निजी तौर पर MP4 वीडियो को टेक्स्ट में कैसे बदलें

लेखक: Hushscript | प्रकाशित: 1 मई 2026 | अंतिम समीक्षा: 22 जुलाई 2026

एक अपलोड-प्रथम वीडियो वर्कफ़्लो संपूर्ण MP4 भेज सकता है, भले ही वाक् पहचान के लिए केवल इसके ऑडियो ट्रैक की आवश्यकता हो। रिज़ॉल्यूशन, कोडेक और बिटरेट के आधार पर, एक लंबी रिकॉर्डिंग कई गीगाबाइट हो सकती है। Hushscript उस स्थानांतरण से बचता है: ब्राउज़र पहले ऑडियो तैयार करता है, और स्रोत वीडियो आपके डिवाइस पर रहता है।

Hushscript एक अलग रास्ता अपनाता है। अपलोड शुरू होने से पहले आपका ब्राउज़र वीडियो से ऑडियो निकालता है, ताकि मूल MP4 आपके डिवाइस पर बना रहे। केवल ऑडियो को प्रतिलेखित किया जाता है, और जैसे ही आपकी प्रतिलेख तैयार हो जाता है उसे हटा दिया जाता है। यह मार्गदर्शिका पूरी प्रक्रिया के बारे में बताती है: चरण, रिकॉर्ड किए गए वेबिनार पर एक उदाहरण, SRT उपशीर्षक कैसे निकालें, अन्य वीडियो प्रारूप जो उसी तरह काम करते हैं, और कुछ गलत होने पर क्या करना है।

आपके वीडियो को अपलोड क्यों नहीं करना चाहिए

वीडियो ट्रैक ट्रांसक्रिप्शन के लिए अप्रासंगिक है। वाक् इंजन को केवल ऑडियो की आवश्यकता होती है। तस्वीर अपलोड करना शुद्ध बर्बादी है: नेटवर्क समय, सर्वर स्टोरेज, और एक गोपनीयता पदचिह्न जिसकी आपको आवश्यकता नहीं है।

इन-ब्राउज़र निष्कर्षण कैसे काम करता है, सरल भाषा में

MP4 एक कंटेनर है। इसके अंदर अलग-अलग धाराएँ हैं: वीडियो (चित्र), ऑडियो (ध्वनि), और कुछ मेटाडेटा - एक संरचना जिसे MDN के वीडियो-प्रोसेसिंग गाइड में समझाया गया है। ट्रांसक्रिप्शन के लिए केवल ऑडियो स्ट्रीम की आवश्यकता होती है।

Hushscript सीधे पेज पर एक छोटा ब्राउज़र-नेटिव मीडिया टूलकिट चलाता है। जब आप अपना MP4 छोड़ते हैं, तो वह टूलकिट स्थानीय रूप से कंटेनर को खोलता है, ऑडियो स्ट्रीम को कॉपी करता है, और उस ऑडियो को अपलोड करने के लिए सौंप देता है, बिना पेज के वीडियो को कहीं भी भेजे। कार्य उसी स्थान पर होता है जहां वीडियो चलता है: आपकी अपनी मशीन पर।

तो व्यावहारिक परिणाम यह है:

• MP4 फ़ाइल आपके डिवाइस को कभी नहीं छोड़ती है। तस्वीर आपके पास रहती है।
• अपलोड का आकार ऑडियो का आकार होता है, वीडियो का नहीं, आमतौर पर 10-20x छोटा होता है।
• सर्वर और इसके पीछे के भाषण इंजन की कभी भी आपके वीडियो सामग्री तक पहुंच नहीं होती है।

यह बैठकों, रिकॉर्ड किए गए साक्षात्कारों, कानूनी बयानों और ऐसी किसी भी चीज़ के लिए मायने रखता है जहां फुटेज ही है संवेदनशील. यह तब भी मायने रखता है जब आप मल्टी-गीगाबाइट फ़ाइल के साथ धीमे कनेक्शन पर हों: पहले ऑडियो निकालने से आधे घंटे का अपलोड कुछ मिनटों में हो जाता है।

आपको क्या चाहिए

तीन चीजें, और इंस्टॉल करने के लिए कुछ भी नहीं:

