Przejdź do głównej treści
LibraTool logoLibraTool

Audio na tekst za darmo

Przepisz nagranie audio lub wideo na tekst i napisy, w całości na swoim urządzeniu. Eksport do SRT, VTT, ASS i innych. Bez wysyłania, bez konta.

Darmowy plan TurboScribe pozwala na 3 pliki dziennie — tutaj mowa jest transkrybowana na Twoim urządzeniu, a audio nigdy go nie opuszcza. · sprawdzono wrz 2026

Przeciągnij pliki tutaj lub kliknij, aby przeglądać

MP3, WAV, M4A, AAC, OGG, FLAC, WEBM, MP4, MOV, MKV, M4V · przetwarzane na Twoim urządzeniu

lub naciśnij Ctrl+V, aby wkleić ze schowka

Możesz przeciągnąć wiele plików naraz

Przeglądaj pliki

Upuść kilka plików naraz, aby transkrybować je jeden po drugim i zapisać razem jako ZIP.

Jak to działa

Transkrypcja uruchamia model rozpoznawania mowy Whisper bezpośrednio w przeglądarce. Dźwięk jest dekodowany, przepróbkowywany i przekazywany modelowi na Twoim urządzeniu — nagranie nigdy nie jest przesyłane.

  1. 1
    Plik jest dekodowany do 16 kHz mono
    Whisper przyjmuje tylko jeden format: jednokanałowy dźwięk z 16 000 próbek na sekundę. Konwersję wykonuje sam silnik audio przeglądarki, co w przypadku większości plików muzycznych i głosowych oznacza brak dodatkowego pobierania. Nietypowe kontenery wideo korzystają z dołączonego ffmpeg.
  2. 2
    Model pobiera się jednorazowo i tylko na Twoje żądanie
    Model mowy ma ok. 81 MB (lub 45 MB w szybszej, mniej dokładnej opcji), a silnik, który go uruchamia, dodaje ok. 27 MB. Jest pobierany dopiero po naciśnięciu Załaduj, a potem buforowany, więc kolejne wizyty startują natychmiast. Możesz go w każdej chwili usunąć.
  3. 3
    Dźwięk jest transkrybowany w 30-sekundowych oknach
    Whisper czyta po 30 sekund naraz z 5-sekundowym nakładaniem z każdej strony, więc słowa na granicy okien nie giną. Działa to w wątku w tle, dlatego strona pozostaje responsywna, a Anuluj nadal działa.
  4. 4
    Tekst staje się czytelnymi napisami
    Surowy wynik jest dzielony i ponownie synchronizowany tak, aby żaden wiersz nie przekraczał 42 znaków i nic nie przelatywało szybciej niż 21 znaków na sekundę — to te same limity, które sprawdza nasz Edytor napisów. Czasy nigdy nie są rozciągane, aby osiągnąć te cele, bo przekłamałoby to moment wypowiedzenia słów.

Twoje nagranie nigdy nie opuszcza urządzenia. Sam plik modelu pobiera się z naszego serwera, ale dźwięk jest odczytywany wyłącznie w Twojej przeglądarce — bezpiecznie dla wywiadów, notatek medycznych, nagrań prawnych i wszystkiego, co poufne.

Powiązane narzędzia

Często zadawane pytania