ToolsMaxxing
Русский
EnglishEspañolPortuguêsBahasa Indonesiaहिन्दीবাংলাРусскийTiếng ViệtFrançaisDeutschTürkçeالعربية

Аудио в текст

Превратите речь из аудиофайла в текст с метками времени и сохраните его как .txt либо субтитры .srt или .vtt. ИИ работает на вашем устройстве, поэтому запись не загружается.

или перетащите сюда файлы (аудиофайлы)

аудио MP3, WAV, M4A, AAC, OGG или FLAC · Можно выбрать несколько файлов

Ваши файлы остаются на устройстве

  1. 1Добавьте файлы
  2. 2Настройте
  3. 3Скачайте

Как это работает

  1. 1Выберите один или несколько аудиофайлов: MP3, WAV, M4A, OGG, FLAC и другие. Можно добавить до 5.
  2. 2Выберите язык речи или оставьте автоопределение. «Быстрая» — для быстрого черновика, «Точная» — для меньшего числа ошибок, «Только бенгальский» — для бенгальского.
  3. 3Нажмите «Расшифровать». В первый раз ИИ-модель загружается один раз, и браузер сохраняет её для следующих раз.
  4. 4Прочитайте текст, скопируйте его или скачайте .txt, .srt или .vtt. Сверьте имена и числа с записью.

Что делают параметры

Модель
«Быстрая» небольшая и шустрая, подходит для чёткой английской речи. «Точная» крупнее и меньше ошибается с акцентами, шумом и в большинстве языков. «Лучшая» — самая большая модель, ей нужен компьютер с WebGPU. «Только бенгальский» — модель, обученная для бенгальского: выбирайте её для бенгальской речи, потому что остальные модели плохо с ним справляются.
Язык речи
Выберите язык записи. Автоопределение хорошо работает на длинной чёткой речи, но в коротких или шумных фрагментах может выбрать соседний язык, поэтому выбрать язык надёжнее.
Результат
«Текст на языке речи» записывает то, что сказано. «Перевод на английский» создаёт английскую версию речи на любом языке.
Показывать время в тексте
Добавляет время начала перед каждой строкой в текстовом поле и в файле .txt. Файлы субтитров .srt и .vtt всегда содержат время.

Конфиденциальность

Инструмент работает в вашем браузере. Файлы никогда не загружаются на сервер.

Частые вопросы

Моя запись загружается на сервер?

Нет. Модель распознавания речи работает внутри вашего браузера: на видеокарте, если браузер поддерживает WebGPU, и на процессоре, если нет. Запись не покидает ваше устройство. Только файлы модели, в которых нет личных данных, один раз загружаются с Hugging Face и хранятся в браузере.

Насколько точно это работает и что с бенгальским?

Чёткая английская речь хорошо распознаётся всеми моделями, а «Точная» ещё и хорошо расставляет знаки препинания. С бенгальским иначе. Универсальные модели слабы в бенгальском: «Быстрая» пишет слова латиницей или не тем алфавитом, а «Точная» и «Лучшая» часто дают неверные или повторяющиеся слова. Для бенгальского выберите модель «Только бенгальский». В наших тестах на новостном сюжете, прочитанном человеком, текст получался читаемым и в основном верным, но всё же были ошибки в именах, редких словах и длинных составных словах, а иногда несколько слов в конце фразы искажались. Считайте бенгальский текст черновиком и сверяйте его с записью. Фоновый шум, музыка, сильный акцент и одновременная речь нескольких людей снижают точность на любом языке.

Какая ИИ-модель используется и можно ли использовать результат в коммерческих целях?

Используются модели OpenAI Whisper под лицензией MIT, которая разрешает коммерческое использование. Созданные вами текст и субтитры принадлежат вам.

Есть ли ограничение по времени?

С нашей стороны ограничений нет. Предел задаёт только ваше устройство: длинная запись обрабатывается дольше и требует больше памяти. Часовая запись обрабатывается на компьютере с видеокартой. На телефоне лучше брать короткие записи.

Что такое файлы .srt и .vtt?

Это файлы субтитров с временем начала и конца каждой строки. SRT работает в большинстве видеоредакторов и плееров. VTT — веб-версия, которую использует HTML-видео. Оба открываются как обычный текст.

Определяет ли он, кто говорит?

Нет. Он записывает слова по порядку с метками времени, но не помечает говорящих.

Похожие инструменты