ऑडियो/वीडियो → पाठ और उपशीर्षक निःशुल्क: ब्राउज़र में
अब आप सीधे अपने ब्राउज़र में: अनुभाग में ऑडियो या वीडियो को मुफ्त में टेक्स्ट में ट्रांसक्राइब कर सकते हैं "वीडियो" एक उपकरण दिखाई दिया "ऑडियो/वीडियो → टेक्स्ट + उपशीर्षक (निःशुल्क)". यह भाषण को पहचानता है, इसे समय टिकटों के साथ पाठ में प्रदर्शित करता है, और तैयार उपशीर्षक प्रदान करता है - और टोकन को नहीं लिखता है।
यह मुफ़्त क्यों है?
आमतौर पर डिक्रिप्शन एक सशुल्क सेवा के सर्वर पर किया जाता है: फ़ाइल डाउनलोड की जाती है, मिनटों की गिनती की जाती है, और वे प्रत्येक मिनट के लिए भुगतान करते हैं। यहां वाक् पहचान मॉडल ब्राउज़र में लोड होता है और आपके कंप्यूटर पर चलता है। सर्वर केवल टूल का कोड और मॉडल का वजन देता है: इसमें गिनने के लिए कुछ भी नहीं है, इसलिए टोकन नहीं लिखे जाते हैं, और डिक्रिप्शन की संख्या सीमित नहीं है।
इसलिए गोपनीयता: रिकॉर्डिंग आपके कंप्यूटर को नहीं छोड़ती है। यदि आप साक्षात्कार, कार्य कॉल, व्याख्यान, या व्यक्तिगत नोट्स लिख रहे हैं तो यह महत्वपूर्ण है।
ऑडियो या वीडियो को ट्रांसक्राइब कैसे करें: चरण दर चरण
- खुला "वीडियो" अनुभाग और मॉडलों की सूची से चयन करें "ऑडियो/वीडियो → टेक्स्ट + उपशीर्षक (निःशुल्क)" — यह टूल नीचे, अन्य निःशुल्क टूल के बगल में स्थित है।
- फ़ाइल अपलोड करें: चयन फ़ील्ड पर क्लिक करें या ऑडियो या वीडियो को सीधे उसमें खींचें और छोड़ें।
- अपनी भाषण भाषा चुनें - या इसे "स्वचालित रूप से पता लगाएं" पर छोड़ दें। डिफ़ॉल्ट रूप से, साइट इंटरफ़ेस भाषा सेट होती है, लेकिन आप इसे हमेशा मैन्युअल रूप से बदल सकते हैं।
- "भाषण पहचानें" पर क्लिक करें और इसके तैयार होने तक प्रतीक्षा करें। पहले लॉन्च में अधिक समय लगता है: ब्राउज़र मॉडल को एक बार डाउनलोड करता है और इसे कैश में सहेजता है।
- पाठ की जाँच करें, यदि आवश्यक हो तो टाइमस्टैम्प अक्षम करें और परिणाम की प्रतिलिपि बनाएँ।
- वांछित प्रारूप में उपशीर्षक डाउनलोड करें - TXT, SRT, VTT या JSON। एक वीडियो के लिए, आप तुरंत बर्न-इन उपशीर्षक के साथ एक वीडियो इकट्ठा कर सकते हैं।
कौन सी फ़ाइलें उपयुक्त हैं?
ऑडियो: MP3, WAV, M4A, AAC, OGG, OPUS, FLAC और अन्य सामान्य प्रारूप। वीडियो: MP4, MOV, M4V, MKV, AVI, OGV, WebM। वीडियो से ध्वनि सीधे ब्राउज़र में निकाली जाती है; फ़ाइल को अलग से परिवर्तित करने की कोई आवश्यकता नहीं है.
