Zvok v besedilo — brezplačno

Kako deluje

Prepis teče z modelom prepoznavanja govora Whisper neposredno v vašem brskalniku. Zvok se dekodira, prevzorči in dovaja modelu na vaši lastni napravi — posnetek se nikoli ne naloži.

1. 1
   Vaša datoteka se dekodira na 16 kHz mono

   Whisper sprejema le eno obliko: enokanalen zvok pri 16.000 vzorcih na sekundo. Zvočni pogon brskalnika opravi pretvorbo sam, kar za večino glasbenih in glasovnih datotek pomeni brez dodatnega prenosa. Nenavadni video vsebniki se zatečejo k zapakiranemu ffmpeg.
2. 2
   Model se prenese enkrat, in le, ko zahtevate

   Govorni model ima okoli 81 MB (ali 45 MB pri hitrejši, manj natančni izbiri), modul, ki ga požene, pa doda približno 27 MB. Prenese se šele, ko pritisnete Naloži, nato se shrani v predpomnilnik, zato se naslednji obiski začnejo takoj. Odstranite ga lahko kadar koli.
3. 3
   Zvok se prepisuje v 30-sekundnih oknih

   Whisper naenkrat prebere 30 sekund s 5 sekundami prekrivanja na vsaki strani, tako da se besede, ki segajo čez mejo, ne izgubijo. To teče v niti v ozadju, zato stran ostane odzivna in Prekliči še naprej deluje.
4. 4
   Besedilo postane berljivi podnapisi

   Surov izpis se razdeli in znova časovno umeri, tako da nobena vrstica ne presega 42 znakov in nič ne hiti hitreje kot 21 znakov na sekundo — iste meje, glede na katere preverja naš Urejevalnik podnapisov. Časovanje se nikoli ne razteguje za doseganje teh ciljev, ker bi to napačno predstavilo, kdaj so bile besede izgovorjene.

Sorodna orodja