 1", "Konuşmacı 2" diye gelir. İnsanlar sırayla konuştuğunda iyi, birbirinin sözünü keserek konuştuğunda kötü çalışır. Yan yana oturan, sesleri benzeyen iki kişi tek konuşmacı sayılabilir; mikrofondan uzaklaşıp dönen tek kişi iki konuşmacıya bölünebilir. Hear2Text'te etiketler her planda görünür. Etiketlere ad vermek ve iki etiketi birleştirmek ücretli plana dâhil. Ayrıntılar konuşmacı tanıma sayfasında.

Kaydı Hear2Text'e yükleyip metni almak

Dosyayı yükleme

"Yeni transkripsiyon" ekranında üç sekme var: Dosya yükle, Ses kaydet ve URL yapıştır. Dosyayı sürükleyip bırakın ya da seçin; MP3, WAV, M4A, WEBM, MP4, MOV ve MKV kabul edilir, dosya başına üst sınır 500 MB. iPhone'daki Sesli Notlar'dan gelen M4A'yı dönüştürmeden olduğu gibi yükleyin. Yeniden kodlamak kaliteyi artırmaz, sadece vakit alır. Video yüklediğinizde yalnızca ses yazıya çevrilir.

URL sekmesi herkesin oturum açmadan izleyebildiği videolar için. Özel hesaplar, canlı yayınlar, Story'ler, abonelere özel videolar ve oynatma listeleri çalışmaz. Spotify bağlantıları DRM yüzünden reddedilir. Bir bağlantı, bir video.

Ücretsiz planda aynı anda bir kayıt işlenir; ikincisini yüklerseniz sırada bekler, on ders kaydını peş peşe yükleseniz de hepsi sırayla gelir. Ücretli planda birkaç kayıt aynı anda işlenir.

Dilin otomatik algılanması

"Transkripsiyon dili" alanında varsayılan olarak "Otomatik algıla" seçilidir; bu seçenek 100 dilden hangisi konuşuluyorsa onu bulur. Yine de kaydın dilini biliyorsanız listeden seçin, ekranda da yazdığı gibi dili seçmek doğruluğu artırır. Türkçe ve İngilizcenin karıştığı bir kayıtta ağırlıklı konuşulan dili seçin; araya giren kelimeler de çoğunlukla doğru gelir. İşlem sırasında ekranda "Konuşmacılar ayrılıyor" gibi adımları görürsünüz.

Metni kontrol edip indirme

Metin, her biri zaman damgalı ve konuşmacı etiketli bölümler hâlinde açılır. Bir bölüme tıklayınca ses o andan çalar. "Metni düzenle" ile satırı düzeltirsiniz, üstteki "Metinde ara" kutusu aynı hatayı on yerde bulmanızı sağlar. Düzeltirken işler karışırsa metni, konuşmacıları ve verdiğiniz adları ilk hâline döndürebilirsiniz, notlar korunur.

"Dışa aktar" penceresinde TXT her planda; Word, PDF, SRT ve VTT ücretli planda. "Konuşmacıları ekle" ve "Zaman damgalarını ekle" kutuları çıktıya ne gireceğini belirler. Zamanlamayı yalnızca SRT ve VTT taşıdığı için videoya altyazı yapacaksanız bu ikisinden birini seçin. Videoya altyazı ekleme yazısı oradan devam eder. Metni düzenlemek için Word, göndermek için PDF daha uygun.

Sonucu en çok etkileyen şey: ses kalitesi

Hangi aracı seçerseniz seçin, metnin kalitesini kayıt belirler. Çoğu kişi dosya formatına ve bit hızına bakar, oysa fark onlardan gelmez: 128 kbps'lik bir MP3 ile kayıpsız bir WAV arasındaki fark konuşma tanımada neredeyse görünmez. Fark yaratan şeyler şunlar:

