Аудіо в текст

Інтерв'ю, запис лекції, голосова нотатка з ідеєю, що прийшла в дорозі: цей інструмент прослуховує запис і перетворює його на текст, який можна шукати й копіювати. Модель розпізнавання - Whisper від OpenAI, тут зібрана окремо як однопотоковий модуль WebAssembly: та сама технологія, що лежить в основі відомих сервісів транскрибації, лише працює вона повністю на вашому пристрої, а не на чужому сервері.

За замовчуванням Whisper сам визначає мову запису ("Визначити автоматично") - але для коротких або багатомовних записів мову можна вказати явно, що трохи підвищує точність і швидкість розпізнавання. Результат з'являється як зв'язний текст з абзацем на кожен мовленнєвий фрагмент; для відео, де потрібні вбудовані часові мітки, є споріднений інструмент "Відео в субтитри" - він використовує те саме розпізнавання, але видає файл SRT/VTT із точними часовими мітками.

Оскільки спільна пам'ять недоступна (немає міжсайтової ізоляції), розпізнавання працює в один потік, а не в декілька - це коректно, але помітно повільніше за серверний сервіс. Тому тут діє значно суворіше обмеження довжини, ніж у решти аудіоінструментів сайту: чесна повільність краща за обіцяну, але хибну швидкість.

Технічні дані

У 3 кроки

1. Перетягніть аудіофайл.
2. Виберіть мову або залиште "Визначити автоматично".
3. Скопіюйте розпізнаний текст або завантажте його як TXT.

Обмеження: Працює в один потік (на цій сторінці немає режиму міжсайтової ізоляції), тому помітно повільніше за серверні сервіси - тут діє значно суворіше обмеження довжини на пристрій, ніж у решти аудіоінструментів. Використовується компактний рівень моделі "tiny": добре справляється з чіткою мовою, але слабший за сильного фонового шуму, діалектів чи вузької термінології, ніж більша модель. Розпізнавання не є бездоганним - перевіряйте результат, особливо власні назви й числа.

Часті запитання

Схожі інструменти

Відео в субтитри · Видалення шуму · Зображення в текст · Форма хвилі · Запис аудіо · Поміняти канали