यह टूल ब्राउज़र में ही वीडियो से ऑडियो निकालता है, उसे Whisper के लिए जरूरी 16 kHz मोनो सिग्नल में बदलता है और बैकग्राउंड वर्कर में कैप्शन की टाइमिंग बनाता है। सपोर्टेड कंप्यूटर पर WebGPU प्रोसेसिंग तेज करता है; बाकी ब्राउज़र धीमे CPU विकल्प का इस्तेमाल करते हैं। एक्सपोर्ट करने से पहले शब्द और हर कैप्शन का शुरू और खत्म होने का समय दोनों सुधारे जा सकते हैं।
वीडियो ऑटो कैप्शन जनरेटर
पूरी तरह आपके ब्राउज़र में चलता है - न कुछ अपलोड, न साइन-अप।
वीडियो के लिए ऑटो कैप्शन कैसे बनाएं?
वीडियो जोड़ें और यह ऑटो कैप्शन जनरेटर फ़ाइल अपलोड किए बिना आपके डिवाइस पर Whisper स्पीच रिकग्निशन चलाएगा। समय के साथ बने कैप्शन को पहले देखकर सुधार सकते हैं और SRT या VTT में डाउनलोड कर सकते हैं। पहली बार इस्तेमाल करने पर ब्राउज़र AI मॉडल डाउनलोड करेगा।
कैसे इस्तेमाल करें
- 1वीडियो चुनें. MP4, WebM, MOV, M4V या MKV फ़ाइल टूल पर ड्रॉप करें, या अपलोड वाले हिस्से पर क्लिक करके चुनें।
- 2समयबद्ध कैप्शन बनाएं. कैप्शन बनाएं पर क्लिक करें। पहली बार बहुभाषी Whisper मॉडल डाउनलोड होने दें, फिर डिवाइस को ऑडियो प्रोसेस करने का समय दें।
- 3हर कैप्शन जांचें. एडिटर से कैप्शन चलाकर सुनें, गलत शब्द ठीक करें और जो कैप्शन जल्दी या देर से दिख रहा हो उसका शुरू या खत्म होने का समय बदलें।
- 4कैप्शन फ़ाइल एक्सपोर्ट करें. वीडियो एडिटर और प्लेटफ़ॉर्म पर ज्यादा सपोर्ट के लिए SRT, या HTML वीडियो और वेब पब्लिशिंग के लिए VTT डाउनलोड करें।
किसके लिए है
- शॉर्ट वीडियो बनाने वाले क्लिप को स्टाइल करने या आखिरी एडिट में कैप्शन जोड़ने से पहले पढ़ने लायक टेक्स्ट तैयार कर सकते हैं।
- शिक्षक और ट्रेनर रिकॉर्डेड पाठ को समझना आसान बना सकते हैं और अलग से डाउनलोड होने वाली सबटाइटल फ़ाइल दे सकते हैं।
- पॉडकास्टर और इंटरव्यू लेने वाले बिना छपी फुटेज को क्लाउड ट्रांसक्रिप्शन सेवा पर भेजे बातचीत का समयबद्ध ड्राफ्ट बना सकते हैं।
- एक्सेसिबिलिटी की जांच करने वाले बोलचाल, नाम, साउंड क्यू, टाइमिंग और पढ़ने की रफ्तार को जांचने के लिए पहला ड्राफ्ट बना सकते हैं।
अक्सर पूछे जाने वाले सवाल
क्या मेरा वीडियो किसी सर्वर पर अपलोड होता है?
नहीं। ब्राउज़र चुनी गई फ़ाइल पढ़कर डिकोड किए हुए ऑडियो सैंपल उसी डिवाइस के वर्कर को देता है। वर्कर Hugging Face से Whisper मॉडल की फ़ाइलें डाउनलोड करता है, लेकिन वीडियो, ऑडियो या कैप्शन अपलोड नहीं करता। CanDoYa आपकी फ़ाइल न लेता है, न स्टोर करता है।
क्या ऑटो कैप्शन जनरेटर मुफ्त है?
