Konuşma kaydını yazılı metne dönüştür - tarayıcıda yapay zeka ile (Whisper) yerel olarak, herhangi bir yükleme yapmadan.
Cihazınızda yerel olarak işleniyor ...
Cihazınızda yerel olarak işleniyor ...
0%
Dosyalarınız cihazınızdan hiç çıkmadı
Hayır. Her şey tarayıcınızda çalışır - dosyanız cihazınızdan asla çıkmaz. Bunu nasıl doğrularsınız
Bir röportaj, bir ders kaydı, yolda akla gelen bir fikri içeren sesli not: bu araç kaydı dinler ve aranabilir, kopyalanabilir bir metin olarak yazıya döker. Tanıma modeli OpenAI'nin Whisper'ıdır; burada özel olarak derlenmiş, tek iş parçacıklı bir WebAssembly sürümü olarak çalışır - bilinen transkripsiyon hizmetlerinin kullandığı teknolojinin aynısı, tek fark her şeyin uzak bir sunucu yerine tamamen kendi cihazında çalışması.
Whisper varsayılan olarak konuşulan dili kendisi algılar ("Otomatik algıla"); kısa veya çok dilli kayıtlarda dili elle seçmek tanıma doğruluğunu ve hızını biraz artırabilir. Sonuç, her konuşma bölümü için ayrı bir paragraf içeren akıcı bir metin olarak görünür; zaman damgası gereken videolar içinse aynı tanımayı kullanan ama tam zaman işaretleriyle SRT/VTT dosyası üreten kardeş araç "Videodan Altyazı" mevcuttur.
Paylaşılan bellek olmadığı için (kaynaklar arası izolasyon yok) tanıma tek iş parçacıklı çalışır; bu doğru bir yaklaşımdır ama sunucu tabanlı bir hizmete göre belirgin şekilde daha yavaştır. Bu yüzden burada bu sayfanın diğer ses araçlarına göre çok daha sıkı bir uzunluk sınırı geçerlidir; yanlış bir hız vaat etmek yerine dürüstçe yavaş olmayı tercih ediyoruz.
| Giriş formatları | MP3, WAV, M4A, AAC, OGG, OPUS, FLAC |
|---|---|
| Otomatik dönüştürme | MP4 |
| Çıkış formatı | TXT |
| Toplu işleme | Hayır |
| İşleme | Tarayıcıda yerel (WebAssembly) |
| Dosya yükleme | Yok |
Sınırlar: Tek iş parçacıklı çalışır (bu sayfada kaynaklar arası izolasyon modu yoktur) ve bu yüzden sunucu tabanlı hizmetlere göre belirgin şekilde daha yavaştır; burada diğer ses araçlarına göre çok daha sıkı bir cihaz başına uzunluk sınırı geçerlidir. Kompakt "tiny" model kademesi kullanılır: net konuşmada iyi sonuç verir, yoğun arka plan gürültüsünde, ağız/şivelerde veya teknik jargonda daha büyük bir modele kıyasla zayıf kalır. Tanıma hatasız değildir; sonucu, özellikle özel isimleri ve sayıları kontrol et.
Hayır, tanıma tamamen tarayıcıda WebAssembly üzerinden yerel olarak çalışır.
Neredeyse 100 dil; ister otomatik algılanır ister elle seçilir.
Konuşma tanıma hesaplama açısından ağırdır ve burada çoklu iş parçacığı olmadan çalışır - doğru ama yanlış bir hız vaat etmek yerine bilinçli olarak yavaş.
Evet, kardeş araç "Videodan Altyazı" tam zaman işaretleriyle SRT/VTT dosyası üretir.
Videodan Altyazı · Gürültüyü Kaldır · Görüntü OCR · Dalga formu görseli · Ses kaydet · Kanalları değiştir