Ovaj alat pretvara snimljeni govor u tekst bez slanja snimka servisu za transkripciju. Whisperov model radi u posebnom procesu pregledača, pa stranica ostaje responzivna dok računar obrađuje zvuk. WebGPU se koristi kada je dostupan, dok ostali pregledači prelaze na sporiji rad preko procesora. Preuzeti model ostaje u kešu pregledača za naredne posete.
Pretvaranje audio-snimka u tekst
Radi u celosti u pregledaču - bez otpremanja i bez registracije.
Kako pretvoriti audio u tekst bez slanja snimka?
Dodajte audio-fajl i alat će na vašem uređaju pokrenuti Whisperov model za prepoznavanje govora. Dobićete transkript koji možete da uredite i izvezete kao TXT ili SRT. Snimak se nikada ne šalje na server, ali pregledač pri prvoj upotrebi mora da preuzme AI model.
Kako se koristi
- 1Izaberite snimak. Prevucite MP3, WAV, M4A, OGG, FLAC ili WebM fajl na alat ili kliknite na polje za izbor fajla.
- 2Pokrenite privatnu transkripciju. Kliknite na „Transkribuj audio“. Pri prvom pokretanju sačekajte da se preuzme višejezični model Whisper, a zatim pustite uređaj da obradi snimak.
- 3Proverite i izvezite. Ponovo poslušajte nejasne delove, ispravite greške, pa kopirajte transkript ili ga preuzmite kao TXT ili SRT sa vremenskim oznakama.
Kome je namenjen
- Novinari i istraživači mogu da naprave privatnu prvu verziju, pa zatim provere imena i citate uz snimak.
- Studenti mogu da pretvore snimljena predavanja ili beleške u tekst koji se uređuje, bez slanja zvuka iz učionice.
- Autori podkasta i video-sadržaja mogu da pripreme radni transkript ili SRT sa vremenskim oznakama za titlove.
- Timovi koji rade sa osetljivim snimcima mogu da zadrže izvorni zvuk na uređaju umesto da ga pošalju u red za obradu u oblaku.
Česta pitanja
Da li se moj audio šalje na server?
Ne. Pregledač dekodira izabrani fajl i šalje audio-uzorke samo lokalnom procesu na istom uređaju. Taj proces preuzima fajlove modela Whisper sa platforme Hugging Face, ali ne šalje vaš snimak niti transkript. CanDoYa ne prima i ne čuva fajl.
Da li je pretvaranje audija u tekst besplatno?
Da. Nema naloga, plaćanja, kredita za transkripciju ni vodenog žiga. AI obradu obavlja vaš uređaj, pa su praktični troškovi vreme obrade, memorija i prvo preuzimanje modela. Internet provajder može da uračuna model u ograničeni paket podataka.
Koliki fajl i koliko dug snimak mogu da transkribujem?
Možete da izaberete fajl do 500 MB. Nema fiksnog ograničenja u minutima, ali dugi snimci traže više memorije i vremena jer se obrada odvija na uređaju. Za sastanke ili predavanja duge sat vremena bolji je savremen laptop nego telefon.
Koji audio-formati su podržani?
Alat prihvata MP3, WAV, M4A, OGG, FLAC, WebM i nekoliko srodnih formata. Stvarna podrška za dekodiranje zavisi od pregledača i operativnog sistema. Ako je fajl odbijen iako mu je nastavak naveden, pretvorite ga u MP3 ili nekompresovani WAV i pokušajte ponovo.
Koje jezike Whisper može da transkribuje?
Izabrani mali model Whisper je višejezičan i automatski prepoznaje mnoge govorne jezike. Tačnost zavisi od jezika, akcenta, kvaliteta snimka i teme. Model ne prevodi transkript na drugi jezik, ne prepoznaje govornike i ne garantuje pravilno pisanje imena i stručnih izraza.
Zašto se pri prvoj transkripciji preuzima model?
Za privatno prepoznavanje govora model mora da bude na vašem računaru. WebGPU režim preuzima oko 80 MB, a kompatibilni rezervni q4 režim na procesoru oko 105 MB. Pregledači obično čuvaju te fajlove u kešu, pa ih ponovo koriste dok ne obrišete podatke sajta ili keš.
Da li transkripcija radi bez WebGPU-a?
Da. Alat daje prednost WebGPU-u jer podržani grafički procesor može mnogo brže da pokrene Whisper. Ako WebGPU nije dostupan ili zakaže, alat pokušava ponovo koristeći WebAssembly na procesoru. Ova zamena radi u više pregledača, ali može da bude spora za duge snimke, posebno na telefonima i starijim računarima.
Koliko je transkript tačan?
Whisper tiny daje korisnu radnu verziju kada je govor jasan, ali ne garantuje doslovan transkript. Pozadinska buka, muzika, istovremeni govor, loši mikrofoni, neuobičajena imena i duga tišina smanjuju tačnost i mogu da stvore izmišljene reči. Važne citate, medicinske podatke, pravne izjave i odluke proverite uz originalni snimak.