Gör om en talad inspelning till skriven text - lokalt i webbläsaren med AI-taligenkänning (Whisper), helt utan uppladdning.
Körs lokalt på din enhet ...
Körs lokalt på din enhet ...
0%
Dina filer lämnade aldrig din enhet
Nej. Allt körs i din webbläsare - din fil lämnar aldrig din enhet. Så går det att verifiera
En intervju, en föreläsningsinspelning, ett röstmemo med en idé på språng: det här verktyget lyssnar på inspelningen och skriver ner den som sökbar, kopierbar text. Igenkänningsmodellen är Whisper från OpenAI, här som en särskilt kompilerad, enkeltrådig WebAssembly-build - samma underliggande teknik som de kända transkriberingstjänsterna använder, förutom att den här körs helt på din egen enhet i stället för på en främmande server.
Som standard känner Whisper själv igen det talade språket ("Detektera automatiskt") - för korta eller flerspråkiga inspelningar kan språket också anges fast, vilket kan förbättra träffsäkerheten och tempot något. Resultatet visas som löpande text med ett stycke per talavsnitt; för videor som behöver inbäddade tidsstämplar finns systerverktyget "Video till undertexter", som använder samma igenkänning men levererar en SRT/VTT-fil med exakta tidsmarkeringar i stället.
Eftersom arbetet sker utan delat minne (ingen cross-origin-isolering) körs igenkänningen enkeltrådigt i stället för flertrådigt - korrekt, men märkbart långsammare än en servertjänst. Därför gäller en betydligt strängare längdgräns här än för sidans övriga ljudverktyg; hellre ärligt långsam än ett falskt löfte om hastighet.
| Indataformat | MP3, WAV, M4A, AAC, OGG, OPUS, FLAC |
|---|---|
| Automatisk konvertering | MP4 |
| Utdataformat | TXT |
| Batchbearbetning | Nej |
| Bearbetning | Lokalt i webbläsaren (WebAssembly) |
| Filuppladdning | Ingen |
Begränsningar: Körs enkeltrådigt (inget cross-origin-isoleringsläge på den här sidan) och är därför märkbart långsammare än servertjänster - en betydligt strängare längdgräns per enhet gäller här (kortare än för de övriga ljudverktygen). Den kompakta modellnivån "tiny" används: bra för tydligt tal, svagare vid kraftigt bakgrundsljud, dialekter eller fackjargong än en större modell skulle vara. Igenkänningen är inte felfri - kontrollera resultatet, särskilt egennamn och siffror.
Nej, igenkänningen körs helt lokalt i webbläsaren via WebAssembly.
Nästan 100 språk; antingen automatiskt detekterade eller fast valda.
Taligenkänning är beräkningstungt och körs här utan flertrådighet - korrekt, men medvetet långsammare i stället för att lova en falsk snabbhet.
Ja, systerverktyget "Video till undertexter" levererar SRT/VTT med exakta tidsmarkeringar.
Video till undertexter · Ta bort brus · Bild till text (OCR) · Vågformsbild · Spela in ljud · Byt kanaler