Ringkasan utama (BLUF): Alat menukar audio atau video kepada teks dan sari kata: mengecam pertuturan dengan model Whisper terus dalam pelayar anda, mengenal pasti sendiri bahasa rakaman atau menerima bahasa yang dipilih, menempatkan cap masa dan memberikan hasil dalam TXT, SRT, VTT dan JSON. Untuk video ia turut membina klip dengan sari kata terpasang. Fail tidak dimuat naik ke mana-mana, tiada token dipotong dan tiada API berbayar di sini.
Alat menerima audio atau video dan menukar pertuturan kepada teks. Anda memuat naik fail dan menerima transkripsi dengan cap masa, sari kata sedia guna dan, bagi video, klip yang sama dengan sari kata dibakar terus ke dalam bingkai.
Pengecaman berjalan dengan model Whisper (model berbilang bahasa terbuka Xenova/whisper-tiny) melalui Transformers.js: pada kad grafik melalui WebGPU bila pelayar menawarkannya, jika tidak pada pemproses melalui WASM. Trek audio dikeluarkan dari fail secara setempat, dalam memori pelayar anda.
Audio: MP3, WAV, M4A, AAC, OGG, Opus, FLAC. Video: MP4, WebM, MOV, M4V, MKV, AVI, OGV. Dari video, alat mengeluarkan sendiri trek audio: tidak perlu dipotong berasingan.
Bunyi ditukar kepada mono 16 kHz — bentuk yang tepat dijangka Whisper. Rakaman panjang diecam dalam blok 30 saat dengan pertindihan 5 saat, supaya tiada perkataan hilang di sambungan.
Fail tidak dihantar ke pelayan: sama ada bunyi, pengecaman mahupun susunan sari kata berlaku dalam pelayar anda. Tiada API berbayar di sini dan tiada token dipotong.
Berat model dimuat turun sekali daripada katalog terbuka Hugging Face dan seterusnya tersimpan dalam cache pelayar — lawatan seterusnya model bangun tanpa muat turun baharu. Tiada inferens pelayan, CUDA mahupun "GPU simpanan di pihak kami" langsung.
Whisper mengecam 99 bahasa. Secara lalai bahasa dikesan automatik dan alat menunjukkan bahasa yang didengarnya. Jika rakaman pendek atau bercampur, bahasa boleh dipilih secara manual dalam senarai — pengecaman lebih tepat.
Teks boleh disalin dengan satu butang atau dimuat turun dalam empat format. TXT hanyalah transkripsi, dengan atau tanpa cap masa. SRT dan VTT ialah sari kata sedia guna untuk pemain, penyunting video dan YouTube. JSON ialah transkripsi dengan bahasa, tempoh dan setiap petikan bersama cap massanya — mudah untuk pemprosesan lanjut.
Bagi fail video, alat membina klip baharu yang sari katanya dibakar terus ke dalam bingkai. Video sedemikian dimainkan di mana-mana, termasuk tempat sari kata luar tidak disokong: dalam aplikasi pesanan, media sosial dan sebarang pemain. Bunyi asal dikekalkan.
Sari kata yang sama boleh dimuat turun juga sebagai fail SRT dan VTT — boleh dilampirkan kepada video asal tanpa membina semula.
Ia tidak menterjemah pertuturan kepada bahasa lain: pengecaman berjalan dalam bahasa rakaman, terjemahan tugas berasingan. Ia tidak memisahkan penceramah mengikut suara dan tidak menandakan siapa berkata apa.
Ia tidak memperlakukan muzik dan bising sebagai pertuturan: tanpa pertuturan jelas dalam rakaman, transkripsi kosong atau tidak tepat. Kualiti bergantung pada rakaman — pada suara bersih tanpa bising dan gema hasil jauh lebih baik.
Pilih audio atau video, tetapkan bahasa jika mahu (atau biarkan pengesanan automatik) dan tekan "Kengecam pertuturan". Tunggu transkripsi — kemajuan dilihat pada skrin, pengecaman boleh dihentikan.
Kemudian salin teks atau muat turun TXT, SRT, VTT, JSON. Jika memuat naik video, tekan "Buat video dengan sari kata" dan muat turun klip yang siap.
Pembina video dan podcast — sari kata untuk siaran dan transkripsi untuk penerangan. Pelajar dan wartawan — teks kuliah, temu bual dan rakaman diktafon. Semua yang perlu teks rakaman dengan pantas, tanpa menghantarnya ke pelayan orang lain.
Tidak ke mana-mana. Bunyi diekstrak dan diecam sepenuhnya dalam pelayar anda, pada peranti anda. Pelayan kami tidak pernah menerima fail itu.
Tidak. Ini alat percuma yang berjalan pada peranti anda: tiada API berbayar di sini, jadi tiada apa dipotong.
Model mengira pada peranti anda. Muat pertama mengambil masa lebih lama: berat model dimuat turun dan graf dipanaskan. Setelah itu model datang daripada cache pelayar dan pengecaman lebih pantas.
Pilih bahasa secara manual dalam senarai dan jalankan pengecaman semula — pada rakaman pendek pilihan manual lebih tepat daripada automatik.
Ya. Muat turun SRT atau VTT dan lampirkan pada video, atau bina terus dalam alat klip dengan sari kata terpasang.