Инструментът извлича звуковата пътека в браузъра, преобразува я в 16 kHz моно сигнал за Whisper и изчислява времето на субтитрите във фонов процес. WebGPU ускорява обработката на поддържаните компютри; останалите браузъри използват по-бавен режим с процесора. Преди експортиране може да поправите текста, началото и края на всеки сегмент.
Автоматични субтитри за видео
Работи изцяло в браузъра - без качване и без регистрация.
Как да създам автоматични субтитри за видео?
Добавете видео и генераторът на автоматични субтитри ще стартира разпознаване на реч с Whisper директно на устройството. Ще получите редактируеми сегменти с времеви маркери, които може да прегледате и изтеглите като SRT или VTT. Видеото не се качва никъде, но при първото използване браузърът трябва да изтегли AI модела.
Как се използва
- 1Изберете видео. Пуснете MP4, WebM, MOV, M4V или MKV файл върху инструмента или натиснете зоната за качване, за да го изберете от устройството.
- 2Създайте субтитри с времеви маркери. Натиснете „Създаване на субтитри“. При първото стартиране изчакайте многоезичният модел Whisper да се изтегли, след което оставете устройството да обработи звуковата пътека.
- 3Проверете всеки сегмент. Пускайте сегментите от редактора, поправяйте текста и променяйте началния или крайния час, когато автоматичната синхронизация е прекалено ранна или късна.
- 4Експортирайте файла със субтитри. Изтеглете SRT за видеоредактори и платформи или VTT за HTML видео и публикуване в интернет.
За кого е
- Автори на кратки видеа, които подготвят четими субтитри за клипове, преди да ги оформят или вградят във финалния монтаж.
- Учители и обучители, които правят записаните уроци по-лесни за следене и предоставят отделен файл със субтитри.
- Автори на подкасти и интервюиращи, които създават чернова с времеви маркери, без да изпращат непубликуваното видео към облачна услуга за транскрипция.
- Специалисти по достъпност, които подготвят първа версия и след това проверяват речта, имената, звуковите описания, синхронизацията и скоростта на четене.
Често задавани въпроси
Качва ли се видеото ми на сървър?
Не. Браузърът прочита избрания файл и предава декодираните аудиоданни само към локален фонов процес на същото устройство. Процесът изтегля файловете на модела Whisper от Hugging Face, но не качва видеото, звука или субтитрите. CanDoYa не получава и не съхранява файла.
Безплатен ли е генераторът на автоматични субтитри?
Да. Не са нужни профил и плащане, няма лимит за минути, воден знак или заключен експорт. Устройството извършва транскрипцията, така че реалната цена е време, памет и първото изтегляне на модела. Интернет доставчикът може да отчете този трафик при план с ограничени данни.
Видео с какъв размер и продължителност мога да обработя?
Може да изберете файл до 500 MB. Няма фиксиран лимит за минути, но дългите видеа изискват повече памет и време, защото декодирането и AI обработката се извършват локално. За едночасов запис използвайте съвременен лаптоп, затворете тежките раздели или първо разделете видеото.
Кои видеоформати работят?
Инструментът приема контейнери MP4, WebM, MOV, M4V, MKV, AVI, MPEG и OGV. Реалното декодиране на звука зависи от кодеците в браузъра и операционната система. Обикновено най-широко се поддържат MP4 с AAC звук и WebM с Opus звук.
Мога ли да редактирам автоматичните субтитри?
Да. За всеки сегмент може да промените текста, началния и крайния час. Пуснете сегмента, за да отидете на точното място във видеото, поправете грешките при разпознаване и уточнете границите. Експортът остава изключен, ако сегментът е празен, завършва преди началото или излиза извън продължителността на видеото.
Каква е разликата между SRT и VTT?
SRT е широко поддържан формат за субтитри във видеоредактори и платформи за публикуване. WebVTT има подобна структура с времеви маркери, но е създаден за уеб и работи директно с елемента за пътека на HTML видео. Инструментът експортира и двата формата без визуално оформление и без вграждане на текста в картината.
Работи ли създаването на субтитри без WebGPU?
Да. Инструментът първо опитва с WebGPU, защото съвместим графичен процесор ускорява Whisper. Ако WebGPU липсва или даде грешка, обработката се повтаря чрез WebAssembly на централния процесор. Този режим работи в повече браузъри, но може да е много по-бавен, особено за дълги видеа на телефони и по-стари компютри.
Достатъчно точни ли са автоматичните субтитри за достъпност?
Те са полезна чернова, а не завършен материал за достъпност. Шум, музика, едновременна реч, акценти, необичайни имена и специализирани термини могат да причинят грешки. Разпознаването на реч пропуска и много звукови описания и означения на говорещите, затова прегледайте видеото и добавете важните неречеви пояснения преди публикуване.