# تبدیل فایل صوتی به متن رایگان و فارسی: چهار روش و چک‌لیست

نشانی: https://raavi.team/blog/audio-to-text

- نویسنده: تحریریهٔ راوی
- تاریخ انتشار: ۲ آبان ۱۴۰۵ (2026-10-24)
- آخرین به‌روزرسانی: 2026-10-24
- دسته: راهنما

> تبدیل فایل صوتی به متن فارسی چطور کار می‌کند، کدام فرمت‌های صوتی را می‌پذیرد، دقت رونویسی به چه عامل‌هایی بستگی دارد و جداسازی گوینده‌ها چطور انجام می‌شود.

یک فایل صوتی دوساعته از جلسه یا مصاحبه روی گوشی مانده است و متن آن باید تا فردا تحویل داده شود. گوش‌دادن و تایپ هم‌زمان برای این حجم صدا زمان‌بر است. **تبدیل فایل صوتی به متن** با ابزارهای خودکار انجام می‌شود، اما روش مناسب به نوع فایل و کاربرد متن بستگی دارد. در این مقاله می‌بینید از کدام روش شروع کنید، پیش از بارگذاری چه چیزی را آماده کنید و بعد از دریافت متن کجاها را باید دوباره با صدا تطبیق دهید.

## پاسخ کوتاه: فایل صوتی را چطور به متن تبدیل کنیم؟

پیش از بارگذاری کل فایل، یک تکهٔ حدود دو دقیقه‌ای از وسط آن را جداگانه امتحان کنید. اگر متن همین تکه قابل‌قبول بود، کل فایل را بفرستید. ادامهٔ مسیر به وضعیت فایل شما بستگی دارد.

- **فایل کوتاه با یک گوینده:** یک ابزار آنلاین تبدیل فایل به متن کافی است. بعد از دریافت متن، یک بار آن را هم‌زمان با صدا بخوانید و اشتباه‌ها را اصلاح کنید.
- **جلسه یا مصاحبهٔ چندنفره:** ابزاری انتخاب کنید که گوینده‌ها را از هم جدا کند. در غیر این صورت همهٔ جمله‌ها در یک متن پیوسته می‌آیند و بعداً باید خودتان معلوم کنید هر جمله از کیست.
- **فایل ویدیویی:** بررسی کنید ابزار مستقیماً ویدیو را می‌پذیرد یا نه. اگر نمی‌پذیرد، صدای ویدیو را جدا کنید و همان را بارگذاری کنید.
- **متن رسمی یا حقوقی:** خروجی خودکار را فقط پیش‌نویس بدانید و هر جمله را با صدا تطبیق دهید.
- **نیاز به خلاصه و فهرست کارها:** دستیار جلسه‌ای را انتخاب کنید که علاوه بر متن، خلاصه، تصمیم‌ها و کارها را هم بدهد. ساختار چنین خروجی‌ای را در [قالب صورت‌جلسه](https://raavi.team/blog/%D9%82%D8%A7%D9%84%D8%A8-%D8%B5%D9%88%D8%B1%D8%AA-%D8%AC%D9%84%D8%B3%D9%87-%D8%A7%DB%8C-%DA%A9%D9%87-%D9%88%D8%A7%D9%82%D8%B9%D8%A7-%D8%AE%D9%88%D8%A7%D9%86%D8%AF%D9%87-%D9%85%DB%8C-%D8%B4%D9%88%D8%AF) می‌بینید.

> **راوی را رایگان امتحان کنید.** با شمارهٔ موبایل ثبت‌نام می‌کنید، فایل صوتی یا ویدیویی را بارگذاری می‌کنید و بدون پرداخت تا ۱۸۰ دقیقه در ماه، حدود سه جلسهٔ یک‌ساعته، متن و صورتجلسه می‌گیرید. نصب لازم نیست. برای جلسهٔ زنده هم یک دکمه ضبط را شروع می‌کند، یک دکمه آن را تمام می‌کند و صورتجلسه بعد از توقف باز می‌شود. [شروع رایگان در راوی](https://app.raavi.team?utm_source=raavi.team&utm_medium=cta&utm_campaign=blog-audio-to-text)

## کدام روش تبدیل فایل صوتی به متن مناسب‌تر است؟

چهار روش رایج در جدول زیر مقایسه شده‌اند. جدول بر نوع روش تمرکز دارد، نه نام سرویس خاص.

