Videoyu Metne Çevirme: Hangi Videolar Olur, Hangileri Olmaz?

Bir videoyu metne çevirmek, o videoda konuşulanları yazıya dökmek demektir; araç görüntüye değil ses kanalına bakar. Bu yüzden ders kaydı, röportaj, webinar, toplantı kaydı ya da konuşmalı bir YouTube videosu düzgün bir metne dönüşürken müzik klibi, sessiz ekran kaydı ya da yalnızca yazı akan bir video ya boş ya da anlamsız bir metin verir. Hangi videodan metin çıkacağını baştan bilirseniz dakikanızı boşa harcamazsınız.

Videodan metin çıkarmanın iki yolu

Video ya bir sitede duruyordur ya da bilgisayarınızda. İlk durumda bağlantısını yapıştırırsınız, ikincisinde dosyayı yüklersiniz. İkisinin sonunda aynı şey çıkar: her bölümün başında zaman damgası ve konuşmacı etiketi olan, tarayıcıda düzenlenebilen bir metin. Fark, videonun sunucuya nasıl ulaştığında.

Bağlantı yapıştırmak

Video YouTube, Vimeo, TikTok, Instagram, Facebook, X, LinkedIn ya da Twitch'te herkese açık duruyorsa bilgisayarınıza hiçbir şey indirmezsiniz. Hear2Text'in "Yeni transkripsiyon" ekranında URL yapıştır sekmesine bağlantıyı yapıştırırsınız, sesi sunucu çeker. Videonun başlığı transkriptin adı olur, süre videodan okunur ve haftalık dakikanızdan o süre düşer.

Bu yolun bir koşulu var: Bağlantıyı tarayıcıda gizli pencerede açtığınızda video oynuyorsa alınır, oynamıyorsa alınamaz. Oturum açmadan izlenemeyen her şey ikinci gruba girer. Bir ayrıntı daha: Bir bağlantıdan tek video alınır. YouTube'da adresinde &list= geçen bir oynatma listesi bağlantısı yapıştırdığınızda daha ilk adımda "Oynatma listeleri desteklenmiyor" uyarısı çıkar. Listedeki videoları tek tek yapıştırmanız gerekir. Spotify bağlantıları da DRM yüzünden yapıştırma anında reddedilir.

YouTube ve Twitch'te videonun süresi indirilmeden önce okunur. Haftalık dakikanızın karşılamayacağı kadar uzun bir video daha bir bayt inmeden durur. Kayıt listede "Yetersiz bakiye" diye görünür ve sayfasında videonun kaç dakika istediğiyle kaç dakikanızın kaldığı yazar. Diğer sitelerde süre ancak ses indirildikten sonra ölçülür; dakikanız yetmiyorsa karar o zaman verilir, indirilen ses de hesabınıza yazılmaz.

Dosya yüklemek

Video telefonunuzda, bilgisayarınızda ya da bir bulut klasöründeyse Dosya yükle sekmesinden yüklersiniz. Yükleme ekranı MP3, WAV, M4A, WEBM, MP4, MOV ve MKV yazar. Dosya seçici tarayıcının ses ya da video olarak tanıdığı her dosyayı kabul eder, AVI dâhil. Üst sınır dosya başına 500 MB ve kayıt başına 18 saat. Google Drive ya da Dropbox'tan doğrudan içe aktarma yok, dosyayı önce indirip sonra yüklersiniz.

Yüklenen videonun yalnızca ses kanalı kullanılır. Görüntü hiçbir aşamada okunmaz, bu yüzden 4K bir video ile aynı sesin 96 kbps'lik M4A hâli aynı metni verir. Bu bilgi, 500 MB'ı aşan dosyalarda ve videonun yalnızca bir bölümünü metne çevirmek istediğinizde işe yarar. İkisi de aşağıda.

Bağlantıyla metne çevirme hangi videolarda çalışır?

Oturum açmadan herkesin izleyebildiği, tamamlanmış, tek bir video bağlantıdan alınır. Bu cümledeki her şart bir grup videoyu dışarıda bırakıyor.

Herkese açık videolar

YouTube'da gizlilik ayarı Herkese açık olan videolar alınır. Liste dışı videolar da alınır, çünkü YouTube'un kendi gizlilik ayarları sayfasına göre bağlantıya sahip herkes bunları Google hesabı olmadan izleyebilir. Aramada görünmemeleri indirilmelerine engel değil. Vimeo'da herkese açık videolar, TikTok ve Instagram'da herkese açık hesapların videoları ve Reels'leri, Facebook'ta "Herkese Açık" paylaşılan videolar, X'teki video gönderileri, LinkedIn'deki herkese açık video gönderileri ve Twitch'in herkese açık VOD'ları aynı gruba girer.

