Vídeo para texto
Transcreva um vídeo e receba legendas em SRT ou VTT.
Áudio para texto
Transforme a fala de um arquivo de áudio em texto com marcação de tempo e salve como legendas .txt, .srt ou .vtt. A IA roda no seu dispositivo, então a gravação nunca é enviada.
ou arraste e solte arquivos de áudio aqui
Áudio MP3, WAV, M4A, AAC, OGG ou FLAC · Vários arquivos aceitos
Seus arquivos ficam no seu dispositivo
- 1Adicionar arquivos
- 2Ajustar
- 3Baixar
Como funciona
- 1Escolha um ou mais arquivos de áudio: MP3, WAV, M4A, OGG, FLAC e outros. Você pode adicionar até 5.
- 2Escolha o idioma falado ou deixe em detectar. Escolha Rápido para um rascunho veloz, Preciso para menos erros, ou Só bangla para bangla.
- 3Selecione Transcrever. Na primeira vez, o modelo de IA é baixado uma vez e o navegador o guarda para as próximas.
- 4Leia o texto, copie ou baixe em .txt, .srt ou .vtt. Confira nomes e números com a gravação.
O que cada opção faz
- Modelo
- Rápido é pequeno e veloz e serve para inglês claro. Preciso é maior e erra menos com sotaques, ruído e a maioria dos idiomas. Melhor é o maior modelo e exige um computador com WebGPU. Só bangla é um modelo treinado para bangla: escolha-o para fala em bangla, porque os outros modelos não vão bem em bangla.
- Idioma falado
- Escolha o idioma da gravação. A detecção automática funciona bem em falas longas e claras, mas pode escolher um idioma parecido em trechos curtos ou com ruído, então escolher você mesmo é mais confiável.
- Resultado
- Texto no idioma falado escreve o que foi dito. Traduzir para inglês escreve uma versão em inglês de uma fala em qualquer idioma.
- Mostrar horários no texto
- Adiciona o horário de início antes de cada linha da caixa de texto e do arquivo .txt. Os arquivos de legenda .srt e .vtt sempre têm horários.
Privacidade
Esta ferramenta roda no seu navegador. Seus arquivos nunca são enviados a um servidor.
Perguntas frequentes
A minha gravação é enviada?
Não. O modelo de fala roda dentro do seu navegador, na placa de vídeo quando o navegador oferece WebGPU e no processador nos outros casos. A gravação nunca sai do seu dispositivo. Só os arquivos do modelo, que não contêm informações pessoais, são baixados uma vez do Hugging Face e guardados pelo navegador.
Qual a precisão, e como fica o bangla?
Fala clara em inglês dá bons resultados com todos os modelos, e o Preciso também escreve bem a pontuação. O bangla é diferente. Os modelos gerais são fracos em bangla: o Rápido escreve as palavras em letras latinas ou no alfabeto errado, e o Preciso e o Melhor costumam dar palavras erradas ou repetidas. Para bangla, escolha o modelo Só bangla. Em nossos testes com uma notícia lida por uma pessoa, o resultado ficou legível e quase todo certo, mas ainda errou em nomes, palavras raras e palavras compostas longas, e às vezes embaralhou algumas palavras no fim de uma frase. Trate o texto em bangla como rascunho e confira com a gravação. Ruído de fundo, música, sotaques fortes e várias pessoas falando ao mesmo tempo reduzem a precisão em qualquer idioma.
Qual modelo de IA é usado, e posso usar os resultados comercialmente?
Usa modelos OpenAI Whisper, com licença MIT, que permite uso comercial. O texto e as legendas que você cria são seus.
Existe limite de tempo?
Não há limite nosso. O único limite é o seu dispositivo: uma gravação longa demora mais e usa mais memória. Uma gravação de uma hora funciona em um computador com placa de vídeo. No celular, mantenha as gravações curtas.
O que são os arquivos .srt e .vtt?
São arquivos de legenda com horário de início e fim para cada linha. O SRT funciona na maioria dos editores e players de vídeo. O VTT é a versão para a web, usada pelo vídeo HTML. Ambos abrem como texto simples.
Ele identifica quem está falando?
Não. Ele escreve as palavras em ordem, com horários, mas não identifica os falantes.