אודיו לטקסט בחינם

כיצד זה עובד

התמלול מריץ מודל זיהוי-דיבור Whisper ישירות בדפדפן שלך. האודיו מפוענח, נדגם-מחדש, ומוזן למודל על המכשיר שלך — ההקלטה לעולם לא מועלית.

1. 1
   הקובץ שלך מפוענח ל-16kHz מונו

   Whisper מקבל רק פורמט אחד: אודיו חד-ערוצי ב-16,000 דגימות לשנייה. מנוע האודיו של הדפדפן מבצע את ההמרה בעצמו, מה שעבור רוב קבצי המוזיקה והקול אומר שאין הורדה נוספת בכלל. מארזי וידאו לא-שגרתיים נופלים חזרה ל-ffmpeg המצורף.
2. 2
   המודל מורד פעם אחת, ורק כשתבקש

   מודל הדיבור שוקל כ-81 MB (או 45 MB באפשרות המהירה והפחות מדויקת), והמנוע שמריץ אותו מוסיף כ-27 MB. הוא נטען רק אחרי שתלחץ על טען, ואז נשמר במטמון כך שביקורים הבאים מתחילים מיד. אפשר להסיר אותו שוב בכל עת.
3. 3
   האודיו מתומלל בחלונות בני 30 שניות

   Whisper קורא 30 שניות בכל פעם עם חפיפה של 5 שניות בכל צד, כך שמילים שחוצות גבול לא נאבדות. זה פועל בחוט רקע, וזו הסיבה שהדף נשאר מגיב וביטול ממשיך לעבוד.
4. 4
   הטקסט הופך לכתוביות קריאות

   הפלט הגולמי מפוצל ומתוזמן-מחדש כך שאף שורה לא עולה על 42 תווים ושום דבר לא דוהר מהר יותר מ-21 תווים לשנייה — אותן מגבלות שעורך הכתוביות שלנו בודק מולן. תזמונים לעולם לא נמתחים כדי לפגוע ביעדים האלה, כי זה היה מציג לא נכון מתי המילים נאמרו.

כלים קשורים