تبدیل صدا به متن

خیر. صدا را مرورگرتان رمزگشایی می‌کند و مدلی که در زبانه شما اجرا می‌شود آن را به متن تبدیل می‌کند. هیچ چیزی به سرور فرستاده نمی‌شود؛ پس از بارگیری مدل می‌توانید اینترنت را قطع کنید.

بله. مدل روی دستگاه خودتان اجرا می‌شود، پس هیچ دقیقه‌ای برای ما هزینه ندارد: بدون ثبت‌نام، بدون سقف دقیقه و بدون محدودیت حجم فایل.

Whisper حدود صد زبان را تشخیص می‌دهد، از جمله فارسی، انگلیسی، اسپانیایی، فرانسوی، آلمانی، پرتغالی، ایتالیایی، هلندی، روسی، عربی، ترکی، هندی، چینی و ژاپنی. دقت آن در انگلیسی و دیگر زبان‌های پرکاربرد بیشتر است.

برای گفتار واضح، دقتش به یک شنونده دقیق نزدیک است، هرچند نام‌ها و اصطلاحات تخصصی ممکن است به اصلاح نیاز داشته باشند. موسیقی پس‌زمینه، هم‌صحبتی چند نفر و میکروفون دور دقت را کم می‌کنند.

روی یک لپ‌تاپ جدید، هر دقیقه صدا تقریباً ده تا بیست ثانیه زمان می‌برد. گوشی‌ها و رایانه‌های قدیمی‌تر کندترند. متن همزمان با تشخیص نمایش داده می‌شود، پس می‌توانید همان لحظه خواندن را شروع کنید.

بله. یک فایل MP4، MOV یا WebM باز کنید تا صدای آن به متن تبدیل شود. نتیجه را به‌صورت SRT یا VTT دانلود کنید تا به‌عنوان زیرنویس از آن استفاده کنید.