Το εργαλείο εξάγει το ηχητικό κομμάτι μέσα στο πρόγραμμα περιήγησης, το μετατρέπει στο μονοφωνικό σήμα 16 kHz που χρειάζεται το Whisper και υπολογίζει τους χρόνους σε μια διεργασία παρασκηνίου. Το WebGPU επιταχύνει την επεξεργασία σε συμβατούς υπολογιστές, ενώ τα υπόλοιπα προγράμματα περιήγησης χρησιμοποιούν την πιο αργή λειτουργία CPU. Πριν από την εξαγωγή, μπορείτε να διορθώσετε τόσο το κείμενο όσο και την αρχή και το τέλος κάθε υπότιτλου.
Αυτόματοι υπότιτλοι για βίντεο
Λειτουργεί εξ ολοκλήρου στον browser σας - χωρίς μεταφόρτωση, χωρίς εγγραφή.
Πώς μπορώ να δημιουργήσω αυτόματα υπότιτλους για ένα βίντεο;
Προσθέστε ένα βίντεο και αυτή η γεννήτρια αυτόματων υποτίτλων θα εκτελέσει την αναγνώριση ομιλίας Whisper τοπικά, χωρίς να μεταφορτώσει το αρχείο. Θα λάβετε χρονισμένους υπότιτλους που μπορείτε να δείτε, να διορθώσετε και να κατεβάσετε ως SRT ή VTT. Στην πρώτη χρήση, το πρόγραμμα περιήγησης πρέπει να κατεβάσει το μοντέλο AI.
Πώς λειτουργεί
- 1Επιλέξτε βίντεο. Σύρετε στο εργαλείο ένα αρχείο MP4, WebM, MOV, M4V ή MKV ή πατήστε στην περιοχή μεταφόρτωσης για να το επιλέξετε.
- 2Δημιουργήστε χρονισμένους υπότιτλους. Πατήστε Δημιουργία υποτίτλων. Στην πρώτη εκτέλεση, περιμένετε να κατέβει το πολύγλωσσο μοντέλο Whisper και αφήστε τη συσκευή να επεξεργαστεί το ηχητικό κομμάτι.
- 3Ελέγξτε κάθε υπότιτλο. Αναπαραγάγετε τους υπότιτλους από τον επεξεργαστή, διορθώστε τις λέξεις και αλλάξτε την αρχή ή το τέλος όταν ο αυτόματος χρονισμός είναι πρόωρος ή καθυστερημένος.
- 4Εξαγάγετε το αρχείο υποτίτλων. Κατεβάστε SRT για ευρεία υποστήριξη από προγράμματα επεξεργασίας και πλατφόρμες βίντεο ή VTT για βίντεο HTML και δημοσίευση στο διαδίκτυο.
Σε ποιους απευθύνεται
- Δημιουργοί σύντομων βίντεο που θέλουν ευανάγνωστους υπότιτλους πριν τους μορφοποιήσουν ή τους ενσωματώσουν στην τελική επεξεργασία.
- Εκπαιδευτικοί και εισηγητές που θέλουν να κάνουν ένα μαγνητοσκοπημένο μάθημα πιο εύκολο στην παρακολούθηση και να δώσουν ξεχωριστό αρχείο υποτίτλων.
- Παραγωγοί podcast και συνεντεύξεων που χρειάζονται ένα χρονισμένο προσχέδιο χωρίς να στείλουν αδημοσίευτο υλικό σε υπηρεσία μεταγραφής cloud.
- Ελεγκτές προσβασιμότητας που δημιουργούν μια πρώτη έκδοση για να ελέγξουν την ομιλία, τα ονόματα, τις ηχητικές ενδείξεις, τον χρονισμό και την ταχύτητα ανάγνωσης.
Συχνές ερωτήσεις
Μεταφορτώνεται το βίντεό μου σε διακομιστή;
Όχι. Το πρόγραμμα περιήγησης διαβάζει το επιλεγμένο αρχείο και στέλνει τα αποκωδικοποιημένα δείγματα ήχου σε μια διεργασία στην ίδια συσκευή. Η διεργασία κατεβάζει τα αρχεία του μοντέλου Whisper από το Hugging Face, αλλά δεν μεταφορτώνει το βίντεο, τον ήχο ή τους υπότιτλους. Το CanDoYa δεν λαμβάνει ούτε αποθηκεύει το αρχείο.
