Bottom Line Up Front (BLUF): To narzędzie dokonuje transkrypcji audio i wideo całkowicie w Twojej przeglądarce: plik nie jest wysyłany na nasz serwer, nie są pobierane żadne tokeny, a rozpoznany tekst można edytować.
Model Whisper (około 40 MB) jest pobierany jednorazowo i buforowany przez przeglądarkę. Język może zostać wykryty automatycznie lub wybrany ręcznie. Wynik jest wyświetlany ze znacznikami czasu i można go edytować, kopiować i pobierać jako TXT, SRT, VTT lub JSON.
Jeśli przesyłasz film, możesz go również wyrenderować z wypalonymi napisami (w Chrome i Edge) i pobrać gotowy plik.
Rozpoznawanie odbywa się na Twoim urządzeniu: ani plik, ani wynikowy tekst nie docierają do naszego serwera. Nie ma płatnego API i nie są pobierane żadne tokeny.
Jakość zależy od nagrania: model jest dokładny w przypadku czystej mowy i może popełniać błędy w przypadku zaszumionego dźwięku. Rozpoznany tekst można poprawić przed zapisaniem napisów.
Tak, nie są pobierane żadne tokeny: model działa lokalnie w przeglądarce.
Nie, ani dźwięk, ani wideo, ani rozpoznany tekst nie opuszczają Twojego urządzenia.
Tak, tekst można edytować bezpośrednio na stronie, a zmiany dotyczą napisów.
TXT, SRT, VTT, JSON, a w przypadku wideo gotowy klip z wypalonymi napisami.