निःशुल्क अडियोबाट पाठ

यो कसरी काम गर्छ

ट्रान्सक्रिप्सनले सीधै तपाईंको ब्राउजरमा एउटा Whisper स्पीच-रिकग्निसन मोडेल चलाउँछ। अडियो तपाईंकै उपकरणमा डिकोड, रिस्याम्पल र मोडेललाई दिइन्छ — रेकर्डिङ कहिल्यै अपलोड हुँदैन।

1. 1
   तपाईंको फाइल 16 kHz मोनोमा डिकोड हुन्छ

   Whisper ले केवल एउटा ढाँचा मात्र स्वीकार गर्छ: प्रति सेकेन्ड 16,000 स्याम्पलको एकल-च्यानल अडियो। ब्राउजर अडियो इन्जिनले रूपान्तरण आफैं गर्छ, जुन धेरैजसो संगीत र आवाज फाइलहरूका लागि कुनै अतिरिक्त डाउनलोड हुँदैन भन्ने अर्थ हो। असामान्य भिडियो कन्टेनरहरू बन्डल गरिएको ffmpeg मा फलब्याक हुन्छन्।
2. 2
   मोडेल एकपटक, र तपाईंले सोध्दा मात्र डाउनलोड हुन्छ

   स्पिच मोडेल लगभग ८१ MB को छ (छिटो तर कम सटीक विकल्पको ४५ MB), र यसलाई चलाउने इन्जिनले लगभग २७ MB थप्छ। यो Load थिचेपछि मात्र ल्याइन्छ, अनि क्यासमा राखिन्छ ताकि पछिल्ला भ्रमण तुरुन्तै सुरु हुन्छन्। तपाईं जुनसुकै बेला यसलाई हटाउन सक्नुहुन्छ।
3. 3
   अडियो 30-सेकेन्ड विन्डोमा ट्रान्सक्राइब हुन्छ

   Whisper ले हरेक साइडमा 5 सेकेन्डको ओभरल्यापसहित एकपटकमा 30 सेकेन्ड पढ्छ, त्यसैले सीमा फैलिएका शब्दहरू गुम्दैनन्। यो एउटा पृष्ठभूमि थ्रेडमा चल्छ, त्यसैले पृष्ठ प्रतिक्रियाशील रहन्छ र Cancel ले काम गरिरहन्छ।
4. 4
   पाठ पढ्न मिल्ने सबटाइटल बन्छ

   कच्चा आउटपुट विभाजित र फेरि-समयबद्ध गरिन्छ त्यसैले कुनै पनि लाइनले 42 क्यारेक्टर नाघ्दैन र केही पनि प्रति सेकेन्ड 21 क्यारेक्टरभन्दा छिटो दौडिँदैन — हाम्रो Subtitle Editor ले जाँच्ने उही सीमा। टाइमिङहरू ती लक्ष्यहरू भेट्टाउन कहिल्यै तन्काइँदैनन्, किनभने त्यसले शब्दहरू कहिले भनिए भनी गलत प्रस्तुत गर्नेथ्यो।

सम्बन्धित उपकरणहरू