Gratis Lyd til tekst

Hvordan det fungerer

Transkriberingen kjører en Whisper-talegjenkjenningsmodell direkte i nettleseren. Lyden dekodes, resamples og sendes til modellen på din egen enhet — opptaket lastes aldri opp.

1. 1
   Filen dekodes til 16 kHz mono

   Whisper godtar bare ett format: enkanalslyd med 16 000 samples per sekund. Nettleserens lydmotor gjør konverteringen selv, noe som for de fleste musikk- og talefiler betyr ingen ekstra nedlasting i det hele tatt. Uvanlige videoformater faller tilbake til den medfølgende ffmpeg.
2. 2
   Modellen lastes ned én gang, og bare når du ber om det

   Talemodellen er på rundt 81 MB (eller 45 MB for det raskere, mindre nøyaktige alternativet), og motoren som kjører den, legger til ca. 27 MB. Den hentes først når du trykker Last inn, og lagres deretter i hurtigbufferen slik at senere besøk starter umiddelbart. Du kan fjerne den igjen når som helst.
3. 3
   Lyden transkriberes i vinduer på 30 sekunder

   Whisper leser 30 sekunder om gangen med 5 sekunders overlapp på hver side, så ord som krysser en grense ikke går tapt. Dette kjører i en bakgrunnstråd, og derfor forblir siden responsiv og Avbryt fortsetter å virke.
4. 4
   Teksten blir til lesbare undertekster

   Rått resultat deles opp og tidsjusteres så ingen linje overstiger 42 tegn og ingenting suser forbi raskere enn 21 tegn i sekundet — de samme grensene som undertekstredigereren vår kontrollerer mot. Tidene strekkes aldri for å nå disse målene, fordi det ville gitt feil bilde av når ordene ble sagt.

Relaterte verktøy