• बोले गए ऑडियो के साथ एक MP4। एक रिकॉर्ड की गई मीटिंग, वेबिनार, साक्षात्कार, व्याख्यान, या बातचीत-प्रधान वीडियो: कुछ भी जहां लोग बोल रहे हों। एक मूक क्लिप या केवल संगीत वाले वीडियो में लिखने के लिए कुछ भी नहीं है।
• एक वर्तमान ब्राउज़र। Chrome, Edge, Firefox, या Safari, यथोचित रूप से अद्यतित। ऑडियो निष्कर्षण ब्राउज़र में चलता है, इसलिए एक पुराना या स्ट्रिप्ड-डाउन ब्राउज़र इसका समर्थन नहीं कर सकता है।
• एक Hushscript खाता। यदि आप अपने देश में उपलब्ध किसी अन्य भुगतान विधि का उपयोग करते हैं, तो आपको $1 कार्ड की जांच के बाद 30 निःशुल्क मिनट मिलते हैं (होल्ड अधिकृत है, फिर तुरंत जारी किया जाता है, कोई शुल्क नहीं लिया जाता है), या अपनी पहली खरीदारी के साथ। कार्ड की आवश्यकता नहीं है; यह मुफ़्त मिनटों का सबसे तेज़ मार्ग है। उसके बाद यह बिना किसी सदस्यता के भुगतान-जैसा-आप-जाना है। लागत मूल्य निर्धारण पृष्ठ पर हैं।

आपको एक अलग ऑडियो एक्सट्रैक्टर, कनवर्टर या किसी वीडियो सॉफ़्टवेयर की आवश्यकता नहीं है। MP4 को छोड़ना ही संपूर्ण इनपुट है।

MP4 को तीन चरणों में परिवर्तित करें

1. अपने MP4 को /MP4-to-text पेज पर छोड़ें। आपका ब्राउज़र ऑडियो ट्रैक निकालता है और केवल ऑडियो अपलोड करता है, इसलिए वीडियो आपके डिवाइस पर ही रहता है। पहले 30 सेकंड वक्ता-लेबल पूर्वावलोकन के रूप में वापस आते हैं, किसी खाते की आवश्यकता नहीं है।
2. बाकी को ट्रांसक्राइब करने के लिए साइन अप करें। खाता बनाने के लिए अपना ईमेल दर्ज करें। अब यहां? एक बार जब आप किसी भुगतान विधि को सत्यापित कर लेते हैं तो पहले 30 मिनट हमारे पास होते हैं, या तो $1 कार्ड होल्ड (अधिकृत, फिर तुरंत जारी किया जाता है, कभी चार्ज नहीं किया जाता है) या यदि आप किसी अन्य तरीके से भुगतान करते हैं तो आपका पहला मिनट पैक। किसी कार्ड की आवश्यकता नहीं है. प्रतिलेखन को ऑडियो अवधि के अनुसार बिल किया जाता है, न कि फ़ाइल आकार के अनुसार।
3. प्रतिलेख निर्यात करें। एक बार यह तैयार हो जाए, तो इसे 21 प्रारूपों में से किसी एक में डाउनलोड करें (कैप्शन के लिए TXT, SRT और VTT, दस्तावेज़ों के लिए DOCX और PDF, डेटा के लिए JSON और CSV, अन्य के अलावा) और एक पासवर्ड-सुरक्षित .husharchive। वक्ता लेबल निःशुल्क शामिल हैं।

प्रतिलेख वितरित होने पर ऑडियो विलोपन स्वचालित रूप से होता है। याद रखने के लिए कोई सफाई कदम नहीं है।

“ऑडियो अवधि के विरुद्ध बिल” का क्या मतलब है

1080p पर एक घंटे का MP4 6 जीबी हो सकता है। इससे निकाला गया ऑडियो (आमतौर पर 128-256 केबीपीएस पर AAC) लगभग 60-120 एमबी है। यही अपलोड होता है, और मिनट की लागत एक घंटे के ऑडियो पर आधारित होती है, न कि 6 जीबी फ़ाइल पर।

नतीजा: आप एक फील्ड रिकॉर्डर से दो घंटे की 4K डॉक्यूमेंट्री को ट्रांसक्राइब कर सकते हैं और एक छोटे MP3 के समान मिनट की लागत का भुगतान कर सकते हैं, क्योंकि दोनों में समान मात्रा में ऑडियो होता है। रिज़ॉल्यूशन, बिटरेट और फ़ाइल का आकार आपसे लिए गए शुल्क के लिए पूरी तरह से अप्रासंगिक है।

