Audio kepada teks percuma

Cara ia berfungsi

Transkripsi menjalankan model pengecaman-pertuturan Whisper terus dalam pelayar anda. Audio dinyahkod, disampel semula dan disuap kepada model pada peranti anda sendiri — rakaman tidak pernah dimuat naik.

1. 1
   Fail anda dinyahkod kepada 16 kHz mono

   Whisper hanya menerima satu format: audio saluran-tunggal pada 16,000 sampel sesaat. Enjin audio pelayar melakukan penukaran itu sendiri, yang untuk kebanyakan fail muzik dan suara bermaksud tiada muat turun tambahan langsung. Bekas video luar biasa kembali kepada ffmpeg terbundel.
2. 2
   Model dimuat turun sekali, dan hanya apabila anda minta

   Model pertuturan bersaiz kira-kira 81 MB (atau 45 MB untuk pilihan yang lebih pantas tetapi kurang tepat), dan enjin yang menjalankannya menambah kira-kira 27 MB. Ia hanya diambil selepas anda menekan Muat, kemudian disimpan dalam cache supaya lawatan seterusnya bermula serta-merta. Anda boleh mengalihkannya semula pada bila-bila masa.
3. 3
   Audio ditranskripkan dalam tetingkap 30-saat

   Whisper membaca 30 saat pada satu masa dengan 5 saat tindihan pada setiap sisi, supaya perkataan merentasi sempadan tidak hilang. Ini berjalan dalam bebenang latar belakang, sebab itulah halaman kekal responsif dan Batal terus berfungsi.
4. 4
   Teks menjadi sari kata boleh dibaca

   Output mentah dipecahkan dan diselaraskan semula masanya supaya tiada baris melebihi 42 aksara dan tiada apa-apa muncul lebih pantas daripada 21 aksara sesaat — had yang sama yang disemak oleh Subtitle Editor kami. Masa tidak pernah diregangkan untuk mencapai sasaran itu, kerana ia akan menyalahgambarkan bila perkataan itu dituturkan.

Alat berkaitan