Áudio para texto
Transforme a fala de um áudio em texto e legendas.
Vídeo para texto
Receba as palavras faladas em um vídeo como texto com marcação de tempo e salve legendas em .srt ou .vtt. A IA roda no seu dispositivo, então o vídeo nunca é enviado.
ou arraste e solte vídeos aqui
Vídeos MP4, MOV, WebM ou MKV
Seus arquivos ficam no seu dispositivo
- 1Adicionar arquivos
- 2Ajustar
- 3Baixar
Como funciona
- 1Escolha um vídeo: MP4, MOV, WebM, MKV e outros, até 300 MB.
- 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. O navegador extrai o som do vídeo e depois o modelo de IA o lê. Na primeira vez, o modelo é baixado uma vez e fica guardado para as próximas.
- 4Leia o texto, copie ou baixe em .txt, .srt ou .vtt. Use os arquivos de legenda no seu editor de vídeo ou player.
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 falado no vídeo. 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 legendas em inglês para 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
O meu vídeo é enviado?
Não. O som é extraído do vídeo no seu navegador e lido por um modelo de fala que roda no seu dispositivo, na placa de vídeo quando o navegador oferece WebGPU e no processador nos outros casos. 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 o vídeo. 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.
Como uso os arquivos de legenda?
Abra o arquivo .srt ou .vtt junto com o vídeo em um player como o VLC, ou importe no seu editor de vídeo. A maioria dos players e editores aceita SRT, e os players de vídeo da web aceitam VTT. Para gravar as legendas na imagem, use o seu editor.
Existe limite de tempo?
Não há limite nosso, mas o vídeo pode ter até 300 MB. Um vídeo longo demora mais, e no celular arquivos acima de cerca de 100 MB podem ficar sem memória.
Ele identifica quem está falando?
Não. Ele escreve as palavras em ordem, com horários, mas não identifica os falantes.