L'eina extreu la pista d'àudio dins del navegador, la converteix en el senyal mono de 16 kHz que necessita Whisper i calcula els temps en un procés en segon pla. WebGPU accelera la feina als ordinadors compatibles; la resta utilitzen el processador, que és més lent. Abans d'exportar, l'editor permet corregir tant les paraules com els límits de cada fragment.
Generador de subtítols automàtics
Funciona del tot al navegador: sense pujar res ni registrar-te.
Com puc generar subtítols per a un vídeo automàticament?
Afegeix un vídeo i aquest generador de subtítols automàtics farà servir el reconeixement de veu de Whisper al teu dispositiu. Crea fragments temporitzats i editables que pots revisar i baixar en SRT o VTT. El vídeo no es puja mai, tot i que el navegador ha de baixar el model d'IA el primer cop.
Com s’utilitza
- 1Tria un vídeo. Arrossega un fitxer MP4, WebM, MOV, M4V o MKV a l'eina, o fes clic a l'àrea de càrrega per seleccionar-lo.
- 2Genera els subtítols. Fes clic a Genera subtítols. El primer cop, espera que es baixi el model multilingüe Whisper i deixa que el dispositiu processi la pista d'àudio.
- 3Revisa cada fragment. Reprodueix els subtítols des de l'editor, corregeix el text i ajusta l'inici o el final quan el temps automàtic vagi avançat o endarrerit.
- 4Exporta el fitxer. Baixa SRT per utilitzar-lo a la majoria d'editors i plataformes, o VTT per a vídeo HTML i publicació web.
Per a qui és
- Creadors de vídeos curts que preparen subtítols llegibles abans de donar-los estil o integrar-los en l'edició final.
- Docents i formadors que faciliten el seguiment de classes gravades i ofereixen una pista de subtítols per baixar.
- Podcasters i entrevistadors que converteixen converses en vídeo en un esborrany temporitzat sense enviar material inèdit a un servei de transcripció al núvol.
- Revisors d'accessibilitat que creen una primera versió per comprovar la parla, els noms, les indicacions sonores, els temps i la velocitat de lectura.
Preguntes freqüents
El meu vídeo es puja a un servidor?
No. El navegador llegeix el fitxer seleccionat i passa les mostres d'àudio descodificades a un procés del mateix dispositiu. Aquest procés baixa els fitxers del model Whisper des de Hugging Face, però no envia el vídeo, l'àudio ni els subtítols. CanDoYa no rep ni desa el fitxer.
El generador de subtítols automàtics és gratuït?
Sí. No cal tenir compte ni pagar, i no hi ha límit de minuts, marca d'aigua ni bloqueig de l'exportació. Com que el dispositiu fa la transcripció, els límits pràctics són el temps de processament, la memòria disponible i la primera baixada del model. El proveïdor d'Internet pot comptabilitzar aquesta baixada si tens una tarifa de dades limitada.
Quina mida i durada de vídeo puc subtitular?
L'eina accepta fitxers de fins a 500 MB. No hi ha un límit fix de minuts, però els vídeos llargs necessiten més memòria i temps perquè la descodificació i la IA s'executen localment. Per a gravacions d'una hora, fes servir un portàtil modern, tanca les pestanyes que consumeixin molta memòria o divideix abans el vídeo.
Quins formats de vídeo funcionen?
L'eina accepta contenidors MP4, WebM, MOV, M4V, MKV, AVI, MPEG i OGV. La descodificació de l'àudio depèn dels còdecs del navegador i del sistema operatiu. MP4 amb àudio AAC i WebM amb àudio Opus solen oferir la compatibilitat més àmplia.
Puc editar els subtítols automàtics?
Sí. Pots modificar el text, l'hora d'inici i l'hora de final de cada fragment. Reprodueix-ne un per portar el vídeo al començament, corregeix els errors de reconeixement i ajusta els límits. L'exportació queda desactivada si un fragment és buit, acaba abans de començar o supera la durada del vídeo.
Quina diferència hi ha entre SRT i VTT?
SRT és un format de subtítols molt compatible amb editors de vídeo i plataformes de publicació. WebVTT utilitza una estructura semblant de text temporitzat, però està pensat per al web i funciona directament amb l'element track del vídeo HTML. L'eina exporta tots dos sense aplicar estils ni integrar el text a la imatge.
La generació funciona sense WebGPU?
Sí. L'eina prova primer WebGPU perquè una targeta gràfica compatible pot executar Whisper més de pressa. Si WebGPU no està disponible o falla, ho torna a provar amb WebAssembly al processador. Aquesta alternativa funciona en més navegadors, però pot ser molt més lenta, sobretot amb vídeos llargs, mòbils o ordinadors antics.
Els subtítols automàtics són prou precisos per a l'accessibilitat?
Són un esborrany útil, no un resultat final d'accessibilitat. El soroll, la música, les veus superposades, els accents, els noms poc habituals i els termes tècnics poden causar errors. El reconeixement automàtic també omet moltes descripcions sonores i identificacions de parlants, així que revisa el vídeo i afegeix les indicacions no verbals importants abans de publicar.