روشمناسب براینیاز به چه داردمحدودیت مهمتایپ دستیفایل بسیار کوتاه یا متن حقوقی که باید کلمه‌به‌کلمه باشدهدفون و وقت کافیزمان‌بر است و برای فایل طولانی خسته‌کننده می‌شودتایپ صوتی گوشیدیکتهٔ زندهٔ یک نفرگفتن متن در لحظه، با میکروفون گوشیفقط صدای زنده را می‌گیرد و فایل ضبط‌شده را نمی‌پذیردابزار آنلاین تبدیل فایلفایل ضبط‌شده با یک یا دو گویندهبارگذاری فایل و اینترنتمعمولاً فقط متن می‌دهد؛ خلاصه و کارها را باید خودتان بنویسیددستیار جلسهجلسه و مصاحبهٔ چندنفره که خلاصه و کارها هم لازم استبارگذاری فایل یا ضبط جلسهخروجی را باید بازبینی کرد و حریم خصوصی باید بررسی شودبرای انتخاب سریع، سه پرسش کافی است. فایل از پیش ضبط شده است یا باید همین حالا بگویید؟ بیش از یک نفر در آن حرف می‌زند؟ به خود متن نیاز دارید یا به نتیجهٔ جلسه؟ پاسخ این سه پرسش مشخص می‌کند ابزار ساده کافی است یا دستیار جلسه لازم دارید. ویژگی‌ها و شرایط هر سرویس را از صفحهٔ رسمی خودش بخوانید، چون با گذشت زمان تغییر می‌کنند.

## پیش از بارگذاری فایل چه چیزی را آماده کنیم؟

چند دقیقه آماده‌سازی معمولاً از یک بار بازبینی طولانی بیشتر در وقت شما صرفه‌جویی می‌کند. این شش مورد را پیش از بارگذاری بررسی کنید.

![فهرست شش‌مرحله‌ای آماده‌سازی فایل صوتی پیش از تبدیل به متن](https://raavi.team/storage/blog/inline/audio-to-text-1.png)1. **فرمت فایل:** بیشتر ابزارها فرمت‌های رایج مثل MP3 و WAV و M4A را می‌پذیرند. فایل‌های ضبط‌شده با اپ یادداشت صوتی آیفون معمولاً M4A هستند و پیام‌های صوتی تلگرام معمولاً OGG. اگر ابزار فرمت فایل شما را نمی‌شناسد، آن را با یک مبدل به MP3 یا WAV تبدیل کنید.
2. **فایل ویدیویی:** راوی علاوه بر صوت، فایل‌های MP4 و WEBM و MOV را هم می‌پذیرد و نیازی به جداکردن صدا نیست.
3. **حجم فایل:** سقف حجم در هر ابزار فرق دارد و در راوی در صفحهٔ بارگذاری نوشته شده است. اگر فایل از سقف بیشتر بود، آن را در نقطهٔ سکوت به دو بخش تقسیم کنید.
4. **فهرست نام‌ها:** نام افراد، شرکت‌ها و اصطلاحات تخصصی جلسه را جداگانه یادداشت کنید. بعد از دریافت متن، همین فهرست راهنمای جست‌وجو و اصلاح است.
5. **تکهٔ آزمایشی:** دو دقیقه از وسط فایل را اول بفرستید و نتیجه را ببینید. اگر خطاها زیاد بود، پیش از صرف وقت روی کل فایل دلیلش را پیدا کنید، مثلاً نویز یا فاصلهٔ میکروفون.
6. **رضایت و حساسیت:** بررسی کنید حاضران در جلسه از ضبط و تبدیل آن به متن مطلع بوده‌اند و محتوا برای بارگذاری روی سرویس خارجی مناسب است.

## مسیر قدم‌به‌قدم تبدیل فایل صوتی به متن

این مسیر برای هر ابزار مبتنی بر بارگذاری فایل صدق می‌کند.

