تحويل الصوت إلى نص

لا. يعمل نموذج الكلام داخل متصفحك، على بطاقة الرسوميات إذا كان متصفحك يدعم WebGPU، وعلى المعالج إن لم يدعمه. التسجيل لا يغادر جهازك أبدًا. الذي يُنزَّل مرة واحدة فقط من Hugging Face هو ملفات النموذج، ولا تحتوي على أي معلومات شخصية، ثم يحتفظ بها متصفحك.

الكلام الإنجليزي الواضح يعطي نتائج جيدة مع كل النماذج، والدقيق يكتب علامات الترقيم جيدًا أيضًا. البنغالية مختلفة. النماذج العامة ضعيفة فيها: السريع يكتب الكلمات بحروف لاتينية أو بخط خاطئ، والدقيق والأفضل كثيرًا ما يعطيان كلمات خاطئة أو مكررة. للبنغالية اختر نموذج البنغالية فقط. في اختباراتنا على خبر قرأه شخص كان النص مقروءًا وصحيحًا في معظمه، لكنه أخطأ في الأسماء والكلمات النادرة والكلمات المركبة الطويلة، وأحيانًا شوّه بعض الكلمات في آخر العبارة. اعتبر النص البنغالي مسودة وراجعه مع التسجيل. الضجيج في الخلفية والموسيقى واللهجات القوية وتحدث عدة أشخاص معًا تقلل الدقة في كل اللغات.

تستخدم الأداة نماذج OpenAI Whisper بترخيص MIT الذي يسمح بالاستخدام التجاري. النص وملفات الترجمة التي تنشئها ملك لك.

لا يوجد حد من جانبنا. الحد الوحيد هو جهازك: التسجيل الطويل يستغرق وقتًا أطول ويحتاج إلى ذاكرة أكثر. يعمل تسجيل مدته ساعة على حاسوب فيه بطاقة رسوميات. وعلى الهاتف اجعل التسجيلات قصيرة.

هي ملفات ترجمة فيها وقت بداية ونهاية لكل سطر. يعمل SRT في معظم برامج تحرير الفيديو والمشغلات. وVTT هو نسخة الويب التي يستخدمها فيديو HTML. وكلاهما يُفتح كنص عادي.

لا. يكتب الكلمات بالترتيب مع الأوقات، لكنه لا يضع أسماء المتحدثين.