Audio ke teks
Ubah ucapan dalam file audio menjadi teks dan subtitle.
Video ke teks
Ambil kata-kata yang diucapkan dalam video sebagai teks dengan stempel waktu, lalu simpan subtitle sebagai .srt atau .vtt. AI berjalan di perangkat Anda, jadi video tidak pernah diunggah.
atau seret dan lepas video di sini
video MP4, MOV, WebM, atau MKV
File Anda tetap di perangkat Anda
- 1Tambah file
- 2Atur
- 3Unduh
Cara kerjanya
- 1Pilih video: MP4, MOV, WebM, MKV, dan lainnya, hingga 300 MB.
- 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.
- 3Pilih Transkripsikan. Browser Anda mengambil suara dari video, lalu model AI membacanya. Pertama kali, model diunduh satu kali dan disimpan untuk berikutnya.
- 4Baca teksnya, salin, atau unduh .txt, .srt, atau .vtt. Pakai file subtitle di editor video atau pemutar Anda.
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 yang diucapkan dalam video. 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 subtitle bahasa Inggris untuk 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 video saya diunggah?
Tidak. Suara diambil dari video di dalam browser Anda dan dibaca oleh model ucapan yang berjalan di perangkat Anda, memakai kartu grafis jika browser mendukung WebGPU, dan memakai prosesor jika tidak. 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 menonton videonya. 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.
Bagaimana cara memakai file subtitle?
Buka file .srt atau .vtt bersama video Anda di pemutar seperti VLC, atau impor ke editor video Anda. Sebagian besar pemutar dan editor menerima SRT, dan pemutar video web menerima VTT. Untuk menempelkan subtitle langsung ke gambar, gunakan editor Anda.
Apakah ada batas waktu?
Tidak ada batas dari kami, tetapi ukuran video bisa hingga 300 MB. Video yang panjang butuh waktu lebih lama, dan di ponsel file di atas sekitar 100 MB bisa kehabisan memori.
Apakah alat ini tahu siapa yang berbicara?
Tidak. Alat ini menulis kata-kata secara berurutan beserta waktunya, tetapi tidak memberi label pada pembicara.