Nástroj vyberie zvukovú stopu priamo v prehliadači, prevedie ju na monofónny signál 16 kHz pre Whisper a vypočíta časovanie titulkov v pracovnom vlákne. WebGPU zrýchľuje spracovanie v podporovaných počítačoch; ostatné prehliadače použijú pomalší režim CPU. Pred exportom môžete v editore opraviť text aj začiatok a koniec každého úseku.
Automatické titulky k videu
Beží celý vo vašom prehliadači - bez nahrávania, bez registrácie.
Ako automaticky vytvoriť titulky k videu?
Pridajte video a generátor automatických titulkov spustí rozpoznávanie reči Whisper priamo vo vašom zariadení. Vytvorí upraviteľné úseky s časovými značkami, ktoré si môžete prehrať a stiahnuť ako SRT alebo VTT. Video sa nikam neodosiela, pri prvom použití si však prehliadač musí stiahnuť model AI.
Ako na to
- 1Vyberte video. Pretiahnite do nástroja súbor MP4, WebM, MOV, M4V alebo MKV, prípadne kliknite na oblasť nahrávania a vyberte súbor zo zariadenia.
- 2Vytvorte časované titulky. Kliknite na „Vytvoriť titulky“. Pri prvom spustení počkajte na stiahnutie viacjazyčného modelu Whisper a potom nechajte zariadenie spracovať zvukovú stopu.
- 3Skontrolujte každý úsek. Prehrávajte úseky z editora, opravujte text a meňte čas začiatku alebo konca, ak automatické časovanie prichádza príliš skoro či neskoro.
- 4Exportujte súbor titulkov. Stiahnite SRT pre videoeditory a publikačné platformy alebo VTT pre HTML video a zverejnenie na webe.
Pre koho je nástroj určený
- Tvorcovia krátkych videí pripravia čitateľné titulky k videám pred grafickou úpravou alebo vložením textu do konečného zostrihu.
- Učitelia a školitelia uľahčia sledovanie nahratých lekcií a ponúknu samostatnú stopu titulkov na stiahnutie.
- Autori podcastov a anketári premenia rozhovor vo videu na časovaný návrh bez odoslania nezverejneného záznamu do cloudovej služby na prepis.
- Kontrolóri prístupnosti vytvoria prvú verziu a následne overia reč, mená, zvukové opisy, časovanie aj rýchlosť čítania.
Časté otázky
Odosiela sa moje video na server?
Nie. Prehliadač načíta vybraný súbor a odovzdá dekódované zvukové vzorky iba pracovnému vláknu v rovnakom zariadení. Vlákno stiahne súbory modelu Whisper z Hugging Face, no video, zvuk ani titulky nikam neodosiela. CanDoYa súbor neprijíma ani neukladá.
Je generátor automatických titulkov zadarmo?
Áno. Nie je potrebný účet ani platba, nie je stanovený limit minút a výsledok nemá vodoznak ani zámok exportu. Prepis vykonáva vaše zariadenie, skutočným nákladom je teda čas, pamäť a prvé stiahnutie modelu. Poskytovateľ môže stiahnutie započítať do dátového limitu.
Aké veľké a dlhé video môžem opatriť titulkami?
Možno vybrať súbor s veľkosťou najviac 500 MB. Pevný limit minút nie je stanovený, dlhé videá však potrebujú viac pamäte a času, pretože dekódovanie aj výpočty AI prebiehajú miestne. Pri hodinovom zázname použite moderný notebook, zatvorte náročné karty alebo video najprv rozdeľte.
Ktoré formáty videa fungujú?
Nástroj prijíma kontajnery MP4, WebM, MOV, M4V, MKV, AVI, MPEG a OGV. Skutočné dekódovanie zvuku závisí od kodekov prehliadača a operačného systému. Najširšiu podporu zvyčajne majú MP4 so zvukom AAC a WebM so zvukom Opus.
Môžem automatické titulky upravovať?
Áno. Pri každom úseku možno upraviť text a čas začiatku aj konca. Prehraním prejdete na správne miesto vo videu, opravíte chyby rozpoznávania a spresníte hranice. Export zostane vypnutý, ak je úsek prázdny, končí pred začiatkom alebo presahuje dĺžku videa.
Aký je rozdiel medzi SRT a VTT?
SRT je široko podporovaný formát titulkov pre videoeditory a publikačné platformy. WebVTT má podobnú štruktúru časovaného textu, ale je určený pre web a funguje priamo s prvkom stopy HTML videa. Nástroj exportuje oba formáty bez grafického štýlu a bez vloženia textu do obrazu.
Funguje generovanie titulkov bez WebGPU?
Áno. Nástroj najprv skúsi WebGPU, pretože kompatibilný grafický procesor dokáže model Whisper zrýchliť. Ak WebGPU nie je dostupné alebo zlyhá, spracovanie sa zopakuje cez WebAssembly v CPU. Tento režim funguje vo viacerých prehliadačoch, ale môže byť oveľa pomalší, najmä pri dlhých videách v telefónoch a starších počítačoch.
Sú automatické titulky dosť presné pre prístupnosť?
Sú užitočným návrhom, nie hotovým výstupom pre prístupnosť. Hluk, hudba, prekrývajúce sa hlasy, prízvuky, nezvyčajné mená a odborné výrazy môžu spôsobiť chyby. Rozpoznávanie reči navyše vynecháva opisy zvukov a označenia hovoriacich, preto video pred zverejnením prejdite a dôležité nehovorené informácie doplňte.