Gera automaticamente legendas (SRT ou VTT) a partir da faixa de áudio de um vídeo, no navegador com IA (Whisper), sem envio.
Processando localmente no seu dispositivo ...
Processando localmente no seu dispositivo ...
0%
Seus arquivos nunca saíram do seu dispositivo
Não. Tudo roda no seu navegador - o seu arquivo nunca sai do seu dispositivo. Como isso é verificável
Uma palestra, um vídeo explicativo, um clip de rede social sem legendas: sobretudo num feed sem som ou para espectadores com deficiência auditiva, as legendas costumam decidir se um vídeo chega a ser compreendido. Esta ferramenta ouve a faixa de áudio de um vídeo, reconhece as palavras faladas por IA (Whisper) e escreve-as como um ficheiro de legendas com marcas de tempo - pronto a carregar num leitor de vídeo ou numa edição.
A faixa de áudio é extraída automaticamente do vídeo: não é preciso passar por uma ferramenta de extração à parte, isso fica a cargo do mesmo mecanismo já usado pelas ferramentas de extração de áudio desta página. O Whisper divide o reconhecimento em segmentos de fala com um momento de início e de fim; estes são gerados diretamente como cues SRT ou VTT, exatamente com os mesmos formatos de marca de tempo das restantes ferramentas de legendas desta página (por exemplo, ainda ajustáveis depois com "Deslocar legendas").
As legendas são uma aproximação automática, não um substituto de uma tradução revista: nomes próprios, termos técnicos e ruído de fundo podem causar erros. Uma breve revisão antes de publicar vale sempre a pena.
| Formatos de entrada | MP4, M4V, WEBM, MOV, MKV |
|---|---|
| Conversão automática | PNG, GIF |
| Formatos de saída | SRT, VTT |
| Processamento em lote | Não |
| Processamento | Localmente no navegador (WebAssembly) |
| Upload de arquivos | Nenhum |
Limites: Corre numa única thread (sem modo de isolamento cross-origin nesta página) e por isso é visivelmente mais lento do que os serviços no lado do servidor - aplica-se aqui um limite de duração por dispositivo bem mais rigoroso do que nas restantes ferramentas de vídeo. É usado o modelo compacto de nível "tiny": bom para fala clara, mais fraco com muito ruído de fundo ou várias pessoas a falar ao mesmo tempo. As legendas são geradas automaticamente: verifica-as antes de publicar, sobretudo nomes próprios e números.
Não, a extração de áudio e o reconhecimento correm totalmente em local, no navegador.
O SRT é o formato mais suportado pelos programas de edição de vídeo; o VTT é o padrão web para leitores de vídeo HTML5.
Sim, com a ferramenta "Deslocar legendas" podes deslocar o ficheiro inteiro por uma quantidade fixa.
Sim, mas sem separação de oradores: todas as vozes ficam na mesma faixa de legendas contínua.
Áudio em texto · VTT para ASS · Gravar legendas · Vídeo para WAV · Vídeo em imagens