1. Mikrofona uzaklık. Masanın bir ucunda duran telefon, yakınındaki konuşmacıyı net, öbür uçtakini boğuk alır. Toplantıda telefonu konuşmacıların arasına koyun; röportajda konuşan kişiye bir kol boyu mesafede tutun ve kaydı karşınızdakinin izniyle başlatın.
2. Yankı. Boş toplantı odası, sınıf, mutfak: Sert yüzeyler sesi kendi üstüne bindirir ve ünsüzler kaybolur. Perdesi ve halısı olan bir oda, boş ve sert yüzeyli bir odadan her zaman iyidir.
3. Üst üste konuşma. İki kişi aynı anda konuştuğunda ikisinin de sözü eksik çıkar ve konuşmacı etiketleri karışır. Toplantıda söz sırasına uymak, röportajda sorudan sonra bir saniye beklemek metni okunur kılar.
4. Konuşmanın altındaki müzik ve gürültü. Kafede çekilmiş röportaj, arabada rüzgârla kaydedilmiş not, podcastin alt müziği. Hear2Text sesi temizlemez, kayıt ne kadar gürültülüyse metin o kadar boşluklu olur. Yüksek müzik doğruluğu belirgin biçimde düşürür.
5. Cepte kalan telefon ve hoparlörden kayıt. Zoom toplantısını bilgisayarın hoparlöründen telefona kaydetmek yerine toplantının kendi kaydını alıp onu yükleyin.

Kötü bir kaydı sonradan "iyileştirmek" çoğu zaman işe yaramaz. Gürültü azaltma filtreleri konuşmayı da inceltir, tanıma daha da kötüleşir. Elinizdeki tek kayıt kötüyse olduğu gibi yükleyin, çıkan metni kaydı dinleyerek düzeltin; bir sonraki kayıtta mikrofonu yaklaştırın.

Yazıya çevrilen metin nasıl düzeltilir?

Otomatik metin hiçbir zaman hatasız gelmez; önemli olan hataların nerede yığıldığını bilmek. Türkçe konuşma kayıtlarında hatalar dört yerde toplanır: özel adlar ve terimler, sayılar, noktalama, bir de konuşmacı sınırları. Metni baştan sona okumak yerine bu dört yere bakmak düzeltmeyi kısaltır.

Özel adlar ve terimler

Ses tanıma modeli duyduğunu sözlükteki en yakın kelimeye çeker. "Kılınç" soyadı "kılıç" olur, bir ilaç adı benzer sesli sıradan bir kelimeye dönüşür, şirketinizin iç kısaltması üç ayrı biçimde yazılır. Bir örnek olsun:

Kayıttaki cümle: "Bu konuyu Sevinç Hanım'la, Argeda'daki ekiple konuşalım." Gelen metin: "Bu konuyu sevinçle, ar-ge'deki ekiple konuşalım."

Düzeltme yolu her yerde aynı: Bir kez bulduğunuz yanlış yazımı "Metinde ara" ile arayıp geçtiği bütün yerlerde düzeltin. Kaydı yüklemeden önce özel adların listesini elinizin altında bulundurmak da işe yarar. Röportajda ismi geçen her kişiyi bir kâğıda yazın, metin gelince önce onları arayın.

Sayılar ikinci yığın. "On beş bin" bazen rakamla, bazen yazıyla gelir, tarihler ve saatler ("üç buçukta") konuşma diline göre yazılır. Rapor ya da tutanak hazırlıyorsanız sayıları tek biçime çekmek düzeltmenin parçası. Noktalama üçüncüsü: Model cümle sonlarını iyi, uzun ve virgülsüz konuşmaları kötü böler. Bir nefeste söylenmiş üç cümle tek cümle olarak gelebilir.

Konuşmacı etiketlerini kontrol etme

Etiketleri satır satır değil, konuşmacının değiştiği yerlerde kontrol edin. O satırlara bakın; etiket doğru kişide başlıyor mu, bir satır önce ya da sonra mı değişmiş. Tek bir satır yanlış kişideyse "Konuşmacıyı değiştir" ile düzeltilir.

İki ayrı etiketin aynı kişiye ait olduğunu fark ederseniz (mikrofondan uzaklaşıp dönen kişi), ücretli planda "Tüm satırlarını … kişisine aktar" seçeneği ikisini tek etikette toplar. Aynı planda etiketlere isim verirsiniz ve bu isimler dışa aktarılan dosyada satır başlarına gelir. Ücretsiz planda etiketler "Konuşmacı 1, Konuşmacı 2" olarak kalır ve TXT çıktısına girmez. Metni düzeltmek için yine de yeterlidir, çünkü hangi satırın kime ait olduğunu ekranda görürsünüz.

Süre ve gizlilik: en çok sorulan iki soru