एक काम किया हुआ उदाहरण: एक रिकॉर्ड किया गया वेबिनार

मान लें कि आपने दो प्रस्तुतकर्ताओं के साथ 52 मिनट का वेबिनार चलाया और इसे एक ही MP4 में रिकॉर्ड किया:q3-product-webinar.mp4, लगभग 3.4 जीबी 1080p. आप रीकैप ईमेल के लिए एक साफ प्रतिलेख चाहते हैं, साथ ही रीप्ले में संलग्न करने के लिए उपशीर्षक भी चाहते हैं।

यहां बताया गया है कि यह वास्तव में कैसे चलता है:

1. आप /MP4-to-text खोलें और q3-product-webinar.mp4 ड्रॉप करें। पेज स्थानीय रूप से ऑडियो निकालता है, जिससे 3.4 जीबी वीडियो लगभग 70 एमबी ऑडियो बन जाता है। केवल वे 70 एमबी अपलोड।
2. पहले 30 सेकंड लेबल करके वापस आते हैं, ताकि आप पूरे 52 मिनट लिखने से पहले ऑडियो गुणवत्ता की जांच कर सकें।
3. जब पूर्ण प्रतिलेख तैयार हो जाता है, तो इसेवक्ता A यावक्ता B टैग किए गए उच्चारणों में विभाजित किया जाता है। आप वक्ता A पर क्लिक करें, “प्रिया” टाइप करें,वक्ता B पर क्लिक करें, “मार्कस” टाइप करें और दोनों को एक साथ हर जगह पुनः लेबल करें।
4. आप रीकैप ईमेल के लिए TXT और रीप्ले के कैप्शन ट्रैक के लिए SRT निर्यात करते हैं। वेबिनार का मूल MP4 आपके लैपटॉप को कभी नहीं छोड़ता है, और ऑडियो पहले ही सर्वर से हटा दिया गया है।

वह हिस्सा जो लोगों को पहली बार आश्चर्यचकित करता है वह चरण 1 है: एक मल्टी-गीगाबाइट अपलोड जो बस नहीं होता है। तस्वीर आपके साथ रहती है; केवल शब्द यात्रा करते हैं।

बहु-व्यक्ति वीडियो के लिए वक्ता लेबल

प्रत्येक ट्रांसक्रिप्ट में बिना किसी अतिरिक्त शुल्क के स्वचालित वक्ता डायराइज़ेशन शामिल है। एक साक्षात्कार, एक पैनल, या एक मीटिंग रिकॉर्डिंग के लिए, प्रत्येक वक्ता कोवक्ता A,वक्ता B, इत्यादि लेबल किया जाता है, और आप लेबल पर क्लिक करके और टाइप करके संपादक में उन्हें वास्तविक नामों में बदल सकते हैं।

स्वच्छ पृथक्करण के साथ डायराइजेशन सबसे अच्छा काम करता है। एक शांत कमरे में कैमरा ऑडियो, या प्रति-प्रतिभागी ट्रैक के साथ रिकॉर्ड किया गया वीडियो कॉल, इंजन को काम करने के लिए सबसे अच्छा मौका देता है। एक भीड़-भाड़ वाला कमरा जहां लोग एक-दूसरे के बारे में बात कर रहे हों, किसी भी डायराइजेशन इंजन के लिए कठिन होता है। क्या मदद मिलती है, इसके लिए नीचे समस्या निवारण अनुभाग देखें।

वीडियो से उपशीर्षक (SRT / VTT) प्राप्त करें

यदि आप वीडियो को ट्रांसक्रिप्ट करने का कारण कैप्शन हैं, तो ट्रांसक्रिप्ट को SRT के रूप में निर्यात करें। प्रत्येक कथन एक प्रारंभ और अंत टाइमस्टैम्प के साथ आता है, जो SRT विनिर्देश के अनुसार स्वरूपित होता है:

