Transkribera ljud till text online â privat Whisper AI
Omvandla tal i ljud- och videofiler till text med Whisper AI som körs i din webblÀsare. Inga uppladdningar, gratis, med kopiering och TXT-nedladdning.
đ Körs helt i din webblĂ€sare â ingenting laddas uppTal till text utan att ladda upp dina inspelningar
Den hÀr transkriberingen omvandlar talade ord i en ljud- eller videofil till ren text med hjÀlp av OpenAI:s taligenkÀnningsmodell Whisper. Till skillnad frÄn de flesta transkriberingstjÀnster pÄ nÀtet skickar den inte din fil nÄgonstans. Modellen körs i din webblÀsare via Transformers.js och ONNX Runtime, anvÀnder ditt grafikkort via WebGPU nÀr det finns tillgÀngligt och faller annars tillbaka pÄ WebAssembly pÄ processorn. Intervjuer, mötesinspelningar, förelÀsningar, röstmemon och privata videor stannar pÄ din enhet hela tiden.
Den enda nedladdningen över nÀtverket Àr sjÀlva modellen. Första gÄngen hÀmtar verktyget Whisper-vikterna frÄn Hugging Face-modellhubben, som webblÀsaren sedan cachar, sÄ att nÀsta transkribering startar nÀstan direkt. Ingenting frÄn ditt ljud ingÄr i den förfrÄgan.
SĂ„ fungerar transkriberingen
NĂ€r du trycker pĂ„ Transcribe avkodas ljudspĂ„ret och samplas om till 16 kHz mono, formatet som Whisper förvĂ€ntar sig. LĂ„nga inspelningar delas upp i fönster pĂ„ upp till 30 sekunder, och varje klipp placeras vid det tystaste ögonblicket nĂ€ra slutet av fönstret sĂ„ att ord sĂ€llan delas mitt itu. Tysta fönster hoppas över eftersom Whisper tenderar att hitta pĂ„ fraser som âThank youâ nĂ€r den inte hör nĂ„got. Varje fönster transkriberas i en bakgrundsworker sĂ„ att sidan förblir responsiv, och texten visas sĂ„ snart varje del Ă€r klar.
Whisper Tiny Àr det snabbaste alternativet och fungerar bra för tydligt tal. Whisper Base Àr mÀrkbart mer exakt med brytningar och brusigt ljud, till priset av en större nedladdning och lÄngsammare bearbetning. Om du vet vilket sprÄk som talas, vÀlj det; automatisk identifiering lyssnar pÄ början av inspelningen och vÀljer det mest sannolika sprÄket. Alternativet Translate skapar engelsk text frÄn tal pÄ ett annat sprÄk.
Tips för bÀttre resultat
Hastigheten beror pÄ din hÄrdvara: med WebGPU tar nÄgra minuters ljud ofta klart under en minut, medan bearbetning enbart pÄ processorn kan ta nÀstan realtid. Inspelningar med en talare nÀra mikrofonen ger bÀst text. Bakgrundsmusik, personer som pratar i mun pÄ varandra och kraftig komprimering minskar precisionen. Resultatet saknar talaretiketter och tidsstÀmplar, sÄ om du behöver undertexter med tidskoder bör du i stÀllet anvÀnda den automatiska undertextgeneratorn. KorrekturlÀs alltid namn, siffror och fackord innan du publicerar eller citerar transkriptionen. Mycket lÄnga filer krÀver mycket minne; om en flik fÄr slut pÄ minne, dela först upp inspelningen i kortare delar.
Hur man anvÀnder
- LÀgg till en filSlÀpp en ljudinspelning eller en video med tal i rutan.
- VÀlj modell och sprÄkVÀlj Tiny för hastighet eller Base för precision, och ange det talade sprÄket eller lÄt Auto-detect vara kvar.
- TranskriberaTryck pÄ Transcribe och se texten dyka upp fönster för fönster medan modellen arbetar.
- Kopiera eller ladda nerKorrekturlÀs transkriptionen och kopiera den sedan eller spara den som en .txt-fil.