همه چیز در مرورگر شما اتفاق می‌افتد
وقتی فایلی را باز می‌کنید، مرورگرتان آن را از دیسک به حافظه صفحه می‌خواند. ابزار همان‌جا روی آن کار می‌کند و نتیجه را برای دانلود به شما می‌دهد. فایل در هیچ لحظه‌ای به جایی فرستاده نمی‌شود: سایت اصلاً نقطه‌ای برای دریافت آپلود ندارد.
تشخیص گفتار روی دستگاه
تبدیل صدا به متن از Whisper base استفاده می‌کند، یک مدل باز تشخیص گفتار که OpenAI با مجوز MIT منتشر کرده است. اولین بار که از آن استفاده می‌کنید، مرورگرتان مدل را، حدود ۸۰ مگابایت، از audio.scissor.studio دانلود می‌کند و در حافظه پنهان خود نگه می‌دارد. سپس مدل در یک worker پس‌زمینه با WebAssembly روی پردازنده شما اجرا می‌شود. مرورگرتان صدا را رمزگشایی می‌کند و آن را به صدای مونوی ۱۶ kHz که Whisper انتظار دارد تبدیل می‌کند، و worker آن را در بازه‌های ۳۰ ثانیه‌ای به متن تبدیل می‌کند.
تگ‌های MP3
نام آهنگ، خواننده، کاور آلبوم و متن ترانه در یک تگ ID3 در ابتدای فایل MP3 ذخیره می‌شوند. ویرایشگر تگ MP3 این تگ را می‌خواند، اجازه می‌دهد آن را تغییر دهید و فایل تازه‌ای می‌نویسد که تگ جدید را پیش از صدای دست‌نخورده قرار می‌دهد، بنابراین صدا بیت به بیت کپی می‌شود.
خودتان بررسی کنید
ابزارهای توسعه‌دهنده مرورگرتان را باز کنید، زبانه Network را انتخاب کنید و از هر ابزاری استفاده کنید. می‌بینید که صفحه و مدل از audio.scissor.studio بارگیری می‌شوند و هنگام باز کردن فایل هیچ چیزی خارج نمی‌شود. همچنین می‌توانید پس از بارگیری صفحه اینترنت را قطع کنید: همه ابزارها همچنان کار می‌کنند.