1
00:00:04,210 --> 00:00:07,880
वक्ता A: आज हमसे जुड़ने के लिए धन्यवाद।

2
00:00:08,100 --> 00:00:12,340
वक्ता B: यहां आकर खुशी हुई।

SRT को एक डेस्कटॉप प्लेयर में साइडलोड करें (वीएलसी, क्विकटाइम, और अधिकांश संपादक इसे स्वीकार करते हैं), या अपलोड करें यह एक प्लेटफ़ॉर्म पर एक कैप्शन ट्रैक के रूप में है जो एक का समर्थन करता है। Hushscript SRT निर्यात वक्ता लेबल रखता है, जो बहु-व्यक्ति वीडियो के लिए उपयोगी है। कुछ कैप्शन प्रारूप नामों को हटा देते हैं; SRT उन्हें सुरक्षित रखता है।

वेब प्लेयर्स के लिए जो WebVTT (.vtt) का उपयोग करते हैं, SRT से अंतर छोटा है: टाइमस्टैम्प मेंWEBVTT के बजाय एक . हेडर लाइन और एक ,। आप /tools/SRT-to-VTT पर निःशुल्क टूल का उपयोग करके ब्राउज़र में SRT को VTT में परिवर्तित कर सकते हैं; रूपांतरण पृष्ठ में स्थानीय रूप से चलता है।

दो सहोदर मार्गदर्शिकाएं यहां जितनी जगह है उससे अधिक गहराई तक जाती हैं: किसी वीडियो से SRT उपशीर्षक कैसे बनाएं संपादन क्यू समय और लाइन लंबाई को कवर करता है, और किसी वीडियो में उपशीर्षक कैसे जोड़ें SRT को संलग्न करने या उसे जलाने को कवर करता है। चित्र में उपशीर्षक को स्थायी रूप से रखना एक अलग एन्कोडिंग चरण है। आपके पास SRT होने के बाद हैंडब्रेक जैसा निःशुल्क टूल मक्स को संभालता है।

अन्य वीडियो प्रारूप (MOV, WebM, MKV)

वही ब्राउज़र-निष्कर्षण प्रक्रिया MP4 से परे भी लागू होती है:

• MOV: iPhone वीडियो और फाइनल कट निर्यात.
• WebM: क्रोम से स्क्रीन रिकॉर्डिंग, और OBS कैप्चर।
• MKV: मानक ऑडियो ट्रैक के साथ स्क्रीन रिकॉर्डर और रिप्ड सामग्री के लिए सामान्य कंटेनर।

ये कंटेनर सामान्य ऑडियो कोडेक्स (AAC, MP3, Opus, FLAC), और निष्कर्षण चरण उन्हें उसी तरह डिमक्स करता है जैसे वह MP4 करता है। व्यवहार में, फ़ोन, कैमरा या स्क्रीन रिकॉर्डर पर रिकॉर्ड की गई कोई भी चीज़ काम करेगी। बस इसे अंदर डाल दें।

आप MP3, WAV, M4A जैसी केवल-ऑडियो फ़ाइलें भी सीधे फ़ीड कर सकते हैं। स्ट्रिप करने के लिए कोई वीडियो स्ट्रीम नहीं होने से, निष्कर्षण चरण छोड़ दिया जाता है और फ़ाइल वैसे ही अपलोड हो जाती है। और यदि आप प्रतिलेख के बजाय केवल ऑडियो फ़ाइल चाहते हैं, तो MP4 को MP3 में परिवर्तित करना एक अलग काम है जो पूरी तरह से आपके ब्राउज़र में चलता है। वीडियो-टू-टेक्स्ट पृष्ठ किसी भी वीडियो प्रारूप के लिए पूर्ण वर्कफ़्लो को कवर करता है, जिसमें असामान्य ऑडियो कोडेक्स वाले भी शामिल हैं।

समस्या निवारण

सामान्य MP4 फ़ाइलों को आमतौर पर किसी मैन्युअल तैयारी की आवश्यकता नहीं होती है। यदि कोई विफल हो जाता है या कमजोर पाठ उत्पन्न करता है, तो पहले इन कारणों की जाँच करें।

स्रोत वीडियो बहुत बड़ा है। ऐप में फ़ाइल आकार की कोई सीमा नहीं है - यह आपके ब्राउज़र में भी बहुत बड़े वीडियो से ऑडियो तैयार करता है, जब तक कि रिकॉर्डिंग 10 घंटे के भीतर न हो (आपके ब्राउज़र को अभी भी काम करने के लिए पर्याप्त स्थानीय क्षमता की आवश्यकता है)। यदि किसी विशाल 4K फ़ाइल पर निष्कर्षण रुक जाता है, तो अन्य टैब बंद करें और पुनः प्रयास करें, या पहले ऑडियो निकालें। मुफ़्त extract-audio उपकरण ब्राउज़र में वह काम करते हैं और एक छोटी फ़ाइल तैयार करते हैं जिसे आप सीधे अपलोड कर सकते हैं।

