Työkalu poimii videon ääniraidan selaimessa, muuntaa sen Whisperin tarvitsemaksi 16 kHz:n monosignaaliksi ja luo tekstityksen aikakoodit taustaprosessissa. WebGPU nopeuttaa käsittelyä tuetuilla tietokoneilla; muut selaimet käyttävät hitaampaa suoritinvarmistusta. Ennen vientiä voi korjata sekä sanat että jokaisen tekstitysrivin alku- ja loppuajan.
Automaattinen tekstitys videoon
Toimii kokonaan selaimessasi - ei lähetyksiä, ei rekisteröitymistä.
Miten teen videoon automaattisen tekstityksen?
Lisää video, niin työkalu suorittaa Whisper-puheentunnistuksen omalla laitteellasi. Se luo muokattavat tekstitysrivit aikakoodeineen. Voit esikatsella ne ja ladata SRT- tai VTT-tiedoston. Videota ei lähetetä verkkoon, mutta selaimen täytyy ladata tekoälymalli ensimmäisellä käyttökerralla.
Näin se toimii
- 1Valitse video. Pudota MP4-, WebM-, MOV-, M4V- tai MKV-tiedosto työkaluun tai valitse se napsauttamalla latausaluetta.
- 2Luo ajastettu tekstitys. Napsauta Luo tekstitys. Odota ensimmäisellä kerralla monikielisen Whisper-mallin latautumista, minkä jälkeen laite käsittelee ääniraidan.
- 3Tarkista jokainen tekstitysrivi. Toista rivi editorissa, korjaa väärin tunnistetut sanat ja säädä alku- tai loppuaikaa, jos automaattinen ajoitus on liian aikainen tai myöhäinen.
- 4Vie tekstitystiedosto. Lataa laajasti tuettu SRT videoeditoreita ja alustoja varten tai valitse VTT HTML-videoon ja verkkojulkaisuun.
Kenelle
- Lyhytvideoiden tekijät saavat helppolukuisen tekstityspohjan ennen tyylittelyä tai tekstin polttamista lopulliseen videoon.
- Opettajat ja kouluttajat tekevät tallennetuista oppitunneista helpompia seurata ja tarjoavat erillisen tekstitystiedoston.
- Podcastien tekijät ja haastattelijat muuttavat videokeskustelun aikakoodatuksi luonnokseksi lähettämättä julkaisematonta aineistoa pilvipalveluun.
- Saavutettavuuden tarkistajat luovat ensimmäisen version, josta puhe, nimet, äänivihjeet, ajoitus ja lukunopeus voidaan tarkistaa.
Usein kysyttyä
Lähetetäänkö videoni palvelimelle?
Ei. Selain lukee valitun tiedoston ja välittää vain puretut ääninäytteet samassa laitteessa toimivalle workerille. Worker lataa Whisper-mallitiedostot Hugging Facesta, mutta ei lähetä videota, ääntä tai tekstitystä. CanDoYa ei vastaanota eikä tallenna tiedostoa.
Onko automaattinen tekstitys ilmainen?
On. Tiliä, maksua, minuuttikiintiötä, vesileimaa tai lukittua vientiä ei ole. Laite tekee litteroinnin, joten käytännön kustannuksia ovat käsittelyaika, muisti ja mallin ensimmäinen lataus. Operaattori voi laskea latauksen mukaan rajattuun datapakettiin.
Kuinka suuren ja pitkän videon voin tekstittää?
Tiedostovalitsin hyväksyy enintään 500 Mt:n tiedoston. Kiinteää minuuttirajaa ei ole, mutta pitkä video tarvitsee enemmän muistia ja aikaa, koska purku ja tekoälyn laskenta tapahtuvat laitteella. Käytä tunnin tallenteisiin nykyaikaista kannettavaa, sulje paljon muistia käyttävät välilehdet tai jaa video ensin osiin.
Mitkä videomuodot toimivat?
Työkalu hyväksyy MP4-, WebM-, MOV-, M4V-, MKV-, AVI-, MPEG- ja OGV-säiliöt. Ääniraidan todellinen purku riippuu selaimen ja käyttöjärjestelmän koodekeista. AAC-ääntä sisältävä MP4 ja Opus-ääntä sisältävä WebM toimivat yleensä useimmissa selaimissa.
Voinko muokata automaattista tekstitystä?
Kyllä. Jokaisella rivillä on muokattava teksti sekä alku- ja loppuaika. Toista rivi siirtyäksesi sen alkuun ja korjaa tunnistusvirheet tai aikarajat. Vienti pysyy poissa käytöstä, jos rivi on tyhjä, päättyy ennen alkua tai jatkuu videon keston yli.
Mitä eroa SRT- ja VTT-tiedostoilla on?
SRT on videoeditoreissa ja julkaisualustoilla laajasti tuettu tekstitysmuoto. WebVTT käyttää samankaltaista aikakoodattua rakennetta, mutta se on suunniteltu verkkoon ja toimii suoraan HTML:n video-elementin kanssa. Työkalu vie molemmat lisäämättä tyyliä tai polttamatta tekstiä kuvaan.
Toimiiko tekstitys ilman WebGPU:ta?
Kyllä. Työkalu kokeilee ensin WebGPU:ta, koska yhteensopiva näytönohjain voi suorittaa Whisperin nopeammin. Jos WebGPU puuttuu tai epäonnistuu, työkalu yrittää uudelleen WebAssemblylla suorittimessa. Vara toimii useammissa selaimissa, mutta voi olla hyvin hidas pitkillä videoilla puhelimissa ja vanhoissa tietokoneissa.
Onko automaattinen tekstitys riittävän tarkka saavutettavuuteen?
Se on hyödyllinen luonnos, ei valmis saavutettava julkaisu. Melu, musiikki, päällekkäinen puhe, murteet, harvinaiset nimet ja erikoistermit voivat aiheuttaa virheitä. Automaattinen tunnistus jättää myös äänikuvauksia ja puhujamerkintöjä pois. Tarkista video ja lisää merkitykselliset muut kuin puhetiedot ennen lopullisen tekstityksen julkaisua.