Bir canlı yayın bittikten sonra tekrarı herkese açık olarak kalıyorsa o da alınır, ama yayın bitip kayıt işlenene kadar beklemek gerekir. Yayın sürerken yapıştırılan bağlantı çalışmaz; bitmemiş bir yayının süresi ve dosyası yoktur.

Video alınsa bile sonuç içeriğine bağlıdır. Müzik ağırlıklı bir video, mesela klip, dans videosu ya da altında yüksek sesle müzik çalan bir vlog, herkese açık olduğu için indirilir, haftalık dakikanızdan düşer ve sonra şarkı sözleri yerine kopuk kelimeler ya da boş bölümler getirir. Hear2Text müzik çözmek için yapılmadı. Konuşmanın altındaki müzik ne kadar yüksekse metin o kadar boşluklu olur. Videoda konuşma olup olmadığından emin değilseniz bağlantıyı yapıştırmadan önce sesini açıp bir dakika dinleyin. Birinin konuştuğunu duymuyorsanız yazılacak bir şey de yoktur.

Gizli ve üyelik gerektiren videolar

Aşağıdakiler bağlantıdan alınmaz. Ortak noktaları, YouTube'un ya da ilgili sitenin bu videoları oturum açmamış birine göstermemesi; sunucu da oturum açmamış biri gibi davranır.

• Gizli (Private) YouTube videoları. YouTube'a göre yalnızca sahibi ve e-postayla davet ettiği kişiler izleyebilir. Videonun sahibi siz olsanız da bağlantıdan alınmaz; dosyayı yükleyin.
• Üyelere özel videolar. Kanal üyeliği, YouTube'un kendi tanımıyla aylık ödeme karşılığında verilen bir ayrıcalık; üyeler için açılmış video ve canlı yayınlar başkasına görünmez. Siz üye olsanız bile sunucu üye değildir.
• Yaş kısıtlamalı videolar. YouTube'un yaş kısıtlaması sayfası bu videoların oturumunu kapatmış kullanıcılara gösterilmediğini yazıyor; oturum açmadan izlenemeyen her video gibi bunlar da bağlantıdan gelmez.
• Instagram'da gizli hesapların gönderileri, Hikayeler ve "Yakın Arkadaşlar"a özel paylaşımlar. Hikaye 24 saat sonra zaten kalkar; kalıcı bir ses istiyorsanız telefonda ekran kaydı alıp dosya olarak yükleyin.
• TikTok'ta "Yalnızca ben" ya da "Arkadaşlar" olarak paylaşılmış videolar.
• Facebook'ta yalnızca arkadaşlara açık videolar ve kapalı grup paylaşımları.
• Twitch'te abonelere özel VOD'lar ve devam eden yayınlar.
• Zoom, Teams ve Google Drive gibi servislerin paylaşım bağlantıları. Bunlar video sitesi değil dosya paylaşımıdır; kaydı indirip dosya olarak yükleyin.
• Şirket içi eğitim platformları, üniversitenin ders sistemi, Udemy gibi ücretli kurs siteleri. Giriş isteyen her şey buraya girer.

Bu bağlantılardan birini yapıştırdığınızda o anda bir uyarı almazsınız. Adres biçimi geçerli olduğu için kabul edilir ve kayıt listede "İndiriliyor" diye görünür. Sunucu videoyu indirmeyi dener, indiremeyince giderek uzayan aralıklarla iki kez daha dener. Üçüncü denemeden sonra kayıt "Başarısız" olur ve sayfasında "İşlem başarısız oldu" yazar. Telefon uygulamasını kullanıyorsanız "Kaydınız yazıya dökülemedi" bildirimi gelir. Bu birkaç dakika sürer, haftalık dakikanızdan ise bir şey düşmez, çünkü süre ancak ses indikten sonra hesaba yazılır. Sayfadaki "Tekrar deneyin" düğmesi aynı yere varır; video ikinci turda da oturum ister. Erişiminiz olan ama herkese açık olmayan her video için yol aynı: Dosyayı indirin ya da kaydedin, dosya olarak yükleyin. YouTube'un kendi transkript panelinin ne zaman yettiğini YouTube transkripti yazısında anlattık; bağlantıyla ilgili sık sorulanlar YouTube'dan metne sayfasında da var.

