Jak korzystać: Transkrypcja audio i wideo
- 1
Dodaj nagranie
Upuść plik MP3, M4A, WAV, MP4 lub MOV albo przejdź do opcji Nagraj dźwięk i mów do mikrofonu.
- 2
Rozpocznij transkrypcję
Base wystarcza do większości nagrań, a Small lepiej radzi sobie z akcentami i hałasem. Zostaw automatyczne wykrywanie języka albo ustaw go ręcznie.
- 3
Czytaj, słuchaj i szukaj
Śledź podświetlane słowa podczas odtwarzania, kliknij słowo, by tam przeskoczyć, i szukaj nazwisk lub tematów.
- 4
Zapisz wynik
Skopiuj tekst albo pobierz TXT, DOCX, SRT, VTT lub JSON z czasami słów.
Limity i Pro
Do 10 minut dźwięku na plik lub nagranie (dłuższe pliki są transkrybowane tylko w pierwszych 10 minutach), pliki do 500 MB. Model mowy pobiera się jednorazowo: 43 MB (Tiny), 80 MB (Base) lub 252 MB (Small).
Do 600 minut na plik i pliki do 4 GB. Zobacz Pro
O narzędziu: Transkrypcja audio i wideo
Transcribe to narzędzie do zamiany mowy na tekst – przydatne przy wywiadach, wykładach, spotkaniach, podcastach, kazaniach i notatkach głosowych. Wybierasz nagranie albo nagrywasz je mikrofonem, a otwarty model Whisper zapisuje to, co zostało powiedziane, z interpunkcją i wielkimi literami, w jednym z 99 języków. Długie nagrania są przetwarzane w 30-sekundowych oknach, więc tekst pojawia się, gdy reszta jest jeszcze w trakcie pracy, a słowo uciętę na granicy okna jest odczytywane ponownie z kolejnego okna, zamiast zginąć.
Wynik to wygodny widok do czytania, a nie ściana tekstu: zdania są grupowane w akapity w miejscach, gdzie mówca robi pauzę, każdy akapit może pokazywać czas początku, a każde słowo ma własny znacznik czasu. Włącz odtwarzanie, a wypowiadane słowo zostanie podświetlone; kliknij dowolne słowo, by usłyszeć je w kontekście. Wyszukiwarka znajduje frazę w całej transkrypcji i przechodzi między kolejnymi trafieniami.
Pobieranie obejmuje typowe dalsze kroki: zwykły tekst (ze znacznikami czasu lub bez) do notatek, dokument Word do edycji i udostępniania, SRT lub VTT, jeśli nagranie trafi do sieci jako wideo, oraz JSON z czasem początku i końca każdego słowa dla programistów. Transkrypcja nie oznacza, kto mówi, i nie jest narzędziem do napisów na żywo – najpierw nagranie, potem transkrypcja.
Prywatność
Nagrania zostają na Twoim komputerze lub telefonie: pliki są otwierane lokalnie, dźwięk z mikrofonu jest zapisywany w pamięci na tej stronie, a Whisper działa w procesie w tle i nigdzie nie wysyła dźwięku. Zamknij kartę, a nagranie i transkrypcja znikną. Tylko model mowy jest raz pobierany z Hugging Face i zapisywany w pamięci podręcznej przeglądarki.
Funkcje
Nic nie jest przesyłane
Dekodowanie i rozpoznawanie mowy odbywają się w tej karcie przeglądarki, więc poufne rozmowy i wywiady zostają u Ciebie.
99 języków
Automatyczne wykrywanie języka oraz tłumaczenie z dowolnego obsługiwanego języka na angielski.
Znaczniki czasu dla słów
Każde słowo ma swój czas, więc możesz kliknąć, by je odtworzyć, i śledzić tekst z podświetlaniem na żywo.
Nagrywanie z mikrofonu
Nagraj notatkę głosową, wywiad lub dyktando i od razu je transkrybuj.
TXT, Word, SRT, VTT, JSON
Wyeksportuj potrzebny format – dokument, napisy lub dane strukturalne do własnych narzędzi.
Szukaj w transkrypcji
Znajdź każdą wzmiankę o nazwisku lub frazie i przeskakuj między trafieniami.