تحويل الفيديو إلى نص

لا. يُستخرج الصوت من الفيديو داخل متصفحك ويقرؤه نموذج كلام يعمل على جهازك، على بطاقة الرسوميات إذا كان متصفحك يدعم WebGPU، وعلى المعالج إن لم يدعمه. 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 الفيديو. 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.

افتح ملف .srt أو .vtt مع الفيديو في مشغل مثل VLC، أو استورده في برنامج تحرير الفيديو. تقبل معظم المشغلات والبرامج SRT، وتقبل مشغلات فيديو الويب VTT. ولدمج الترجمة داخل الصورة استخدم برنامج التحرير.

لا يوجد حد من جانبنا، لكن حجم الفيديو يصل إلى 300 MB. الفيديو الطويل يستغرق وقتًا أطول، وعلى الهاتف قد تنفد الذاكرة مع الملفات التي تتجاوز 100 MB تقريبًا.

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