Šis įrankis įrašytą kalbą paverčia tekstu ir nesiunčia įrašo transkribavimo paslaugai. Whisper modelis veikia atskirame naršyklės procese, todėl puslapis išlieka sklandus, kol kompiuteris apdoroja garsą. Jei WebGPU pasiekiamas, naudojamas jis, o kitose naršyklėse įjungiamas lėtesnis procesoriaus režimas. Atsisiųstas modelis išsaugomas naršyklės podėlyje kitam apsilankymui.
Garso įrašo pavertimas tekstu
Veikia tik jūsų naršyklėje - nieko neįkeliama, registracija nereikalinga.
Kaip paversti garso įrašą tekstu jo niekur neįkeliant?
Pridėkite garso failą ir įrankis jūsų įrenginyje paleis Whisper kalbos atpažinimo modelį. Gausite redaguojamą transkriptą, kurį galėsite eksportuoti TXT arba SRT formatu. Įrašas niekur neįkeliamas, tačiau naudojant pirmą kartą naršyklė turi atsisiųsti AI modelį.
Kaip naudotis
- 1Pasirinkite įrašą. Nuvilkite MP3, WAV, M4A, OGG, FLAC ar WebM failą ant įrankio arba spustelėkite failo pasirinkimo sritį.
- 2Pradėkite privatų transkribavimą. Spustelėkite „Transkribuoti garsą“. Pirmą kartą palaukite, kol bus atsisiųstas daugiakalbis Whisper modelis, tada leiskite įrenginiui apdoroti įrašą.
- 3Patikrinkite ir eksportuokite. Dar kartą perklausykite neaiškias vietas, ištaisykite klaidas, tada nukopijuokite transkriptą arba atsisiųskite TXT ar SRT failą su laiko žymomis.
Kam pravers
- Žurnalistai ir tyrėjai gali parengti privatų juodraštį, o vardus ir citatas vėliau patikrinti klausydamiesi įrašo.
- Studentai gali paversti įrašytas paskaitas ar mokymosi pastabas redaguojamu tekstu, neįkeldami auditorijoje daryto įrašo.
- Tinklalaidžių ir vaizdo įrašų kūrėjai gali parengti darbinį transkriptą arba SRT failą su subtitrų laiko žymomis.
- Su jautriais įrašais dirbančios komandos gali palikti pradinį garsą įrenginyje, užuot siuntusios jį į debesijos transkribavimo eilę.
DUK
Ar mano garso įrašas įkeliamas į serverį?
Ne. Naršyklė iškoduoja pasirinktą failą ir perduoda garso duomenis tik vietiniam procesui tame pačiame įrenginyje. Procesas atsisiunčia Whisper modelio failus iš Hugging Face, tačiau neįkelia jūsų įrašo ar transkripto. CanDoYa failo negauna ir nesaugo.
Ar garso pavertimas tekstu nemokamas?
Taip. Nereikia paskyros, mokėjimo ar transkribavimo kreditų, o rezultate nėra vandens ženklo. AI skaičiavimus atlieka jūsų įrenginys, todėl praktinė kaina yra apdorojimo laikas, atmintis ir pirmasis modelio atsisiuntimas. Jei turite ribotą duomenų planą, interneto tiekėjas gali įskaičiuoti šį atsisiuntimą.
Kokio dydžio ir trukmės įrašą galiu transkribuoti?
Galima pasirinkti iki 500 MB failą. Fiksuoto minučių limito nėra, tačiau ilgiems įrašams reikia daugiau atminties ir laiko, nes apdorojimas vyksta įrenginyje. Valandos trukmės susitikimui ar paskaitai šiuolaikinis nešiojamasis kompiuteris tiks geriau nei telefonas.
Kokie garso formatai palaikomi?
Įrankis priima MP3, WAV, M4A, OGG, FLAC, WebM ir kelis giminingus formatus. Tikrasis iškodavimo palaikymas priklauso nuo naršyklės ir operacinės sistemos. Jei failas atmetamas, nors jo plėtinys nurodytas sąraše, konvertuokite jį į MP3 arba nesuglaudintą WAV ir bandykite dar kartą.
Kokiomis kalbomis Whisper gali transkribuoti?
Pasirinktas mažasis Whisper modelis yra daugiakalbis ir automatiškai atpažįsta daug šnekamųjų kalbų. Tikslumas priklauso nuo kalbos, akcento, įrašo kokybės ir temos. Modelis neverčia transkripto į kitą kalbą, neatskiria kalbėtojų ir negarantuoja taisyklingos vardų bei specialiųjų terminų rašybos.
Kodėl transkribuojant pirmą kartą atsisiunčiamas modelis?
Kad kalba būtų atpažįstama privačiai, modelis turi būti jūsų kompiuteryje. WebGPU režimu atsisiunčiama apie 80 MB, o suderinamu atsarginiu q4 procesoriaus režimu apie 105 MB. Naršyklės paprastai išsaugo šiuos failus podėlyje ir naudoja juos dar kartą, nebent išvalomi svetainės duomenys ar podėlis.
Ar transkribavimas veikia be WebGPU?
Taip. Įrankis pirmenybę teikia WebGPU, nes palaikomas grafikos procesorius gali gerokai greičiau vykdyti Whisper. Jei WebGPU nėra arba jis nesuveikia, įrankis bando dar kartą naudodamas WebAssembly centriniame procesoriuje. Šis atsarginis būdas veikia daugiau naršyklių, tačiau ilgi įrašai gali būti apdorojami lėtai, ypač telefonuose ir senesniuose kompiuteriuose.
Kiek tikslus yra transkriptas?
Whisper tiny sukuria naudingą aiškios kalbos juodraštį, tačiau negarantuoja pažodinio transkripto. Fono triukšmas, muzika, persidengianti kalba, prastas mikrofonas, reti vardai ir ilgos tylos atkarpos mažina tikslumą bei gali sukurti išgalvotų žodžių. Svarbias citatas, medicininius duomenis, teisinius teiginius ir sprendimus patikrinkite klausydamiesi originalaus įrašo.