ToolsMaxxing
Bahasa Indonesia
EnglishEspañolPortuguêsBahasa Indonesiaहिन्दीবাংলাРусскийTiếng ViệtFrançaisDeutschTürkçeالعربية

Audio ke teks

Ubah ucapan dalam file audio menjadi teks lengkap dengan stempel waktu, lalu simpan sebagai subtitle .txt, .srt, atau .vtt. AI berjalan di perangkat Anda, jadi rekaman tidak pernah diunggah.

atau seret dan lepas file audio di sini

audio MP3, WAV, M4A, AAC, OGG, atau FLAC · Bisa beberapa file sekaligus

File Anda tetap di perangkat Anda

  1. 1Tambah file
  2. 2Atur
  3. 3Unduh

Cara kerjanya

  1. 1Pilih satu atau beberapa file audio: MP3, WAV, M4A, OGG, FLAC, dan lainnya. Anda bisa menambahkan hingga 5.
  2. 2Pilih bahasa yang diucapkan, atau biarkan pada deteksi otomatis. Pilih Cepat untuk draf singkat, Akurat untuk lebih sedikit kesalahan, atau Khusus Bangla untuk bahasa Bangla.
  3. 3Pilih Transkripsikan. Pertama kali, model AI diunduh satu kali dan disimpan oleh browser Anda untuk berikutnya.
  4. 4Baca teksnya, salin, atau unduh .txt, .srt, atau .vtt. Periksa nama dan angka dengan membandingkannya ke rekaman.

Fungsi tiap opsi

Model
Cepat berukuran kecil dan sigap, cukup untuk bahasa Inggris yang jelas. Akurat lebih besar dan lebih sedikit salah pada aksen, noise, dan sebagian besar bahasa. Terbaik adalah model terbesar dan butuh komputer dengan WebGPU. Khusus Bangla adalah model yang dilatih untuk bahasa Bangla: pilih untuk ucapan Bangla, karena model lain kurang baik dalam bahasa Bangla.
Bahasa yang diucapkan
Pilih bahasa rekaman. Deteksi otomatis cocok untuk ucapan panjang yang jelas, tetapi bisa memilih bahasa serumpun untuk klip yang pendek atau berisik, jadi memilih sendiri lebih andal.
Hasil
Teks dalam bahasa yang diucapkan menuliskan apa yang dikatakan. Terjemahkan ke Inggris menulis versi bahasa Inggris dari ucapan dalam bahasa apa pun.
Tampilkan waktu di teks
Menambahkan waktu mulai di depan setiap baris pada kotak teks dan file .txt. File subtitle .srt dan .vtt selalu memuat waktu.

Privasi

Alat ini berjalan di browser Anda. File Anda tidak pernah diunggah ke server.

Pertanyaan yang sering diajukan

Apakah rekaman saya diunggah?

Tidak. Model ucapan berjalan di dalam browser Anda, memakai kartu grafis jika browser mendukung WebGPU, dan memakai prosesor jika tidak. Rekaman tidak pernah keluar dari perangkat Anda. Hanya file model, yang tidak berisi informasi pribadi, diunduh satu kali dari Hugging Face lalu disimpan oleh browser Anda.

Seberapa akurat hasilnya, dan bagaimana dengan bahasa Bangla?

Ucapan bahasa Inggris yang jelas memberi hasil baik di semua model, dan Akurat juga menulis tanda baca dengan baik. Bahasa Bangla berbeda. Model umum lemah dalam bahasa Bangla: Cepat menulis kata dengan huruf Latin atau aksara yang salah, dan Akurat serta Terbaik sering memberi kata yang salah atau berulang. Untuk bahasa Bangla pilih model Khusus Bangla. Dalam uji kami pada berita yang dibacakan manusia, hasilnya terbaca dan sebagian besar benar, tetapi masih ada kesalahan pada nama, kata langka, dan kata majemuk yang panjang, serta kadang beberapa kata di akhir frasa kacau. Anggap teks Bangla sebagai draf dan bacalah sambil mendengarkan rekaman. Noise latar, musik, aksen yang kental, dan beberapa orang berbicara bersamaan menurunkan akurasi di semua bahasa.

Model AI apa yang dipakai, dan bolehkah hasilnya dipakai secara komersial?

Alat ini memakai model OpenAI Whisper dengan lisensi MIT yang mengizinkan penggunaan komersial. Teks dan subtitle yang Anda buat adalah milik Anda.

Apakah ada batas waktu?

Tidak ada batas dari kami. Satu-satunya batas adalah perangkat Anda: rekaman yang panjang butuh waktu lebih lama dan memori lebih banyak. Rekaman satu jam bisa diproses di komputer dengan kartu grafis. Di ponsel, gunakan rekaman yang pendek.

Apa itu file .srt dan .vtt?

Keduanya adalah file subtitle dengan waktu mulai dan selesai untuk setiap baris. SRT bisa dipakai di sebagian besar editor video dan pemutar. VTT adalah versi web yang dipakai video HTML. Keduanya bisa dibuka sebagai teks biasa.

Apakah alat ini tahu siapa yang berbicara?

Tidak. Alat ini menulis kata-kata secara berurutan beserta waktunya, tetapi tidak memberi label pada pembicara.

Alat terkait