Âm thanh sang văn bản miễn phí

Cách hoạt động

Chép lời chạy mô hình nhận dạng giọng nói Whisper trực tiếp trong trình duyệt. Âm thanh được giải mã, lấy mẫu lại và đưa vào mô hình trên chính thiết bị của bạn — bản ghi không bao giờ được tải lên.

1. 1
   Tệp của bạn được giải mã sang mono 16 kHz

   Whisper chỉ chấp nhận một định dạng: âm thanh một kênh ở 16.000 mẫu mỗi giây. Bộ máy âm thanh của trình duyệt tự thực hiện chuyển đổi, nghĩa là với hầu hết tệp nhạc và giọng nói không cần tải thêm gì. Các định dạng video khác thường sẽ dùng ffmpeg đi kèm.
2. 2
   Mô hình chỉ tải một lần, và chỉ khi bạn yêu cầu

   Mô hình giọng nói nặng khoảng 81 MB (hoặc 45 MB cho lựa chọn nhanh hơn nhưng kém chính xác hơn), và công cụ chạy nó thêm khoảng 27 MB. Chỉ được tải sau khi bạn nhấn Tải, rồi lưu vào bộ nhớ đệm để những lần truy cập sau khởi động ngay. Bạn có thể gỡ bỏ bất cứ lúc nào.
3. 3
   Âm thanh được chép lời theo cửa sổ 30 giây

   Whisper đọc 30 giây mỗi lần với 5 giây chồng lấn ở mỗi phía, nên các từ nằm vắt qua ranh giới không bị mất. Việc này chạy trong luồng nền, vì vậy trang vẫn phản hồi và nút Hủy vẫn hoạt động.
4. 4
   Văn bản trở thành phụ đề dễ đọc

   Đầu ra thô được chia và căn lại thời gian để không dòng nào vượt quá 42 ký tự và không có gì chạy nhanh hơn 21 ký tự mỗi giây — cùng các giới hạn mà Trình chỉnh sửa phụ đề của chúng tôi kiểm tra. Thời gian không bao giờ bị kéo giãn để đạt các mục tiêu đó, vì như vậy sẽ phản ánh sai thời điểm các từ được nói.

Công cụ liên quan