Nakatuon sa privacyHindi kailanman ina-upload ang mga file mo
AI Libre · Tumatakbo sa device mo
Gawing text ang audio
I-transcribe ang mga interview, lecture, voice memo at video gamit ang Whisper, isang AI speech model na tumatakbo mismo sa browser mo. Hindi kailanman umaalis sa device mo ang recording mo.
o pumili mula sa device mo
Hindi umaalis sa device mo ang mga file · Libre, walang sign-up · Walang limit sa laki ng file
Paano mag-transcribe ng audio
- Magbukas ng audio o video file, o i-drop ito sa page.
- I-download ang speech model nang isang beses, piliin ang wikang sinasalita o iwan sa awtomatiko.
- Piliin ang I-transcribe, saka kopyahin ang text o i-download bilang TXT, o SRT o VTT subtitles.
Speech recognition sa device mo
Ang Whisper ay isang open speech recognition model ng OpenAI, sinanay sa 680,000 oras ng audio sa halos isandaang wika. Pinapatakbo ng Scissor Audio ang Whisper base, mga 80 MB, sa browser mo gamit ang WebAssembly, kaya hindi kailanman ipinapadala ang recording sa isang transcription service.
Subtitles na may timestamps
May kasamang simula at katapusang oras ang bawat pangungusap. I-download ang transcript bilang SRT o WebVTT subtitles para sa YouTube, video editor at media player, o bilang plain text para sa notes at dokumento.
Isalin sa English ang pananalita
Piliin ang Isalin sa English at isusulat ng Whisper ang English na transcript ng pananalita sa alinman sa mga wika nito, sa isang hakbang.
Mga tanong tungkol sa Audio to text
Ina-upload ba ang audio ko?
Hindi. Dine-decode ng browser mo ang audio at tina-transcribe ito ng model na tumatakbo sa tab mo. Walang ipinapadala sa server; puwede mong patayin ang koneksyon mo kapag na-load na ang model.
Talaga bang libre ito, walang limit?
Oo. Tumatakbo ang model sa sarili mong device, kaya wala kaming gastos kada minuto: walang sign-up, walang limit sa minuto at walang limit sa laki ng file.
Anong mga wika ang naiintindihan nito?
Kinikilala ng Whisper ang halos isandaang wika, kasama ang Tagalog, English, Spanish, Indonesian, Malay, Vietnamese, Chinese, Japanese, Korean, French, German, Arabic at Hindi. Pinakatumpak ito sa English at sa iba pang malawakang ginagamit na wika.
Gaano ito katumpak?
Sa malinaw na pananalita, halos kasingtumpak ito ng maingat na tagapakinig, pero baka kailangang itama ang mga pangalan at teknikal na termino. Bumababa ang katumpakan kapag may background music, sabay-sabay na nagsasalita o malayo ang mikropono.
Gaano ito katagal?
Sa bagong laptop, mga sampu hanggang dalawampung segundo ang isang minuto ng audio. Mas mabagal sa mga phone at lumang computer. Lumalabas ang text habang kinikilala ito, kaya puwede ka nang magbasa agad.
Puwede ba akong mag-transcribe ng video?
Oo. Magbukas ng MP4, MOV o WebM file at tina-transcribe ang tunog nito. I-download ang resulta bilang SRT o VTT para gamitin bilang subtitles.