गाइड

M4A, MP3, WAV, MOV: आपने जो भी रिकॉर्ड किया है, उससे टेक्स्ट निकालना

आपकी रिकॉर्डिंग जिस फ़ॉर्मैट में है, उसे यह तय नहीं करना चाहिए कि आप उसे ट्रांसक्राइब कर सकते हैं या नहीं। ज़्यादातर मामलों में वह तय करता भी नहीं — पर कुछ असली अड़चनें ज़रूर हैं।

30 August 2026

"m4a to text" खोजिए और आपको सौ ऐसी साइटें मिलेंगी जो चाहती हैं कि आप फ़ाइल अपलोड करें। उनकी ज़रूरत आपको लगभग कभी नहीं पड़ती: फ़ॉर्मैट शायद ही कभी असली रुकावट होता है, और जहाँ होता है, वहाँ हल कोई कन्वर्टर वेबसाइट नहीं है।

आपके पास जो फ़ॉर्मैट होने की संभावना है, उनमें से हर एक का असल में क्या मतलब है, यह रहा।

छोटा जवाब #

ट्रांसक्रिप्शन के लिए, एक अच्छा टूल आप जो भी दें उसे भीतर ही भीतर एक ही चीज़ में बदल देता है — 16 kHz मोनो ऑडियो — और उसी से काम करता है। कंटेनर एक मामूली विवरण है। जो मायने रखता है वह यह है:

1. क्या उसमें कोई ऑडियो ट्रैक है भी?
2. क्या उसे इतना ज़्यादा कंप्रेस किया गया कि बोली का बारीक विवरण ही ख़त्म हो गया?
3. क्या टूल उस ख़ास कंटेनर को खोल सकता है?

केवल तीसरा सवाल फ़ाइल एक्सटेंशन पर निर्भर करता है, और वह भी सिर्फ़ कुछ टेढ़े मामलों में।

फ़ॉर्मैट #

M4A — iPhone का Voice Memo यही होता है। MP4 कंटेनर में AAC ऑडियो। कंप्रेस्ड, पर फ़ोन जिन बिटरेट का इस्तेमाल करते हैं उन पर गुणवत्ता अच्छी रहती है और ट्रांसक्रिप्शन पर कोई असर नहीं पड़ता। लोग सबसे ज़्यादा इसी फ़ाइल को ट्रांसक्राइब कराना चाहते हैं, और यह कोई मुद्दा ही नहीं है।

MP3 — सर्वव्यापी फ़ॉर्मैट। वही बात: लॉसी, पर व्यवहार में ठीक। बहुत कम बिटरेट वाली MP3 फ़ाइलें (64 kbps और उससे नीचे, जो पुराने पॉडकास्ट संग्रहों और फ़ोन-सिस्टम रिकॉर्डिंग में आम हैं) सटीकता को मापने लायक हद तक नुकसान पहुँचाती हैं, क्योंकि कंप्रेशन उन ऊँची आवृत्तियों को हटा देता है जो मिलते-जुलते व्यंजनों में फ़र्क करती हैं। उसे कोई वापस नहीं ला सकता।

WAV — बिना कंप्रेशन वाला। सटीकता के लिहाज़ से सबसे बेहतर और फ़ाइल आकार के लिहाज़ से सबसे बुरा: दो घंटे कई सौ मेगाबाइट होते हैं, यही वजह है कि अपलोड-आधारित सेवाएँ ख़ास तौर पर WAV फ़ाइलों पर अटक जाती हैं। लोकल ट्रांसक्रिप्शन को इससे कोई फ़र्क नहीं पड़ता।

AAC — ज़्यादातर M4A फ़ाइलों के भीतर यही कोडेक होता है, कभी-कभी सीधे .aac के रूप में भी दिखता है। गुण M4A जैसे ही।

CAF — Apple का Core Audio Format। macOS और iOS के रिकॉर्डिंग टूल से आता है। और कहीं कम ही मिलता है, और Apple के ऑडियो फ़्रेमवर्क पर बनी हर चीज़ इसे ठीक से संभालती है।

OGG / Opus — वेब और Android की दुनिया वाला हिस्सा। WhatsApp के वॉइस नोट Opus होते हैं। कम बिटरेट पर बोली के लिए बेहतरीन कोडेक, समान आकार पर MP3 से वाकई बेहतर। कुछ Apple-नेटिव टूल इसे बिना डिकोडिंग चरण के नहीं खोल पाते, जो गुणवत्ता की नहीं बल्कि टूलिंग की सीमा है।

MOV और MP4 — वीडियो। ट्रांसक्रिप्शन को सिर्फ़ ऑडियो ट्रैक चाहिए, जो पहले निकाल लिया जाता है। लगभग हर स्क्रीन रिकॉर्डिंग, फ़ोन वीडियो और कैमरा फ़ाइल इन्हीं में से एक होती है।

