Audio ke teks gratis

Cara kerja

Transkripsi menjalankan model pengenalan-suara Whisper langsung di browser Anda. Audio didekode, diresampling, dan diteruskan ke model di perangkat Anda sendiri — rekaman tidak pernah diunggah.

1. 1
   File Anda didekode menjadi 16 kHz mono

   Whisper hanya menerima satu format: audio saluran-tunggal pada 16.000 sampel per detik. Mesin audio browser melakukan konversinya sendiri, yang untuk sebagian besar file musik dan suara berarti tidak ada unduhan tambahan sama sekali. Untuk wadah video yang tidak biasa, alat ini beralih ke ffmpeg bawaan.
2. 2
   Model diunduh sekali, dan hanya saat Anda meminta

   Model ucapan berukuran sekitar 81 MB (atau 45 MB untuk opsi yang lebih cepat tetapi kurang akurat), dan mesin yang menjalankannya menambah sekitar 27 MB. Ia diambil hanya setelah Anda menekan Muat, lalu disimpan di cache agar kunjungan berikutnya langsung mulai. Anda bisa menghapusnya kapan saja.
3. 3
   Audio ditranskripsi dalam jendela 30-detik

   Whisper membaca 30 detik pada satu waktu dengan 5 detik tumpang-tindih di setiap sisi, sehingga kata yang membentang batas tidak hilang. Ini berjalan di thread latar belakang, itulah sebabnya halaman tetap responsif dan Batal terus berfungsi.
4. 4
   Teks menjadi subtitle yang terbaca

   Keluaran mentah dibagi dan diatur ulang waktunya sehingga tidak ada baris yang melebihi 42 karakter dan tidak ada yang melaju lebih cepat dari 21 karakter per detik — batas yang sama yang diperiksa Subtitle Editor kami. Waktu tidak pernah diregangkan untuk mencapai target itu, karena itu akan salah merepresentasikan kapan kata-kata itu diucapkan.

Alat terkait