Ljud/video → text och undertexter gratis: transkription i

Du kan nu transkribera ljud eller video till text gratis direkt i din webbläsare: i avsnittet "Video" ett verktyg dök upp "Ljud/video → text + undertexter (gratis)". Den känner igen tal, visar det i text med tidsstämplar och ger färdiga undertexter – och skriver inte av polletter.

Varför är det gratis

Vanligtvis görs dekryptering på servern för en betaltjänst: filen laddas ner, minuterna räknas och de betalar för varje minut. Här laddas taligenkänningsmodellen in i webbläsaren och körs på din dator. Servern ger bara verktygets kod och modellens vikt: den har inget att räkna, så tokens skrivs inte av och antalet dekrypteringar är inte begränsat.

Därav integriteten: inspelningen lämnar inte din dator. Detta är viktigt om du transkriberar intervjuer, arbetssamtal, föreläsningar eller personliga anteckningar.

Hur man transkriberar ljud eller video: steg för steg

1. Öppna avsnittet "Video". och välj från listan över modeller "Ljud/video → text + undertexter (gratis)" — verktyget finns längst ner, bredvid andra gratisverktyg.
2. Ladda upp en fil: klicka på urvalsfältet eller dra och släpp ljud eller video direkt i det.
3. Välj ditt talspråk - eller lämna det vid "Detektera automatiskt". Som standard är webbplatsens gränssnittsspråk inställt, men du kan alltid ändra det manuellt.
4. Klicka på "Känn igen tal" och vänta tills det är klart. Den första lanseringen tar längre tid: webbläsaren laddar ner modellen en gång och sparar den i cachen.
5. Kontrollera texten, inaktivera tidsstämplar om det behövs och kopiera resultatet.
6. Ladda ner undertexter i önskat format - TXT, SRT, VTT eller JSON. För en video kan du omedelbart sätta ihop en video med inbrända undertexter.

Vilka filer är lämpliga?

Ljud: MP3, WAV, M4A, AAC, OGG, OPUS, FLAC och andra vanliga format. Videor: MP4, MOV, M4V, MKV, AVI, OGV, WebM. Ljudet från videon extraheras direkt i webbläsaren; det finns inget behov av att konvertera filen separat.

Vad får du

• Taltext — avskrift med tidsstämplar, som kan inaktiveras och få klar text.
• Kopiera — all igenkänd text med en knapp till urklipp.
• TXT — enkel text för anteckningar och dokument.
• SRT — undertexter för de flesta spelare och videoredigerare.
• VTT — undertexter för webb- och HTML-spelare.
• JSON — markerade stycken med timing för deras manus.

Video med brända undertexter

Om du laddar upp en video kan verktyget bränna undertexter direkt i ramarna: en sådan video spelas upp var som helst, även där undertexter inte stöds. Ljudet från källan behålls. Bränning sker på din enhet, filen skickas inte någonstans.

Allt räknas på din enhet

Tal känner igen modellen Whisper till Transformers.js: först försöker den WebGPU (videokort), och om det inte finns någon adapter, växlar det ärligt till WASM och räknar med processorn. Det finns ingen betald API här, tokens skrivs inte av och inspelningen går inte till servern. Långa poster tar längre tid att bearbeta – allt beräknas på din dator.

Vad verktyget inte gör

Ärligt talat om gränserna: det här är taligenkänning, inte översättning. Verktyget översätter inte text till ett annat språk eller gör dubbning. Kvaliteten beror på inspelningen: med tydligt tal utan mycket brus och musik blir resultatet märkbart bättre. Videor med brända undertexter kräver en modern webbläsare - detta steg kräver Chrome eller Edge.

Vem kommer att ha nytta av det?

Verktyget är användbart för alla som arbetar med inspelningar: journalister och poddsändare - utskrifter av intervjuer, studenter - föreläsningsanteckningar, redaktörer - undertexter för videor, samt de som för protokoll från möten. Om du behöver något annat efter överenskommelse, i sektionen "Video" Det finns bakgrundsborttagning, exklusiva Och djupkarta — de räknar också direkt i webbläsaren.

Vanliga frågor

Är det verkligen gratis? Ja. Tokens för detta verktyg debiteras inte, det har inte en betald API - din dator beräknar det.

Går filen till servern? Nej. Inspelningen och resultatet finns kvar på din enhet; Endast verktygskoden och modellvikterna kommer från servern.

Hur många språk stöds? Whisper känner igen 99 språk. Du kan välja språk manuellt eller lita på automatisk upptäckt.

Är det möjligt att få undertexter som en fil? Ja. TXT, SRT, VTT och JSON laddas ner med hjälp av separata knappar.

Översätter verktyget tal? Nej. Den känner igen tal på det valda språket, men översätter det inte till ett annat.

Varför tar den första lanseringen längre tid? Webbläsaren laddar ner igenkänningsmodellen en gång och sparar den i cachen – nästa start startar omedelbart.