Başkasının videosunu metne çevirirken bir de hak meselesi var. Kendi notunuz için metin çıkarmak ile o metni bir yerde yayımlamak aynı şey değil; yayımlayacaksanız sahibinden izin alın. Bir toplantı ya da ders kaydını yüklüyorsanız kaydedilenlerin kayıttan haberi olduğundan emin olun.

Video dosyasını yükleme ve metni alma

Dosya yolunda ilk engel genellikle boyuttur. Telefon kamerası görüntüyü sesten çok daha büyük yazar: iPhone'un Ayarlar > Kamera > Video Kaydet ekranı her çözünürlük için dakikada kaç MB tutacağını yazar ve 4K'da bu rakam yüzlerce MB'a çıkar, yani 500 MB sınırı birkaç dakikalık bir çekimde dolar. Sesin kendisi ise küçüktür: 128 kbps'lik bir ses kanalı saatte yaklaşık 58 MB yer tutar. Bir saatlik dersin videosu sınırı aşıyorsa videoyu küçültmek yerine sesini ayırın.

Bunun en güvenilir aracı ffmpeg. Mac'te Homebrew ile brew install ffmpeg, Windows'ta winget install Gyan.FFmpeg komutuyla kurulur. MP4 ya da MOV dosyasındaki ses çoğunlukla AAC olduğundan yeniden kodlamaya gerek kalmaz. Ses kanalı olduğu gibi kopyalanır ve işlem videoyu yeniden sıkıştırmaktan çok daha kısa sürer:

ffmpeg -i ders.mp4 -vn -c:a copy ders.m4a

-vn görüntüyü atar, -c:a copy sesi olduğu gibi kopyalar. MKV ya da WEBM dosyasında ses farklı bir kodekle olabilir; o zaman -c:a copy yerine -c:a aac -b:a 96k yazın, çıktı yine .m4a olsun. Konuşma için 96 kbps yeterli. Daha yüksek bit hızı metni iyileştirmez, yalnızca dosyayı büyütür.

Videonun tamamını yüklemeniz de gerekmez. Hear2Text'te yükledikten sonra kırpma yok, ama yüklemeden önce yalnızca işinize yarayan bölümü kesebilirsiniz ve haftalık dakika kaydın uzunluğuna göre düşer: İki saatlik bir panelin 13 dakikalık soru-cevap kısmını keserseniz 13 dakika harcarsınız. Aynı komutla kesmek için başlangıç ve bitişi verin:

ffmpeg -ss 00:47:00 -to 01:00:00 -i panel.mp4 -vn -c:a copy soru-cevap.m4a

Komut satırıyla uğraşmak istemiyorsanız herhangi bir video dönüştürücünün "yalnızca ses" ya da "MP3/M4A olarak dışa aktar" seçeneği aynı işi görür; sonuçta elinizde bir ses dosyası olması yeter. Ses dosyasını da aynı yükleme ekranından, video gibi yüklersiniz. MP4'ten metne sayfası video yolunu, ses kaydını yazıya çevirme yazısı ses kalitesinin metne etkisini anlatıyor.

Yüklemeden önce iki şeye daha bakın. Birincisi videoda bir ses kanalı olup olmadığı: Mikrofon izni verilmeden alınmış bir ekran kaydı, sessiz çekilmiş bir ürün videosu ya da animasyon dışa aktarılırken sesi kapatılmış bir dosya görüntü olarak açılır ama içinde ses kanalı yoktur. Böyle bir dosya işlenemez. Bağlantıdan verilen sessiz bir video da yukarıdaki "Başarısız" durumuna düşer, ekranda nedeni yazmaz. İkincisi ses kanalı olup içinde konuşma olmaması: Ses kanalı var ama yalnızca oda uğultusu ya da müzik varsa kayıt işlenir, dakikadan düşer ve ya boş ya da uydurma satırlarla biter. Konuşma tanıma modelleri sessizliğe karşılık boş bırakmak yerine eğitim verisinden ezberledikleri kalıpları yazar. Türkçe kayıtlarda bunun en bilineni, sessiz bölümlerde beliren "Altyazı M.K." satırıdır. Hear2Text yarım dakikadan kısa ve baştan sona bundan ibaret kayıtları metin saymaz, "Bu kayıtta konuşma yok" der ve dakika almaz; uzun bir kaydın ortasındaki sessizlikte böyle bir satır görürseniz silin.