Είναι δωρεάν η γεννήτρια αυτόματων υποτίτλων;
Ναι. Δεν απαιτείται λογαριασμός ή πληρωμή και δεν υπάρχει όριο λεπτών, υδατογράφημα ή κλείδωμα εξαγωγής. Η μεταγραφή γίνεται από τη συσκευή σας, οπότε το πρακτικό κόστος είναι ο χρόνος επεξεργασίας, η χρήση μνήμης και η πρώτη λήψη του μοντέλου. Ο πάροχος διαδικτύου μπορεί να υπολογίσει αυτή τη λήψη αν η σύνδεση έχει όριο δεδομένων.
Τι μέγεθος και διάρκεια βίντεο μπορώ να επεξεργαστώ;
Μπορείτε να επιλέξετε αρχεία έως 500 MB. Δεν υπάρχει σταθερό όριο λεπτών, αλλά τα μεγάλα βίντεο χρειάζονται περισσότερη μνήμη και χρόνο επειδή η αποκωδικοποίηση και η επεξεργασία AI γίνονται τοπικά. Για ωριαίες εγγραφές, χρησιμοποιήστε σύγχρονο φορητό υπολογιστή, κλείστε καρτέλες που καταναλώνουν πολλή μνήμη ή χωρίστε πρώτα το βίντεο.
Ποιες μορφές βίντεο λειτουργούν;
Το εργαλείο δέχεται κοντέινερ MP4, WebM, MOV, M4V, MKV, AVI, MPEG και OGV. Η αποκωδικοποίηση του ήχου εξαρτάται από τους codec που υποστηρίζουν το πρόγραμμα περιήγησης και το λειτουργικό σύστημα. Το MP4 με ήχο AAC και το WebM με ήχο Opus έχουν συνήθως την ευρύτερη υποστήριξη.
Μπορώ να επεξεργαστώ τους αυτόματους υπότιτλους;
Ναι. Μπορείτε να αλλάξετε το κείμενο, την αρχή και το τέλος κάθε υπότιτλου. Αναπαραγάγετε έναν υπότιτλο για να μεταβείτε στην αρχή του, διορθώστε τα λάθη αναγνώρισης και ρυθμίστε τα όρια. Η εξαγωγή παραμένει ανενεργή όταν ένας υπότιτλος είναι κενός, τελειώνει πριν αρχίσει ή ξεπερνά τη διάρκεια του βίντεο.
Ποια είναι η διαφορά μεταξύ SRT και VTT;
Το SRT είναι μια ευρέως υποστηριζόμενη μορφή υποτίτλων για προγράμματα επεξεργασίας βίντεο και πλατφόρμες δημοσίευσης. Το WebVTT έχει παρόμοια δομή χρονισμένου κειμένου, αλλά είναι σχεδιασμένο για το διαδίκτυο και λειτουργεί απευθείας με το στοιχείο track ενός βίντεο HTML. Το εργαλείο εξάγει και τις δύο μορφές χωρίς οπτικό στιλ και χωρίς μόνιμη ενσωμάτωση του κειμένου στο βίντεο.
Λειτουργεί η δημιουργία υποτίτλων χωρίς WebGPU;
Ναι. Το εργαλείο δοκιμάζει πρώτα το WebGPU, επειδή ένας συμβατός επεξεργαστής γραφικών μπορεί να εκτελέσει το Whisper ταχύτερα. Αν το WebGPU δεν είναι διαθέσιμο ή αποτύχει, δοκιμάζει ξανά με WebAssembly στη CPU. Αυτή η επιλογή υποστηρίζει περισσότερα προγράμματα περιήγησης, αλλά μπορεί να είναι πολύ πιο αργή σε μεγάλα βίντεο, κινητά ή παλιούς υπολογιστές.
Είναι οι αυτόματοι υπότιτλοι αρκετά ακριβείς για προσβασιμότητα;
Είναι ένα χρήσιμο προσχέδιο, όχι ολοκληρωμένο παραδοτέο προσβασιμότητας. Ο θόρυβος, η μουσική, οι επικαλυπτόμενες φωνές, οι προφορές, τα ασυνήθιστα ονόματα και οι τεχνικοί όροι μπορεί να προκαλέσουν λάθη. Η αναγνώριση ομιλίας παραλείπει επίσης πολλές περιγραφές ήχων και ετικέτες ομιλητών. Ελέγξτε το βίντεο και προσθέστε τις σημαντικές μη λεκτικές ενδείξεις πριν δημοσιεύσετε επίσημους υπότιτλους.