Lahat ay nangyayari sa browser mo
Kapag nagbukas ka ng file, binabasa ito ng browser mo mula sa disk papunta sa memory ng page. Doon ito pinoproseso ng tool at ibinibigay sa iyo ang resulta bilang download. Hindi kailanman ipinapadala ang file kahit saan: walang upload endpoint ang site.
Speech recognition sa device mo
Gumagamit ang audio to text ng Whisper base, isang open speech recognition model na inilabas ng OpenAI sa ilalim ng MIT license. Sa unang paggamit mo, dina-download ng browser mo ang model, mga 80 MB, mula sa audio.scissor.studio at itinatago ito sa cache. Pagkatapos, tumatakbo ang model sa isang background worker gamit ang WebAssembly, sa processor mo. Dine-decode ng browser mo ang audio, kino-convert ito sa 16 kHz mono na tunog na kailangan ng Whisper, at ginagawa itong text ng worker nang tig-30 segundo.
MP3 tags
Nakaimbak ang pamagat ng kanta, artist, album art at lyrics sa isang ID3 tag sa simula ng MP3 file. Binabasa ng MP3 tag editor ang tag na iyon, hinahayaan kang baguhin ito, at gumagawa ng bagong file na may bagong tag sa harap ng audio na hindi ginalaw, kaya kinokopya ang tunog bit por bit.
I-check mo mismo
Buksan ang developer tools ng browser mo, piliin ang Network tab at gumamit ng kahit anong tool. Makikita mong naglo-load ang page at ang model mula sa audio.scissor.studio, at walang lumalabas kapag nagbukas ka ng file. Puwede mo ring patayin ang koneksyon mo pagkatapos mag-load ng page: patuloy na gumagana ang bawat tool.