कोई ऑडियो ट्रैक नहीं, या कोई भाषण नहीं। एक मूक स्क्रीन रिकॉर्डिंग या संगीत-केवल क्लिप में इंजन द्वारा ट्रांसक्राइब करने के लिए कुछ भी नहीं होता है, इसलिए आपको एक खाली परिणाम मिलेगा। वॉल्यूम बढ़ाकर वीडियो चलाकर पुष्टि करें कि वीडियो में वास्तव में बोला गया ऑडियो है। यदि यह एक स्क्रीन रिकॉर्डिंग है, तो जांच लें कि रिकॉर्डर सिस्टम या माइक्रोफ़ोन ऑडियो कैप्चर करने के लिए सेट किया गया था; कई डिफ़ॉल्ट केवल वीडियो के लिए होते हैं।

एक असमर्थित या अस्पष्ट ऑडियो कोडेक। इन-ब्राउज़र एक्सट्रैक्टर सामान्य कोडेक्स (AAC, MP3, Opus, FLAC) को संभालता है। एक असामान्य या मालिकाना ऑडियो कोडेक का उपयोग करने वाला कंटेनर सफाई से डिमक्स नहीं कर सकता है, और ऑडियो नहीं निकाला जाएगा। समाधान यह है कि पहले वीडियो के ऑडियो को एक मानक कोडेक में रीमक्स या पुनः एनकोड किया जाए; अधिकांश कन्वर्टर्स एक मानक MP4 या एक सादा ऑडियो फ़ाइल आउटपुट कर सकते हैं। यदि आप किसी ऐसे प्रारूप पर पहुँचते हैं जो नहीं चल पाएगा, तो support@hushscript.com पर ईमेल करें और हम इसे जोड़ने पर विचार करेंगे।

एकाधिक वक्ता, गन्दा पृथक्करण। डायराइजेशन के लिए अलग-अलग आवाज़ों की आवश्यकता होती है। ओवरलैपिंग भाषण, एक बड़े कमरे में एक दूर-क्षेत्र का माइक, या भारी पृष्ठभूमि शोर सभी वक्ताओं के बीच की सीमाओं को धुंधला कर देते हैं। आपको अभी भी एक सटीक प्रतिलेख मिलेगा; वक्ता लेबल कम सटीक हैं। यदि आप रिकॉर्डिंग को नियंत्रित करते हैं, तो प्रति-प्रतिभागी ट्रैक (जैसा कि अधिकांश वीडियो-कॉल टूल निर्यात कर सकते हैं) या प्रत्येक वक्ता के करीब एक माइक सबसे साफ अलगाव देता है। किसी भी तरह से, आप निर्यात करने से पहले संपादक में किसी भी गलत लेबल वाली पंक्तियों को ठीक कर सकते हैं।

प्रतिलेख में लगातार गलत वर्तनी है। एक आवर्ती उचित संज्ञा या शब्दजाल का टुकड़ा जिसे हमेशा एक ही गलत तरीके से लिखा जाता है, एक बार का समाधान है: निर्यात किए गए पाठ में एक एकल खोज-और-प्रतिस्थापन हर उदाहरण को सही करता है। यह किसी भी चीज़ को दोबारा चलाने से तेज़ है।

एक नज़र में निर्यात प्रारूप

प्रत्येक योजना में सभी निर्यात प्रारूप शामिल हैं, जिसमें 30 निःशुल्क मिनट भी शामिल हैं, और किसी में भी वॉटरमार्क नहीं है।

किसी भी वीडियो के लिए जहां गोपनीयता मायने रखती है, चाहे कोई बैठक हो, कोई साक्षात्कार हो, या कोई बयान हो, मुद्दा यह है: आपका वीडियो कभी भी अपलोड नहीं होता है। आप इसे स्वयं सत्यापित कर सकते हैं. फ़ाइल छोड़ने से पहले ब्राउज़र का नेटवर्क टैब खोलें और देखें कि क्या भेजा गया है; आप देखेंगे कि ऑडियो ऊपर चला जाएगा, और चित्र वहीं रहेगा।