Gratis Lyd til tekst

Sådan fungerer det

Transskriptionen kører en Whisper-talegenkendelsesmodel direkte i din browser. Lyden afkodes, resamples og gives til modellen på din egen enhed — optagelsen uploades aldrig.

1. 1
   Din fil afkodes til 16 kHz mono

   Whisper accepterer kun ét format: lyd i én kanal med 16.000 samples pr. sekund. Browserens lydmotor klarer selv konverteringen, hvilket for de fleste musik- og stemmefiler betyder, at der slet ikke skal hentes noget ekstra. Usædvanlige videocontainere falder tilbage til den medfølgende ffmpeg.
2. 2
   Modellen hentes én gang, og kun når du beder om det

   Talemodellen fylder omkring 81 MB (eller 45 MB for den hurtigere, mindre nøjagtige mulighed), og motoren, der kører den, lægger ca. 27 MB til. Den hentes først, når du trykker på Indlæs, og caches derefter, så senere besøg starter med det samme. Du kan fjerne den igen når som helst.
3. 3
   Lyden transskriberes i vinduer på 30 sekunder

   Whisper læser 30 sekunder ad gangen med 5 sekunders overlap på hver side, så ord, der krydser en grænse, ikke går tabt. Det kører i en baggrundstråd, hvilket er grunden til, at siden forbliver responsiv, og Annullér bliver ved med at virke.
4. 4
   Tekst bliver til letlæselige undertekster

   Det rå output deles og gen-times, så ingen linje overstiger 42 tegn, og intet farer forbi hurtigere end 21 tegn i sekundet — de samme grænser, som vores Undertekst-editor tjekker. Tidskoderne strækkes aldrig for at nå disse mål, fordi det ville give et forkert billede af, hvornår ordene blev sagt.

Relaterede værktøjer