Upuść wideo WebM powyżej, a dostaniesz zsynchronizowane napisy SRT w kilka sekund lub minut. Rozpoznawanie mowy działa w przeglądarce: wideo nigdy nie jest wysyłane, bez limitu długości i bez konta.
Co otrzymujesz
- To rozpoznawanie mowy, nie zmiana formatu: słucha ścieżki dźwiękowej wideo i zapisuje, co zostało powiedziane, z interpunkcją i wielkimi literami.
- Każdy napis SRT jest zsynchronizowany z mową i pozostaje czytelny: najwyżej dwa wiersze po około 42 znaki, tak jak robią to stacje telewizyjne.
- Około stu języków, wykrywanych automatycznie. Może też przetłumaczyć mowę na angielski.
- Wyraźna mowa wychodzi niemal bezbłędnie. Szum w tle, ludzie mówiący jednocześnie i rzadkie nazwy powodują błędy, które możesz poprawić na miejscu przed pobraniem.
- Mówcy nie są oznaczani: tekst mówi, co powiedziano, a nie kto to powiedział.
Kiedy konwertować, a kiedy nie
Użyj SRT, aby dodać napisy do wideo: napisów do każdego odtwarzacza. Napisy sprawiają, że wideo da się oglądać bez dźwięku, tak jak ogląda większość ludzi, i dają wyszukiwarkom słowa, które w nim padają.
Ponieważ nic nie jest wysyłane, nadaje się do poufnych nagrań: medycznych, prawnych, rozmów rekrutacyjnych czy prywatnych notatek głosowych.
Jak to zrobić
- Upuść swój plik WebM powyżej albo kliknij, aby go wybrać.
- Zostaw język na automatycznym wykrywaniu i wybierz tryb: Fast działa wszędzie, Accurate jest najlepszy na komputerze z aktualną przeglądarką.
- Kliknij Transkrybuj. Czytaj na bieżąco, poprawiaj dowolne słowo kliknięciem, a potem pobierz SRT.
Pytania
Czy mój plik WebM jest wysyłany?
Nie. Rozpoznawanie mowy jest raz pobierane do przeglądarki i tam działa. Samo nagranie nigdy nie opuszcza urządzenia: po załadowaniu możesz przejść w tryb offline i nadal działa.
Jak jest dokładna?
Przy wyraźnym głosie Accurate popełnia bardzo mało błędów; Fast popełnia ich więcej, ale działa na każdym telefonie, a Balanced jest pośrodku. Każdy wiersz można poprawić przed pobraniem.
Ile to trwa?
Na nowym komputerze minuta mowy zajmuje kilka sekund w trybie Fast lub Accurate i nieco dłużej w Balanced. Telefony są wolniejsze. Cisza jest pomijana, więc długie nagranie z przerwami idzie szybciej, niż sugeruje jego długość.
Dlaczego za pierwszym razem coś się pobiera?
Rozpoznawanie mowy na urządzeniu oznacza pobranie samego rozpoznawania: 80 MB dla Fast, 245 MB dla Balanced, 545 MB dla Accurate. Zostaje w przeglądarce, więc kolejne transkrypcje ruszają od razu.
Jakie języki są obsługiwane?
Około stu, w tym angielski, francuski, hiszpański, niemiecki, włoski, portugalski, niderlandzki, arabski, chiński, japoński i rosyjski. Język jest wykrywany automatycznie; możesz też ustawić go samodzielnie.
Czy to jest darmowe? Czy jest limit długości?
Za darmo, bez konta i bez limitu minut: pracę wykonuje twoje urządzenie, więc nie ma czego liczyć. Bardzo długie nagrania ogranicza jedynie pamięć twojego urządzenia.