1. **تکهٔ دو دقیقه‌ای را امتحان کنید:** بخشی از فایل را که نویز یا چند گوینده دارد انتخاب کنید و جداگانه بفرستید.
2. **فایل را بارگذاری کنید:** فایل را از گوشی یا رایانه انتخاب کنید و منتظر پایان پردازش بمانید. زمان پردازش با طول فایل بیشتر می‌شود.
3. **متن را بخوانید و اصلاح کنید:** متن را هم‌زمان با صدا مرور کنید. اول نام‌ها و عددها را بررسی کنید، چون خطای آن‌ها بیشترین ضرر را دارد،.
4. **خروجی را بگیرید:** متن را کپی یا دانلود کنید. اگر ابزار خلاصه و کارها را هم می‌دهد، آن‌ها را نیز بازبینی کنید و پیش از ارسال به دیگران با فایل اصلی تطبیق دهید.

![چهار مرحلهٔ آپلود فایل صوتی، رونویسی، ویرایش متن و دریافت صورتجلسه](https://raavi.team/storage/blog/inline/audio-to-text-2.png)

## کیفیت صدا چه اثری بر دقت تبدیل صوت به متن دارد؟

هرچه صدا واضح‌تر ضبط شود، متن دقیق‌تری به دست می‌آید. سه چیز بیش از بقیه اثر دارد: نویز پس‌زمینه و فاصلهٔ میکروفون، هم‌زمان صحبت‌کردن چند نفر، و نام‌ها و اصطلاحات ناآشنا. فایلی که در اتاق ساکت و با میکروفون نزدیک ضبط شده، معمولاً نتیجهٔ بهتری می‌دهد تا فایلی که در کافه ضبط شده است.

اگر هنوز ضبط نکرده‌اید، چند عادت ساده دقت را بالا می‌برد. گوشی یا میکروفون را روی میز و نزدیک به گوینده‌ها بگذارید، نه در جیب یا کیف. قبل از شروع، ده ثانیه ضبط کنید و گوش بدهید. از گوینده‌ها بخواهید نوبت‌به‌نوبت صحبت کنند.

دقت را معمولاً با «نرخ خطای کلمه» می‌سنجند؛ یعنی از هر صد کلمهٔ صحبت‌شده چندتا غلط یا جاافتاده نوشته شده است. هرچه این عدد کمتر باشد، متن بهتر است. روش اندازه‌گیری آن را در [دقت رونویسی چطور اندازه‌گیری می‌شود](https://raavi.team/blog/%D8%AF%D9%82%D8%AA-%D8%B1%D9%88%D9%86%D9%88%DB%8C%D8%B3%DB%8C-%D8%B1%D8%A7-%DA%86%D8%B7%D9%88%D8%B1-%D8%A7%D9%86%D8%AF%D8%A7%D8%B2%D9%87-%D9%85%DB%8C-%DA%AF%DB%8C%D8%B1%DB%8C%D9%85) بخوانید. فارسی به دلیل نیم‌فاصله و لهجه‌های مختلف برای مدل‌ها دشوارتر است؛ توضیح فنی آن در [تبدیل گفتار به متن فارسی چگونه کار می‌کند](https://raavi.team/blog/%D8%AA%D8%A8%D8%AF%DB%8C%D9%84-%DA%AF%D9%81%D8%AA%D8%A7%D8%B1-%D8%A8%D9%87-%D9%85%D8%AA%D9%86-%D9%81%D8%A7%D8%B1%D8%B3%DB%8C-%D8%AF%D9%82%DB%8C%D9%82%D8%A7-%DA%86%D8%B7%D9%88%D8%B1-%DA%A9%D8%A7%D8%B1-%D9%85%DB%8C-%DA%A9%D9%86%D8%AF) آمده است.

## خطاهای رایج متن خودکار کدام‌اند و چطور بازبینی‌شان کنیم؟

متن خودکار پیش‌نویس است و نسخهٔ نهایی نیست. خطاها معمولاً در چند دستهٔ مشخص می‌افتند و اگر بدانید دنبال چه بگردید، بازبینی سریع‌تر می‌شود. نمونه‌های جدول زیر فرضی‌اند و فقط شکل خطا را نشان می‌دهند.

