აუდიო ტექსტად უფასოდ

როგორ მუშაობს

ტრანსკრიფცია უშვებს Whisper მეტყველების-ამოცნობის მოდელს პირდაპირ თქვენს ბრაუზერში. აუდიო დეკოდირდება, ხელახლა-სემპლირდება და მოდელს მიეწოდება თქვენს საკუთარ მოწყობილობაზე — ჩანაწერი არასდროს იტვირთება.

1. 1
   თქვენი ფაილი დეკოდირდება 16 კჰც მონოდ

   Whisper მხოლოდ ერთ ფორმატს იღებს: ერთ-არხიან აუდიოს, 16,000 სემპლი წამში. ბრაუზერის აუდიო ძრავი გარდაქმნას თავად ატარებს, რაც უმეტესი მუსიკისა და ხმის ფაილისთვის ნიშნავს, რომ დამატებითი ჩამოტვირთვა საერთოდ არ არის საჭირო. უჩვეულო ვიდეო კონტეინერები ჩაშენებულ ffmpeg-ზე გადადის.
2. 2
   მოდელი იტვირთება ერთხელ, და მხოლოდ როცა თქვენ ითხოვთ

   მეტყველების მოდელი დაახლოებით 81 MB-ია (ან 45 MB უფრო სწრაფი, მაგრამ ნაკლებად ზუსტი ვარიანტისთვის), მისი გამშვები ძრავა კი დაახლოებით 27 MB-ს ამატებს. ის მხოლოდ „ჩატვირთვაზე“ დაჭერის შემდეგ მოიტანება და ქეშირდება, რათა შემდეგი ვიზიტები მაშინვე დაიწყოს. მისი ნებისმიერ დროს წაშლა შეგიძლიათ.
3. 3
   აუდიო ტრანსკრიბირდება 30-წამიან ფანჯრებში

   Whisper 30 წამს კითხულობს ერთდროულად, 5-წამიანი გადაფარვით ორივე მხარეს, ასე რომ საზღვარზე მყოფი სიტყვები არ იკარგება. ეს ფონურ ნაკადში მუშაობს, რის გამოც გვერდი რეაგირებადი რჩება და „გაუქმება“ განაგრძობს მუშაობას.
4. 4
   ტექსტი ხდება წასაკითხი სუბტიტრები

   დაუმუშავებელი გამომავალი იყოფა და ხელახლა ითვლის დროზე, ასე რომ არცერთი ხაზი არ აღემატება 42 სიმბოლოს, და არაფერი მოძრაობს 21 სიმბოლოზე წამში უფრო სწრაფად — იგივე ლიმიტები, რასაც ჩვენი „სუბტიტრების რედაქტორი“ ამოწმებს. დროები არასდროს იჭიმება ამ სამიზნეების მისაღწევად, რადგან ეს დაამახინჯებდა, როდის ითქვა სიტყვები.

დაკავშირებული ინსტრუმენტები