Превърнете говорим запис в писмен текст - локално в браузъра чрез ИИ разпознаване на реч (Whisper), напълно без качване.
Обработва се локално на устройството ви ...
Обработва се локално на устройството ви ...
0%
Вашите файлове така и не напуснаха устройството ви
Не. Всичко работи в браузъра ви - файлът ви никога не напуска устройството. Как се проверява това
Интервю, запис на лекция, гласова бележка с идея по пътя: този инструмент слуша записа и го записва като текст, който може да се търси и копира. Моделът за разпознаване е Whisper на OpenAI, тук компилиран специално като еднопоточен WebAssembly модул - същата технология, която стои зад познатите услуги за транскрибиране, само че тук работи изцяло на вашето устройство, а не на чужд сървър.
По подразбиране Whisper сам разпознава говоримия език ("Автоматично разпознаване") - но при кратки или многоезични записи езикът може да се зададе изрично, което леко подобрява точността и скоростта. Резултатът се появява като непрекъснат текст с отделен абзац за всеки речеви откъс; за видеа, при които са нужни вградени времеви маркери, съществува сродният инструмент "Видео в субтитри", който използва същото разпознаване, но извежда файл SRT/VTT с точни времеви маркери.
Тъй като няма споделена памет (без междусайтова изолация), разпознаването работи еднопоточно, а не многопоточно - коректно, но забележимо по-бавно от услуга на сървър. Затова тук важи много по-строго ограничение на дължината, отколкото при останалите аудио инструменти на сайта - честно бавно е по-добре от обещана, но невярна скорост.
| Входни формати | MP3, WAV, M4A, AAC, OGG, OPUS, FLAC |
|---|---|
| Автоматично конвертиране | MP4 |
| Изходен формат | TXT |
| Пакетна обработка | Не |
| Обработка | Локално в браузъра (WebAssembly) |
| Качване на файлове | Няма |
Ограничения: Работи еднопоточно (на тази страница няма режим на междусайтова изолация) и затова е забележимо по-бавен от услугите на сървър - тук важи много по-строго ограничение на дължината за отделно устройство, отколкото при останалите аудио инструменти. Използва се компактното ниво на модела "tiny": добро при ясна реч, по-слабо при силен фонов шум, диалекти или специализирана терминология в сравнение с по-голям модел. Разпознаването не е безпогрешно - проверете резултата, особено собствените имена и числата.
Не, разпознаването работи изцяло локално в браузъра чрез WebAssembly.
Почти 100 езика - или автоматично разпознати, или избрани изрично.
Разпознаването на реч изисква много изчисления и тук работи без многопоточност - коректно, но съзнателно по-бавно, вместо да обещава невярна скорост.
Да, сродният инструмент "Видео в субтитри" извежда SRT/VTT с точни времеви маркери.
Видео в субтитри · Премахване на шум · Снимка в текст · Вълнова форма · Запис на аудио · Размени каналите