نوع خطانمونهٔ فرضیچطور بررسی کنیمنام خاصنام شرکتی با تلفظ نزدیک به یک کلمهٔ رایج، به‌جای نام درست نوشته می‌شودفهرست نام‌هایی را که از پیش یادداشت کرده‌اید در متن جست‌وجو کنیدعدد و تاریخ«پانزدهم» و «پنجم» با هم عوض می‌شوند یا مبلغ ناقص نوشته می‌شودهر عدد و تاریخ را با فایل صوتی تطبیق دهید، حتی اگر منطقی به نظر برسدکلمه‌های هم‌آوادو کلمه با تلفظ مشابه و معنی متفاوت جابه‌جا می‌شوندجمله‌ای را که معنی‌اش عجیب است دوباره گوش کنیدبرچسب گویندهجملهٔ یک نفر به نفر دیگر نسبت داده می‌شوددر جلسه‌های مهم، جمله‌های مربوط به تصمیم و تعهد را حتماً چک کنیداگر وقت کم دارید، اولویت با چهار مورد است: نام‌ها، تصمیم‌ها، مهلت‌ها و عددها. اگر متن قرار است سند رسمی یا حقوقی شود، کل آن را یک بار با صدا مقایسه کنید.

## جداکردن گوینده‌ها در فایل صوتی چطور انجام می‌شود؟

در جلسه یا مصاحبه، متنی که معلوم نکند هر جمله از کیست، کاربرد کمی دارد. ابزار با مقایسهٔ ویژگی‌های صدا، مثل بم و زیری و ریتم صحبت، قطعه‌های صوتی را به چند «صدا» تقسیم می‌کند و هر صدا را برچسب می‌زند. این کار حتی وقتی همه پشت یک میکروفون صحبت می‌کنند هم ممکن است، اما دقتش به فایل وابسته است.

راوی گوینده‌ها را از روی همین یک ضبط جدا می‌کند. صاحب جلسه یک بار اسم هر صدا را می‌گذارد و آن اسم در متن می‌آید. خلاصهٔ «هر نفر چه گفت» فقط وقتی ساخته می‌شود که برچسب گوینده‌ها قابل اتکا باشد. اگر دو نفر روی صدای هم حرف زده باشند یا دو صدای مشابه در فایل باشد، جداسازی ممکن است اشتباه کند. برای همین نام‌گذاری و جمله‌های مهم را حتماً بازبینی کنید.

## حریم خصوصی فایل صوتی و متن چطور حفظ می‌شود؟

ضبط صدای دیگران به رضایت آن‌ها نیاز دارد، اما شرایط دقیق به قانون محل و سیاست سازمان شما بستگی دارد. اعلام ضبط در ابتدای جلسه به‌تنهایی پاسخ همهٔ پرسش‌های حقوقی نیست. قبل از بارگذاری، از همهٔ حاضران اجازه بگیرید و اگر سازمان شما قاعدهٔ مشخصی دارد، آن را رعایت کنید.

فقط فایل صوتی حساس نیست. متن رونویسی‌شده و خلاصه هم ممکن است اطلاعات محرمانه داشته باشند، مثل مبلغ قرارداد، نام مشتری یا اطلاعات شخصی. پیش از استفاده از هر سرویس این چهار پرسش را بپرسید: فایل و متن کجا نگهداری می‌شوند؟ چه کسانی دسترسی دارند؟ چطور می‌توان آن‌ها را حذف کرد؟ و آیا نسخه‌ای از آن‌ها نزد سرویس‌های ثالث می‌ماند؟ پرسش‌های دقیق‌تر را در [امنیت ضبط جلسه](https://raavi.team/blog/%D8%B5%D8%AF%D8%A7%DB%8C-%D8%AC%D9%84%D8%B3%D9%87-%D8%A7%D8%AA-%DA%A9%D8%AC%D8%A7-%D9%85%DB%8C-%D9%85%D8%A7%D9%86%D8%AF-%D9%88-%DA%86%D9%87-%DA%A9%D8%B3%DB%8C-%D9%85%DB%8C-%D8%A8%DB%8C%D9%86%D8%AF%D8%B4) فهرست کرده‌ایم.