Yükleme bittikten sonra sıra şöyle ilerler: "Transkripsiyon dili" alanı Otomatik algıla seçili gelir ve 100 dil arasından konuşulanı bulur. Dili biliyorsanız listeden seçmek sonucu iyileştirir. Ücretsiz planda aynı anda bir kayıt işlenir, arkasından yüklediğiniz sıraya girer; ücretli planda beş kayıt aynı anda işlenir. Metin geldiğinde her bölümün başında zaman damgası ve Konuşmacı 1, Konuşmacı 2 biçiminde etiketler bulunur. Bir satıra tıkladığınızda ses o andan çalar, yanlış kelimeyi yerinde düzeltirsiniz. Düzeltme en çok özel adlarda, kısaltmalarda ve sayılarda gerekir. Ücretsiz planda metni TXT olarak indirirsiniz; Word, PDF, SRT ve VTT ücretli planda. Amacınız altyazıysa zaman bilgisini taşıyan SRT ya da VTT'yi seçin. Dosyayı videoya nasıl ekleyeceğiniz videoya altyazı ekleme yazısında. Hear2Text altyazıyı görüntüye gömmez, hazır bir SRT'yi de girdi olarak almaz.

Hangi videodan ne çıkacağını tek tabloda toplarsak:

Görüntüdeki yazı metne geçer mi?

Geçmez. Hear2Text görüntüyü hiç okumaz; slayttaki başlık, alt bantta akan isim, görüntüye gömülmüş altyazı, bir ekran kaydında terminalde yazılan komut ya da tahtaya yazılan formül metne girmez. Yazı yalnızca biri onu sesli okuduysa, o da okunduğu kadarıyla gelir. "Videodan metin çıkarma" diye arayanların bir kısmı tam da ekrandaki yazıyı arıyor, o yüzden ayrıca söylemek gerekiyor.

En sık karışan durum, İngilizce konuşulan ve Türkçe altyazısı görüntüye gömülmüş bir video. Ses İngilizce olduğu için metin de İngilizce gelir. Gömülü Türkçe altyazı görüntünün parçasıdır ve okunmaz. Türkçesini istiyorsanız İngilizce metni çıkarıp çevirtirsiniz. Bu yolu İngilizce videoyu Türkçeye çevirme yazısı anlatıyor ve çeviri ücretli planlarda. Seslendirmeli slayt sunumunda konuşmacının söyledikleri gelir, slayttaki maddeler gelmez. Sunumun dosyasını konuşmacıdan istemek, slaytları metinden çıkarmaya çalışmaktan kolaydır. Yazı akan, müzikli tanıtım videolarından ise hiçbir şey gelmez, çünkü ne konuşma vardır ne okunan görüntü.

Görüntüdeki yazıyı almanın yolu ayrı bir araçtır, optik karakter tanıma. Birkaç kare için ekran görüntüsü yeter: iPhone'da Canlı Metin ekran görüntüsündeki yazıyı seçip kopyalamanızı sağlar, Android'de Google Lens aynı işi yapar. Daha uzun bir belge için ekran görüntüsünü Google Drive'a yükleyip dosyaya sağ tıklayarak Birlikte aç > Google Dokümanlar seçtiğinizde Drive yazıyı tanıyıp düzenlenebilir bir belge açar. Google'ın kendi sayfasına göre dosya en fazla 2 MB olmalı, yazı en az 10 piksel yüksekliğinde olmalı ve tablo, sütun gibi düzenler büyük olasılıkla korunmaz. Yüzlerce kare yazı içeren bir video için, örneğin dersin tamamı tahtadan okunacaksa, bu yöntemler yetmez; videoyu kare kare tarayan ayrı bir OCR aracı gerekir ve bu yazının konusu dışındadır.

Konuşma ile yazının ikisi de gerekliyse işi ikiye bölün: Sesi Hear2Text'e verip konuşmanın metnini alın, slaytları ya da ekrandaki yazıyı ayrı bir OCR aracından çıkarın, ikisini zaman damgasına göre yan yana koyun. Konuşma metnindeki damgalar hangi slaytın hangi dakikada anlatıldığını bulmayı kolaylaştırır; birini diğerinden üretmeye çalışmak ise iki yarım metin bırakır.