Converteix una gravació parlada en text escrit, al navegador mitjançant reconeixement de veu amb IA (Whisper), sense cap pujada.
Processant en local al teu dispositiu ...
Processant en local al teu dispositiu ...
0%
Els teus fitxers no han sortit mai del dispositiu
No. Tot s'executa al teu navegador - el teu fitxer no surt mai del dispositiu. Per què és verificable
Una entrevista, la gravació d'una classe, una nota de veu amb una idea pel camí: aquesta eina escolta la gravació i la transcriu com a text cercable i copiable. El model de reconeixement és Whisper d'OpenAI, aquí com una compilació WebAssembly pròpia i d'un sol fil: la mateixa tecnologia de base que fan servir els serveis de transcripció coneguts, només que aquí s'executa íntegrament al teu dispositiu en lloc d'un servidor extern.
Per defecte, Whisper detecta ell mateix l'idioma parlat ("Detecció automàtica"): en gravacions curtes o multilingües l'idioma també es pot fixar, cosa que pot millorar lleugerament la precisió i la velocitat. El resultat apareix com a text continu amb un paràgraf per segment de parla; per a vídeos que necessiten marques de temps incrustades hi ha l'eina germana "Vídeo a subtítols", que fa servir el mateix reconeixement però genera un fitxer SRT/VTT amb marques de temps exactes.
Com que es treballa sense memòria compartida (sense aïllament d'origen creuat), el reconeixement s'executa en un sol fil en lloc de diversos: correcte, però notablement més lent que un servei del costat del servidor. Per això aquí s'aplica un límit de durada molt més estricte que a la resta d'eines d'àudio d'aquesta pàgina; més val ser honestament lent que prometre una velocitat falsa.
| Formats d'entrada | MP3, WAV, M4A, AAC, OGG, OPUS, FLAC |
|---|---|
| Conversió automàtica | MP4 |
| Format de sortida | TXT |
| Processament per lots | No |
| Processament | En local al navegador (WebAssembly) |
| Càrrega de fitxers | Cap |
Límits: S'executa en un sol fil (sense mode d'aïllament d'origen creuat en aquesta pàgina) i per això és notablement més lent que els serveis del costat del servidor: aquí s'aplica un límit de durada per dispositiu molt més estricte (més curt que a la resta d'eines d'àudio). S'utilitza el model compacte de nivell "tiny": bo per a parla clara, més feble amb molt soroll de fons, dialectes o argot tècnic que un model més gran. El reconeixement no és lliure d'errors: revisa el resultat, sobretot els noms propis i els números.
No, el reconeixement s'executa totalment en local, al navegador, mitjançant WebAssembly.
Gairebé 100 idiomes; detectats automàticament o triats de manera fixa.
El reconeixement de veu exigeix molt de càlcul i aquí s'executa sense múltiples fils: correcte, però deliberadament més lent en lloc de prometre una rapidesa falsa.
Sí, l'eina germana "Vídeo a subtítols" genera SRT/VTT amb marques de temps exactes.
Vídeo a subtítols · Eliminar soroll · Imatge a text (OCR) · Imatge de forma d'ona · Grava l'àudio · Intercanvia els canals