## راوی فایل صوتی را چطور به متن و صورتجلسه تبدیل می‌کند؟

اگر علاوه بر متن به خلاصه و فهرست کارها هم نیاز دارید، [راوی](https://raavi.team/voice-to-text) همین مسیر را ادامه می‌دهد. فایل صوتی یا ویدیویی بارگذاری می‌شود، متن فارسی ساخته می‌شود و در ویرایشگر قابل اصلاح است. برای فایل جلسه، صورتجلسه خلاصه، تصمیم‌ها و کارها را جدا از هم نشان می‌دهد و هر کار مسئول و مهلت دارد. اگر فایل چند گوینده داشته باشد، می‌توانید اسم هر صدا را مشخص کنید.

این خروجی هم مثل هر متن خودکار بازبینی لازم دارد. نام مسئول‌ها، تصمیم‌ها و مهلت‌ها را پیش از ارسال برای تیم با فایل اصلی تطبیق دهید. پلن رایگان و پلن‌های پولی وجود دارد و جزئیات آن‌ها در صفحهٔ قیمت‌ها آمده است.

> **شروع در سه قدم:** ثبت‌نام با شمارهٔ موبایل، بارگذاری فایل، باز کردن صورتجلسه. پلن رایگان ۱۸۰ دقیقه در ماه می‌دهد. افزونهٔ کروم راوی برای ضبط صدای زبانهٔ مرورگر ساخته شده و در حال آماده‌شدن برای فروشگاه کروم است؛ تا آن زمان، جلسهٔ ضبط‌شده را بارگذاری کنید. [شروع رایگان](https://app.raavi.team?utm_source=raavi.team&utm_medium=cta&utm_campaign=blog-audio-to-text)

## جمع‌بندی

یک تکهٔ دو دقیقه‌ای از فایل خود را همین امروز با ابزار انتخابی امتحان کنید و اگر نتیجه قابل‌قبول بود، کل فایل را بفرستید. بعد نام‌ها، تصمیم‌ها، مهلت‌ها و عددها را با صدا تطبیق دهید.

## سؤالات متداول

### آیا فایل صوتی بلند را می‌شود تکه‌تکه فرستاد؟

بله، اگر ابزار سقف حجم یا طول دارد، فایل را در نقطهٔ سکوت یا پایان یک موضوع به چند بخش تقسیم کنید. متن بخش‌ها را به ترتیب کنار هم بگذارید و نام گوینده‌ها را در همهٔ بخش‌ها یکسان بنویسید.

### آیا لهجه روی دقت متن اثر دارد؟

بله، لهجه یا تلفظ غیرمعمول می‌تواند خطا را بیشتر کند. تکهٔ آزمایشی دو دقیقه‌ای نشان می‌دهد ابزار با لهجهٔ گوینده‌های شما چقدر کار می‌کند.

### فرق متن کامل با صورتجلسه چیست؟

متن کامل همهٔ گفتار را به نوشته تبدیل می‌کند و برای جست‌وجو و استناد مناسب است. صورتجلسه از همان متن فقط خلاصه، تصمیم‌ها و کارها را جدا می‌کند و برای پیگیری بعد از جلسه مناسب‌تر است.

### آیا می‌شود از فایل ضبط تماس تلفنی متن گرفت؟

از نظر فنی بله، اما کیفیت صدای تماس معمولاً پایین‌تر از ضبط مستقیم است و دقت کم می‌شود. پیش از آن مطمئن شوید طرف مقابل با ضبط و تبدیل صدا به متن موافق بوده است.

### متن خروجی را چطور به جزوه یا گزارش تبدیل کنیم؟

متن را به بخش‌هایی با موضوع مشخص تقسیم کنید، هر بخش را عنوان بدهید و جمله‌های تکراری یا مکث‌ها را حذف کنید. برای گزارش، اول نتیجه و تصمیم‌ها را بنویسید و بعد جزئیات را بیاورید.