Hang/videó → szöveg és feliratok ingyen: átírás

Mostantól ingyenesen átírhat hangot vagy videót szöveggé közvetlenül a böngészőben: a szakaszban "Videó" megjelent egy szerszám „Hang/videó → szöveg + feliratok (ingyenes)”. Felismeri a beszédet, időbélyeggel ellátott szövegben jeleníti meg, és kész feliratokat biztosít – és nem ír le tokeneket.

Miért ingyenes

A visszafejtés általában egy fizetős szolgáltatás szerverén történik: letöltődik a fájl, megszámolják a perceket, és minden percért fizetnek. Itt a beszédfelismerő modell betöltődik a böngészőbe, és fut a számítógépén. A szerver csak az eszköz kódját és a modell súlyát adja meg: nincs mit számolni, így a tokenek nem kerülnek leírásra, a visszafejtések száma pedig nincs korlátozva.

Ezért a magánélet: a felvétel nem hagyja el a számítógépet. Ez akkor fontos, ha interjúkat, munkahívásokat, előadásokat vagy személyes jegyzeteket ír át.

Hang vagy videó átírása: lépésről lépésre

1. Nyitott "Videó" szakasz és válasszon a modellek listájából „Hang/videó → szöveg + feliratok (ingyenes)” — a szerszám alul, a többi szabad szerszám mellett található.
2. Fájl feltöltése: kattintson a kijelölő mezőre, vagy húzza át a hangot vagy videót közvetlenül a fájlba.
3. Válassza ki a beszéd nyelvét – vagy hagyja az „Automatikus észlelés” beállítást. Alapértelmezés szerint a webhely felületének nyelve be van állítva, de bármikor módosíthatja manuálisan.
4. Kattintson a „Beszéd felismerése” gombra, és várja meg, amíg készen áll. Az első indítás tovább tart: a böngésző egyszer letölti a modellt, és elmenti a gyorsítótárba.
5. Ellenőrizze a szöveget, szükség esetén tiltsa le az időbélyegeket, és másolja ki az eredményt.
6. Töltse le a feliratokat a kívánt formátumban – TXT, SRT, VTT vagy JSON. Videóhoz azonnal összeállíthat egy videót beégetett felirattal.

Milyen fájlok alkalmasak?

Hang: MP3, WAV, M4A, AAC, OGG, OPUS, FLAC és más gyakori formátumok. Videók: MP4, MOV, M4V, MKV, AVI, OGV, WebM. A videó hangja közvetlenül a böngészőben kinyerhető; nincs szükség a fájl külön konvertálására.

Mit fogsz kapni

• Beszédszöveg — átirat időbélyeggel, amely letiltható és tiszta szöveget kap.
• Másolat - az összes felismert szöveg egyetlen gombbal a vágólapra.
• TXT — egyszerű szöveg feljegyzésekhez és dokumentumokhoz.
• SRT - feliratok a legtöbb lejátszóhoz és videószerkesztőhöz.
• VTT - feliratok web- és HTML-lejátszókhoz.
• JSON — a darabokat forgatókönyvük időzítésével jelölte meg.

Videó égetett felirattal

Ha feltölt egy videót, az eszköz közvetlenül a képkockákba írhat feliratokat: egy ilyen videót bárhol lejátszanak, még ott is, ahol a feliratok nem támogatottak. A forrás hangja megmarad. Az égés a készülékeden történik, a fájl nem kerül sehova.

Minden számít a készülékeden

A beszéd felismeri a Whisper–Transformers.js modellt: először a WebGPU-t (videokártya) próbálja meg, és ha nincs adapter, akkor őszintén átvált a WASM-re, és számít a processzorra. Itt nincs fizetett API, a tokeneket nem írják le, és a felvétel nem kerül a szerverre. A hosszú rekordok feldolgozása tovább tart – mindent a számítógép számít ki.

Amit az eszköz nem csinál

Őszintén a határokról: ez beszédfelismerés, nem fordítás. Az eszköz nem fordít szöveget másik nyelvre, és nem végez szinkronizálást. A minőség a felvételtől függ: tiszta beszéddel, nagy zaj és zene nélkül, az eredmény érezhetően jobb. Az égetett feliratú videókhoz modern böngésző szükséges – ehhez a lépéshez Chrome vagy Edge szükséges.

Ki találja hasznosnak?

Az eszköz mindenki számára hasznos, aki felvételekkel dolgozik: újságírók és podcasterek - interjúk átiratai, hallgatók - előadásjegyzetek, szerkesztők - videók feliratozása, valamint azok, akik jegyzőkönyvet vezetnek a megbeszélésekről. Ha bármi másra van szüksége előre egyeztetett időpontban, a rovatban "Videó" Van háttér eltávolítása, előkelő És mélységi térkép — közvetlenül a böngészőben is számolnak.

Gyakran ismételt kérdések

Tényleg ingyenes? Igen. Az eszköz tokenjeit nem terhelik meg, nincs fizetős API - a számítógépe kiszámítja.

A fájl eljut a szerverre? Nem. A felvétel és az eredmény az eszközön marad; Csak a szerszámkód és a modellsúlyok származnak a szerverről.

Hány nyelv támogatott? A Whisper 99 nyelvet ismer fel. Kiválaszthatja a nyelvet manuálisan, vagy megbízhat az automatikus felismerésben.

Lehetőség van feliratokat fájlként kapni? Igen. A TXT, SRT, VTT és JSON külön gombokkal tölthetők le.

Az eszköz lefordítja a beszédet? Nem. Felismeri a beszédet a kiválasztott nyelven, de nem fordítja le másikra.

Miért tart tovább az első indítás? A böngésző egyszer letölti a felismerési modellt, és elmenti a gyorsítótárba – a következő indítások azonnal megkezdődnek.