Inti singkat (BLUF): Alat mengubah audio atau video menjadi teks dan subtitle: mengenali suara dengan model Whisper langsung di browser Anda, menentukan sendiri bahasa rekaman atau menerima yang dipilih, menempatkan penanda waktu dan memberi hasil dalam TXT, SRT, VTT dan JSON. Untuk video dia juga menyusun klip dengan subtitle terbakar. File tidak pernah diunggah, token tidak dipotong dan di sini tidak ada API berbayar.
Alat menerima audio atau video dan mengubah suara menjadi teks. Anda mengunggah file dan mendapatkan transkripsi dengan penanda waktu, subtitle siap pakai dan, bila video, klip yang sama dengan subtitle yang dibakar langsung ke gambar.
Pengenalan berjalan dengan model Whisper (model multibahasa terbuka Xenova/whisper-tiny) lewat Transformers.js: di kartu grafis melalui WebGPU bila browser menawarkannya, jika tidak di prosesor melalui WASM. Trek audio diambil dari file secara lokal, di memori browser Anda.
Audio: MP3, WAV, M4A, AAC, OGG, Opus, FLAC. Video: MP4, WebM, MOV, M4V, MKV, AVI, OGV. Dari video alat mengeluarkan sendiri trek audionya: tidak perlu dipotong terpisah.
Suara dikonversi ke mono 16 kHz — tepat bentuk yang diharapkan Whisper. Rekaman panjang dikenali dalam blok 30 detik dengan tumpang tindih 5 detik, jadi di sambungan tidak ada kata yang hilang.
File tidak dikirim ke server: baik suara, pengenalan maupun penyusunan subtitle berlangsung di dalam browser Anda. Tidak ada API berbayar di sini dan tidak ada token yang dipotong.
Bobot model diunduh sekali dari katalog terbuka Hugging Face dan selanjutnya tersimpan di cache browser — kunjungan berikutnya model sudah siap tanpa mengunduh lagi. Inferensi di server, CUDA dan "GPU cadangan di pihak kami" sama sekali tidak ada.
Whisper mengenali 99 bahasa. Secara bawaan bahasa terdeteksi otomatis dan alat menunjukkan bahasa apa yang didengarnya. Bila rekaman pendek atau campuran, bahasa bisa dipilih manual dari daftar — pengenalan lebih akurat.
Teks bisa disalin dengan satu tombol atau diunduh dalam empat format. TXT hanya transkripsinya, dengan atau tanpa penanda waktu. SRT dan VTT adalah subtitle siap untuk pemutar, penyunting video dan YouTube. JSON adalah transkripsi dengan bahasa, durasi dan setiap replika beserta penanda waktunya — praktis untuk pengolahan lanjutan.
Untuk file video alat menyusun klip baru yang subtitle-nya dibakar langsung ke gambar. Video semacam ini bermain di mana saja, bahkan di tempat subtitle eksternal tidak didukung: di pesan singkat, media sosial dan pemutar apa pun. Suara asli tetap tersimpan.
Subtitle yang sama juga bisa diunduh sebagai file SRT dan VTT — dapat dipasangkan ke video asli tanpa membangunnya ulang.
Dia tidak menerjemahkan suara ke bahasa lain: pengenalan berjalan dalam bahasa rekaman, penerjemahan tugas terpisah. Tidak memisahkan pembicara berdasarkan suara dan tidak mencatat siapa mengatakan apa.
Tidak memperlakukan musik dan derau sebagai suara: bila rekaman tidak berisi suara yang jelas, transkripsi kosong atau tidak tepat. Kualitas tergantung rekaman: pada suara bersih tanpa derau dan gema hasilnya jauh lebih baik.
Pilih audio atau video, bila perlu tetapkan bahasa (atau biarkan deteksi otomatis) dan tekan "Kenali suara". Tunggu transkripsi — kemajuannya terlihat di layar, pengenalan bisa dibatalkan.
Lalu salin teks atau unduh TXT, SRT, VTT, JSON. Bila mengunggah video, tekan "Buat video dengan subtitle" dan unduh klip jadinya.
Pembuat video dan podcast — subtitle untuk publikasi dan transkripsi untuk deskripsi. Mahasiswa dan jurnalis — teks ceramah, wawancara dan rekaman perekam suara. Semua yang perlu cepat mendapat teks dari rekaman tanpa mengirimnya ke server orang lain.
Tidak ke mana pun. Suara diekstrak dan dikenali seluruhnya di browser Anda, di perangkat Anda. Server kami tidak pernah menerima file itu.
Tidak. Ini alat gratis yang berjalan di perangkat Anda: tidak ada API berbayar di sini, jadi tidak ada yang dipotong.
Model menghitung di perangkat Anda. Pemuatan pertama lebih lama: bobot model diunduh dan grafik dipanasi. Setelahnya model diambil dari cache browser dan pengenalan lebih cepat.
Pilih bahasa manual dari daftar dan jalankan pengenalan lagi — pada rekaman pendek pilihan manual lebih tepat daripada otomatis.
Ya. Unduh SRT atau VTT dan sambungkan ke video, atau susun langsung di alat klip dengan subtitle terbakar.