Ձայնից տեքստ անվճար

Ինչպես է այն աշխատում

Տառադարձումը գործարկում է Whisper խոսքի-ճանաչման մոդել ուղղակիորեն ձեր դիտարկիչում։ Աուդիոն վերծանվում, վերանմուշառվում և սնուցվում է մոդելին ձեր սեփական սարքում — ձայնագրությունը երբեք չի վերբեռնվում։

1. 1
   Ձեր ֆայլը վերծանվում է 16 կՀց մոնոյի

   Whisper-ն ընդունում է միայն մեկ ձևաչափ. մեկ-ալիք աուդիո 16,000 նմուշ վայրկյանում։ Դիտարկիչի աուդիո շարժիչն ինքն է կատարում փոխարկումը, ինչը երաժշտության և ձայնի ֆայլերի մեծ մասի համար նշանակում է ոչ մի լրացուցիչ ներբեռնում։ Անսովոր տեսանյութի կոնտեյները վերադառնում են փաթեթավորված ffmpeg-ին։
2. 2
   Մոդելը ներբեռնվում է մեկ անգամ, և միայն երբ խնդրում եք

   Խոսքի մոդելը կշռում է մոտ 81 ՄԲ (կամ 45 ՄԲ՝ ավելի արագ, բայց պակաս ճշգրիտ տարբերակի համար), իսկ այն գործարկող շարժիչը ավելացնում է մոտ 27 ՄԲ։ Այն բեռնվում է միայն Բեռնել սեղմելուց հետո, ապա պահվում է քեշում, որպեսզի հաջորդ այցերը սկսվեն անմիջապես։ Կարող եք այն ցանկացած ժամանակ հեռացնել։
3. 3
   Աուդիոն տառադարձվում է 30-վայրկյանանոց պատուհանների

   Whisper-ը կարդում է 30 վայրկյան միանգամից՝ 5 վայրկյան համընկնումով ամեն կողմում, ուստի սահման հատող բառերը չեն կորչում։ Սա աշխատում է ֆոնային հոսքում, ինչի պատճառով էջը մնում է արձագանքող, և Չեղարկելը շարունակում է աշխատել։
4. 4
   Տեքստը դառնում է ընթեռնելի ենթագրեր

   Հում ելքը բաժանված և կրկին ժամկետավորված է, որպեսզի ոչ մի տող չգերազանցի 42 նիշը, և ոչինչ չընթանա ավելի արագ, քան 21 նիշ վայրկյանում — նույն սահմանները, որոնց դեմ ստուգում է մեր Ենթագրերի Խմբագիրը։ Ժամկետները երբեք չեն ձգվում այդ նպատակներին հասնելու համար, քանի որ դա սխալ կներկայացներ, թե երբ են ասվել բառերը։

Առնչվող գործիքներ