কীভাবে কাজ করে

সবকিছু আপনার ব্রাউজারেই ঘটে

আপনি একটি ফাইল খুললে আপনার ব্রাউজার সেটি ডিস্ক থেকে পেজের মেমরিতে পড়ে নেয়। টুলটি সেখানেই কাজ করে এবং ফলাফল ডাউনলোড হিসেবে আপনাকে দেয়। কোনো পর্যায়েই ফাইলটি কোথাও পাঠানো হয় না: সাইটটির কোনো আপলোড এন্ডপয়েন্টই নেই।

ডিভাইসেই স্পিচ রিকগনিশন

অডিও থেকে টেক্সট টুলটি Whisper base ব্যবহার করে, যা OpenAI-এর MIT লাইসেন্সে প্রকাশিত একটি ওপেন স্পিচ রিকগনিশন মডেল। প্রথমবার ব্যবহারের সময় আপনার ব্রাউজার audio.scissor.studio থেকে মডেলটি, প্রায় 80 MB, ডাউনলোড করে ক্যাশে রেখে দেয়। এরপর মডেলটি একটি ব্যাকগ্রাউন্ড ওয়ার্কারে WebAssembly দিয়ে আপনার প্রসেসরে চলে। আপনার ব্রাউজার অডিও ডিকোড করে Whisper-এর প্রয়োজনীয় 16 kHz মোনো সাউন্ডে রূপান্তর করে, আর ওয়ার্কারটি 30 সেকেন্ডের অংশে ভাগ করে সেটিকে লেখায় পরিণত করে।

MP3 ট্যাগ

গানের নাম, শিল্পী, অ্যালবাম আর্ট ও লিরিক্স MP3 ফাইলের শুরুতে একটি ID3 ট্যাগে সংরক্ষিত থাকে। MP3 ট্যাগ এডিটর সেই ট্যাগটি পড়ে, আপনাকে বদলাতে দেয়, তারপর অপরিবর্তিত অডিওর সামনে নতুন ট্যাগ বসিয়ে একটি নতুন ফাইল তৈরি করে, ফলে সাউন্ড হুবহু কপি হয়।

নিজেই যাচাই করুন

আপনার ব্রাউজারের ডেভেলপার টুলস খুলুন, Network ট্যাব বেছে নিন এবং যেকোনো টুল ব্যবহার করুন। দেখবেন পেজ ও মডেল audio.scissor.studio থেকে লোড হচ্ছে, কিন্তু ফাইল খোলার সময় কিছুই বাইরে যাচ্ছে না। পেজ লোড হওয়ার পর ইন্টারনেট সংযোগ বন্ধও করে দিতে পারেন: প্রতিটি টুল কাজ করতে থাকে।