जो अड़चनें असली हैं #

बिना ऑडियो ट्रैक वाली वीडियो फ़ाइल #

पता चलने के बाद साफ़ दिखती है, उससे पहले अदृश्य रहती है। कुछ स्क्रीन रिकॉर्डिंग बिना ऑडियो के कैप्चर होती हैं, और कुछ कैमरे अलग ऑडियो फ़ाइल लिखते हैं। कोई ट्रांसक्रिप्शन टूल ख़ामोश वीडियो के साथ कुछ नहीं कर सकता, और एक अच्छा टूल खाली ट्रांसक्रिप्ट लौटाने के बजाय यह बात कह देनी चाहिए।

पुरानी MOV फ़ाइलें #

सभी .mov फ़ाइलें एक जैसी नहीं होतीं। पुरानी QuickTime फ़ाइलों में एक ही मक्स्ड MPEG स्ट्रीम हो सकती है, जिसमें कोई अलग ऑडियो ट्रैक नहीं होता जिसे आधुनिक फ़्रेमवर्क पकड़ सकें। Apple के अपने टूल शून्य ऑडियो ट्रैक बताएँगे। अगर कोई ख़ास पुरानी .mov हर जगह विफल हो रही है जबकि आधुनिक फ़ाइलें चल रही हैं, तो आम तौर पर यही वजह होती है। QuickTime Player से उसे फिर से एक्सपोर्ट करना व्यावहारिक हल है।

बहुत कम बिटरेट वाली कोई भी चीज़ #

बोली के लिए लगभग 64 kbps से नीचे, आप किसी भी टूल से ट्रांसक्राइब करें, सटीकता घटती है। अगर रिकॉर्डिंग के वक़्त आपके पास विकल्प है, तो यही वह सेटिंग है जिसकी परवाह करना सार्थक है — बाद में आप कौन-सा ऐप इस्तेमाल करते हैं, उससे कहीं ज़्यादा।

वह फ़ाइल जो अपने एक्सटेंशन जैसी है ही नहीं #

recording.aiff का नाम बदलकर recording.mp3 कर देने से वह बदल नहीं जाती, और जो टूल एक्सटेंशन पर भरोसा करते हैं वे उलझाने वाले तरीक़े से विफल होंगे। अगर कोई फ़ाइल अजीब बर्ताव करे, तो जाँचिए कि वह असल में है क्या (Terminal में file recording.mp3 आपको बता देगा)।

क्या पहले कन्वर्ट करना ज़रूरी है? #

आम तौर पर नहीं, और कन्वर्ट करना आपको महँगा पड़ सकता है।

लॉसी फ़ॉर्मैट के बीच हर कन्वर्ज़न — मान लीजिए MP3 से M4A — डिकोड और फिर से एनकोड करता है, और हर बार थोड़ा और विवरण खो देता है। अगर आपका लक्ष्य सटीक ट्रांसक्रिप्शन है, तो मूल फ़ाइल को ऐसे टूल में डालना जो उसे सीधे पढ़ ले, पहले कन्वर्ट करने से हर हाल में बेहतर है।

अपवाद वह फ़ॉर्मैट है जिसे आपका टूल वाकई नहीं खोल सकता। तब एक बार कन्वर्ट कीजिए, मूल फ़ाइल से, और किसी दूसरे लॉसी फ़ॉर्मैट के बजाय WAV में।

हम क्या समर्थित करते हैं #

Offline Transcription ऑडियो के लिए MP3, WAV, M4A, AAC, CAF और OGG पढ़ता है, और वीडियो के लिए MOV और MP4 — Mac और iPhone दोनों पर। सब कुछ भीतर ही भीतर उस 16 kHz मोनो में बदल दिया जाता है जिसकी मॉडल को अपेक्षा है, इसलिए आप मूल फ़ाइल डाल देते हैं और इसके अलावा कुछ नहीं चाहिए।

असमर्थित या डिकोड न हो सकने वाली फ़ाइलें ख़ामोशी से विफल होने के बजाय एक स्पष्ट कारण के साथ सूचीबद्ध की जाती हैं — ऊपर बताए गए पुराने .mov मामले सहित, जिसे हम ठीक इसीलिए एक टेस्ट फ़िक्स्चर के रूप में रखते हैं क्योंकि वही हर जगह विफल होता है।

संक्षेप में #

फ़ॉर्मैट लगभग कभी समस्या नहीं होता। लगभग 64 kbps से नीचे का कंप्रेशन असली समस्या है, बिना ऑडियो ट्रैक वाली वीडियो फ़ाइलें असली समस्या हैं, और पुरानी MOV फ़ाइलें कभी-कभार असली समस्या होती हैं। बाक़ी सब — M4A, MP3, WAV, AAC, CAF, OGG, MP4 — सीधे ट्रांसक्राइब हो जाता है, और पहले कन्वर्ट करने से आम तौर पर चीज़ें थोड़ी बेहतर नहीं, बल्कि थोड़ी बदतर हो जाती हैं।