இலவச ஆடியோவை உரையாக்கு

இது எவ்வாறு செயல்படுகிறது

Transcription உங்கள் பிரவுசரில் நேரடியாக ஒரு Whisper பேச்சு-அறிதல் மாடலை இயக்குகிறது. ஆடியோ டீகோட் செய்யப்பட்டு, மறு-மாதிரி செய்யப்பட்டு உங்கள் சொந்த சாதனத்தில் மாடலுக்கு அளிக்கப்படுகிறது — பதிவு ஒருபோதும் அப்லோட் செய்யப்படாது.

1. 1
   உங்கள் கோப்பு 16 kHz மோனோவாக டீகோட் செய்யப்படுகிறது

   Whisper ஒரே ஒரு ஃபார்மேட்டை மட்டுமே ஏற்கிறது: வினாடிக்கு 16,000 மாதிரிகள் கொண்ட ஒற்றை-சேனல் ஆடியோ. பிரவுசர் ஆடியோ இன்ஜின் தானாகவே மாற்றத்தைச் செய்கிறது, இது பெரும்பாலான இசை மற்றும் குரல் கோப்புகளுக்கு எந்த கூடுதல் பதிவிறக்கமும் இல்லை என்று அர்த்தம். அசாதாரண வீடியோ கன்டெய்னர்கள் பன்டில் செய்யப்பட்ட ffmpeg-க்கு மாறுகின்றன.
2. 2
   மாடல் ஒருமுறை பதிவிறக்கப்படுகிறது, நீங்கள் கேட்கும்போது மட்டுமே

   பேச்சு மாடல் சுமார் 81 MB (அல்லது வேகமான, குறைந்த-துல்லியமான விருப்பத்திற்கு 45 MB). நீங்கள் Load அழுத்தியப் பிறகே இது பெறப்படுகிறது, பின் கேச் செய்யப்படுகிறது, எனவே பிற்கால வருகைகள் உடனடியாகத் தொடங்கும். நீங்கள் அதை எப்போது வேண்டுமானாலும் மீண்டும் அகற்றலாம்.
3. 3
   ஆடியோ 30-வினாடி சாளரங்களில் டிரான்ஸ்கிரைப் செய்யப்படுகிறது

   Whisper ஒவ்வொரு பக்கத்திலும் 5 வினாடிகள் ஓவர்லேப்புடன் ஒரு நேரத்தில் 30 வினாடிகளைப் படிக்கிறது, எனவே ஒரு எல்லையைத் தாண்டும் வார்த்தைகள் இழக்கப்படுவதில்லை. இது ஒரு பின்னணி நூலில் இயங்குகிறது, அதனால்தான் பக்கம் பதிலளிக்கக்கூடியதாகவும் Cancel வேலை செய்யத் தொடர்ந்தும் இருக்கும்.
4. 4
   டெக்ஸ்ட் படிக்கக்கூடிய சப்டைட்டில்களாகிறது

   தூய வெளியீடு பிரிக்கப்பட்டு மறு-நேரமிடப்படுகிறது, எனவே எந்த வரியும் 42 எழுத்துக்களை மீறாது, வினாடிக்கு 21 எழுத்துக்களை விட வேகமாக எதுவும் ஓடாது — எங்கள் Subtitle Editor சரிபார்க்கும் அதே வரம்புகள். வார்த்தைகள் எப்போது சொல்லப்பட்டன என்பதை தவறாக பிரதிநிதித்துவப்படுத்துவதால், நேரங்கள் அந்த இலக்குகளை அடைய ஒருபோதும் நீட்டிக்கப்படுவதில்லை.

தொடர்புடைய கருவிகள்