तुम्हें क्या मिलेगा
- भाषण पाठ - समय टिकटों के साथ प्रतिलेख, जिसे अक्षम किया जा सकता है और स्पष्ट पाठ प्राप्त किया जा सकता है।
- प्रतिलिपि - क्लिपबोर्ड पर एक बटन के साथ सभी मान्यता प्राप्त पाठ।
- TXT - नोट्स और दस्तावेज़ों के लिए सरल पाठ।
- SRT — अधिकांश खिलाड़ियों और वीडियो संपादकों के लिए उपशीर्षक।
- VTT - वेब और HTML प्लेयर्स के लिए उपशीर्षक।
- JSON - टुकड़ों को उनकी स्क्रिप्ट के लिए समय के साथ चिह्नित किया गया।
जले हुए उपशीर्षक के साथ वीडियो
यदि आप कोई वीडियो अपलोड करते हैं, तो टूल उपशीर्षक को सीधे फ़्रेम में बर्न कर सकता है: ऐसा वीडियो कहीं भी चलता है, यहां तक कि जहां उपशीर्षक समर्थित नहीं हैं। स्रोत की ध्वनि बरकरार रहती है. आपके डिवाइस पर बर्निंग होती है, फ़ाइल कहीं नहीं भेजी जाती है।
हर चीज़ आपके डिवाइस पर मायने रखती है
स्पीच मॉडल Whisper से Transformers.js तक पहचानता है: पहले यह WebGPU (वीडियो कार्ड) की कोशिश करता है, और यदि कोई एडाप्टर नहीं है, तो यह ईमानदारी से WASM पर स्विच करता है और प्रोसेसर पर गिना जाता है। यहां कोई भुगतान नहीं किया गया है API, टोकन नहीं लिखे गए हैं, और रिकॉर्डिंग सर्वर पर नहीं जाती है। लंबे रिकॉर्ड को संसाधित होने में अधिक समय लगता है - हर चीज़ की गणना आपके कंप्यूटर पर की जाती है।
टूल क्या नहीं करता
सीमाओं के बारे में ईमानदारी से: यह वाक् पहचान है, अनुवाद नहीं। यह टूल टेक्स्ट का दूसरी भाषा में अनुवाद नहीं करता है या डबिंग नहीं करता है। गुणवत्ता रिकॉर्डिंग पर निर्भर करती है: अधिक शोर और संगीत के बिना स्पष्ट भाषण के साथ, परिणाम काफ़ी बेहतर होता है। जले हुए उपशीर्षक वाले वीडियो के लिए एक आधुनिक ब्राउज़र की आवश्यकता होती है - इस चरण के लिए Chrome या Edge की आवश्यकता होती है।
इसे कौन उपयोगी पाएगा?
यह टूल उन सभी के लिए उपयोगी है जो रिकॉर्डिंग के साथ काम करते हैं: पत्रकार और पॉडकास्टर - साक्षात्कार की प्रतिलेख, छात्र - व्याख्यान नोट्स, संपादक - वीडियो के लिए उपशीर्षक, साथ ही वे जो बैठकों के मिनट्स रखते हैं। यदि आपको अपॉइंटमेंट द्वारा किसी और चीज़ की आवश्यकता है, तो अनुभाग में "वीडियो" वहाँ है पृष्ठभूमि हटाना, upscale और गहराई का नक्शा — वे सीधे ब्राउज़र में भी गणना करते हैं।
अक्सर पूछे जाने वाले प्रश्नों
क्या यह सचमुच मुफ़्त है? हाँ। इस टूल के टोकन डेबिट नहीं किए जाते हैं, इसका कोई भुगतान नहीं होता है API - आपका कंप्यूटर इसकी गणना करता है।
क्या फ़ाइल सर्वर पर जाती है? नहीं, रिकॉर्डिंग और परिणाम आपके डिवाइस पर रहते हैं; सर्वर से केवल टूल कोड और मॉडल वेट आते हैं।
कितनी भाषाएँ समर्थित हैं? Whisper 99 भाषाओं को पहचानता है। आप मैन्युअल रूप से भाषा का चयन कर सकते हैं या ऑटो-डिटेक्शन पर भरोसा कर सकते हैं।
क्या उपशीर्षक को फ़ाइल के रूप में प्राप्त करना संभव है? हाँ। TXT, SRT, VTT और JSON अलग-अलग बटन का उपयोग करके डाउनलोड किए जाते हैं।
क्या उपकरण भाषण का अनुवाद करता है? नहीं, यह चयनित भाषा में भाषण को पहचानता है, लेकिन उसका दूसरी भाषा में अनुवाद नहीं करता है।
पहले प्रक्षेपण में अधिक समय क्यों लगता है? ब्राउज़र मान्यता मॉडल को एक बार डाउनलोड करता है और इसे कैश में सहेजता है—अगला लॉन्च तुरंत शुरू होता है।