Ubah rekaman suara menjadi teks tertulis - lokal di browser lewat pengenalan suara AI (Whisper), sepenuhnya tanpa unggah.
Memproses secara lokal di perangkat Anda ...
Memproses secara lokal di perangkat Anda ...
0%
Berkas Anda tidak pernah meninggalkan perangkat
Tidak. Semuanya berjalan di peramban Anda - berkas Anda tidak pernah meninggalkan perangkat. Bagaimana ini dapat diverifikasi
Sebuah wawancara, rekaman kuliah, atau memo suara berisi ide saat di perjalanan: tool ini mendengarkan rekaman lalu menuliskannya sebagai teks yang bisa dicari dan disalin. Model pengenalannya adalah Whisper dari OpenAI, di sini dikompilasi khusus sebagai WebAssembly satu thread - teknologi dasar yang sama dengan layanan transkripsi terkenal, hanya saja di sini prosesnya berjalan sepenuhnya di perangkatmu, bukan di server orang lain.
Secara default, Whisper mengenali sendiri bahasa yang diucapkan ("Deteksi otomatis") - tapi untuk rekaman pendek atau multibahasa, bahasa juga bisa ditentukan secara tetap, yang bisa sedikit meningkatkan akurasi dan kecepatan. Hasilnya muncul sebagai teks mengalir dengan paragraf per segmen bicara; untuk video yang butuh timestamp tertanam, ada tool serupa "Video ke Subtitel" yang memakai pengenalan yang sama tapi menghasilkan file SRT/VTT dengan penanda waktu yang presisi.
Karena berjalan tanpa shared memory (tanpa cross-origin isolation), pengenalan berjalan satu thread, bukan multi-thread - benar secara teknis, tapi terasa lebih lambat dibanding layanan berbasis server. Karena itu berlaku batas durasi yang jauh lebih ketat di sini dibanding tool audio lain di situs ini - lebih baik jujur lambat daripada menjanjikan kecepatan yang salah.
| Format masukan | MP3, WAV, M4A, AAC, OGG, OPUS, FLAC |
|---|---|
| Konversi otomatis | MP4 |
| Format keluaran | TXT |
| Pemrosesan massal | Tidak |
| Pemrosesan | Lokal di peramban (WebAssembly) |
| Unggah berkas | Tidak ada |
Batasan: Berjalan satu thread (tidak ada mode cross-origin isolation di situs ini) sehingga terasa lebih lambat dibanding layanan berbasis server - berlaku batas durasi per perangkat yang jauh lebih ketat di sini (lebih pendek dari tool audio lainnya). Menggunakan model tingkat "tiny" yang ringkas: bagus untuk suara yang jelas, kurang optimal untuk bising latar yang kuat, dialek, atau istilah teknis dibanding model yang lebih besar. Pengenalannya tidak sempurna - periksa hasilnya, terutama nama diri dan angka.
Tidak, pengenalan berjalan sepenuhnya lokal di browser lewat WebAssembly.
Hampir 100 bahasa; bisa dideteksi otomatis atau dipilih secara tetap.
Pengenalan suara sangat berat secara komputasi dan di sini berjalan tanpa multi-thread - benar secara teknis, tapi sengaja lebih lambat daripada menjanjikan kecepatan yang salah.
Ya, tool serupa "Video ke Subtitel" menghasilkan SRT/VTT dengan penanda waktu yang presisi.
Video ke Subtitel · Hapus Derau · Gambar ke Teks (OCR) · Gambar bentuk gelombang · Rekam audio · Tukar kanal