Trasforma una registrazione parlata in testo scritto, nel browser tramite riconoscimento vocale IA (Whisper), senza alcun caricamento.
Elaborazione in locale sul tuo dispositivo ...
Elaborazione in locale sul tuo dispositivo ...
0%
I tuoi file non hanno mai lasciato il dispositivo
No. Tutto avviene nel tuo browser - il tuo file non lascia mai il dispositivo. Perché è verificabile
Un'intervista, la registrazione di una lezione, un memo vocale con un'idea al volo: questo strumento ascolta la registrazione e la trascrive in un testo ricercabile e copiabile. Il modello di riconoscimento è Whisper di OpenAI, qui come build WebAssembly compilata appositamente, a thread singolo - la stessa tecnologia di base usata dai noti servizi di trascrizione, solo che qui viene eseguita interamente sul tuo dispositivo invece che su un server esterno.
Per impostazione predefinita, Whisper riconosce da solo la lingua parlata ("Rilevamento automatico") - per registrazioni brevi o multilingue si può però anche impostare la lingua in modo fisso, il che può migliorare leggermente precisione e velocità. Il risultato appare come testo continuo con un paragrafo per ogni segmento vocale; per i video che necessitano di marcatori temporali incorporati esiste lo strumento gemello "Video in sottotitoli", che usa lo stesso riconoscimento ma genera un file SRT/VTT con marcatori temporali esatti.
Poiché si lavora senza memoria condivisa (nessun isolamento cross-origin), il riconoscimento viene eseguito a thread singolo anziché multithread - corretto, ma sensibilmente più lento di un servizio lato server. Per questo qui vale un limite di durata decisamente più severo rispetto agli altri strumenti audio di questa pagina; meglio essere onestamente lenti che promettere una velocità falsa.
| Formati di input | MP3, WAV, M4A, AAC, OGG, OPUS, FLAC |
|---|---|
| Conversione automatica | MP4 |
| Formato di output | TXT |
| Elaborazione in batch | No |
| Elaborazione | In locale nel browser (WebAssembly) |
| Caricamento file | Nessuno |
Limiti: Viene eseguito a thread singolo (nessuna modalità di isolamento cross-origin su questa pagina) ed è quindi sensibilmente più lento dei servizi lato server - qui vale un limite di durata per dispositivo decisamente più severo (più corto rispetto agli altri strumenti audio). Viene usato il modello compatto di livello "tiny": buono per un parlato chiaro, più debole con forte rumore di fondo, dialetti o gergo tecnico rispetto a un modello più grande. Il riconoscimento non è privo di errori: controlla il risultato, specialmente nomi propri e numeri.
No, il riconoscimento viene eseguito interamente in locale, nel browser, tramite WebAssembly.
Quasi 100 lingue; rilevate automaticamente oppure scelte in modo fisso.
Il riconoscimento vocale richiede molto calcolo e qui viene eseguito senza multithreading - corretto, ma volutamente più lento invece di promettere una rapidità falsa.
Sì, lo strumento gemello "Video in sottotitoli" genera SRT/VTT con marcatori temporali esatti.
Video in sottotitoli · Rimuovi il rumore · Immagine in testo (OCR) · Immagine forma d'onda · Registra audio · Scambia i canali