हां। अकाउंट, भुगतान, कैप्शन मिनट की सीमा, वॉटरमार्क या एक्सपोर्ट लॉक नहीं है। ट्रांसक्रिप्शन आपका डिवाइस करता है, इसलिए केवल स्थानीय प्रोसेसिंग का समय, मेमोरी और पहली बार मॉडल डाउनलोड होना व्यावहारिक लागत हैं। सीमित डेटा वाले कनेक्शन पर यह डाउनलोड आपके डेटा में गिना जा सकता है।
कितने बड़े और लंबे वीडियो के कैप्शन बन सकते हैं?
अपलोडर 500 MB तक की फ़ाइल स्वीकार करता है। मिनट की तय सीमा नहीं है, लेकिन लंबे वीडियो ज्यादा मेमोरी लेते हैं और धीमे चलते हैं क्योंकि डिकोडिंग और AI प्रोसेसिंग डिवाइस पर होती है। घंटे भर की रिकॉर्डिंग के लिए नया लैपटॉप इस्तेमाल करें, ज्यादा मेमोरी लेने वाले टैब बंद करें या वीडियो को पहले छोटे हिस्सों में बांटें।
कौन से वीडियो फ़ॉर्मेट चलते हैं?
टूल MP4, WebM, MOV, M4V, MKV, AVI, MPEG और OGV कंटेनर स्वीकार करता है। ऑडियो डिकोड होगा या नहीं, यह आपके ब्राउज़र और ऑपरेटिंग सिस्टम में मौजूद codec पर निर्भर है। AAC ऑडियो वाला MP4 और Opus ऑडियो वाला WebM आम तौर पर सबसे ज्यादा ब्राउज़र में चलता है।
क्या ऑटो कैप्शन एडिट किए जा सकते हैं?
हां। हर कैप्शन का टेक्स्ट, शुरू होने का समय और खत्म होने का समय बदला जा सकता है। प्ले दबाकर प्रीव्यू को उसी कैप्शन की शुरुआत पर लाएं, पहचाने गए गलत शब्द सुधारें और सीमा बदलें। कैप्शन खाली हो, शुरू होने से पहले खत्म हो या वीडियो की अवधि से बाहर जाए तो एक्सपोर्ट बंद रहेगा।
SRT और VTT में क्या अंतर है?
SRT एक आम सबटाइटल फ़ॉर्मेट है जिसे वीडियो एडिटर और पब्लिशिंग प्लेटफ़ॉर्म सपोर्ट करते हैं। WebVTT की समयबद्ध टेक्स्ट संरचना मिलती-जुलती है, लेकिन इसे वेब के लिए बनाया गया है और यह HTML video के track एलिमेंट के साथ सीधे चलता है। यह टूल बिना विजुअल स्टाइल लगाए या टेक्स्ट को वीडियो में स्थायी रूप से जोड़े दोनों फ़ॉर्मेट एक्सपोर्ट करता है।
क्या WebGPU के बिना कैप्शन बनेंगे?
हां। टूल पहले WebGPU चलाता है क्योंकि सही graphics processor पर Whisper तेज हो सकता है। WebGPU न मिले या असफल हो तो यह CPU पर WebAssembly से दोबारा कोशिश करता है। यह विकल्प ज्यादा ब्राउज़र में चलता है, लेकिन लंबे वीडियो, फोन या पुराने कंप्यूटर पर काफी धीमा हो सकता है।
क्या ऑटो कैप्शन एक्सेसिबिलिटी के लिए पर्याप्त सही हैं?
ये उपयोगी ड्राफ्ट हैं, तैयार एक्सेसिबिलिटी सामग्री नहीं। शोर, संगीत, एक साथ बोलती आवाजें, अलग उच्चारण, कम सुने गए नाम और तकनीकी शब्द गलतियां करा सकते हैं। स्पीच रिकग्निशन कई साउंड विवरण और वक्ता के लेबल भी छोड़ देता है। औपचारिक क्लोज्ड कैप्शन प्रकाशित करने से पहले वीडियो जांचें और जरूरी गैर-मौखिक क्यू जोड़ें।