यह कैसे काम करता है

सब कुछ आपके ब्राउज़र में होता है

जब आप कोई फ़ाइल खोलते हैं, तो आपका ब्राउज़र उसे आपकी डिस्क से पेज की मेमोरी में पढ़ता है। टूल वहीं उस पर काम करता है और रिज़ल्ट आपको डाउनलोड के रूप में देता है। फ़ाइल कभी कहीं नहीं भेजी जाती: साइट पर अपलोड का कोई एंडपॉइंट ही नहीं है।

डिवाइस पर स्पीच रिकग्निशन

ऑडियो टू टेक्स्ट Whisper base इस्तेमाल करता है, जो OpenAI का MIT लाइसेंस के तहत जारी किया गया ओपन स्पीच रिकग्निशन मॉडल है। पहली बार इस्तेमाल करने पर आपका ब्राउज़र लगभग 80 MB का यह मॉडल audio.scissor.studio से डाउनलोड करके कैश में रख लेता है। फिर मॉडल एक बैकग्राउंड वर्कर में WebAssembly से आपके प्रोसेसर पर चलता है। आपका ब्राउज़र ऑडियो को डिकोड करके उसे 16 kHz मोनो साउंड में बदलता है, जैसा Whisper चाहता है, और वर्कर उसे 30 सेकंड के हिस्सों में टेक्स्ट में बदलता है।

MP3 टैग

गाने का टाइटल, आर्टिस्ट, एल्बम कवर और लिरिक्स MP3 फ़ाइल की शुरुआत में एक ID3 टैग में सेव होते हैं। MP3 टैग एडिटर यह टैग पढ़ता है, आपको इसे बदलने देता है, और नई फ़ाइल लिखता है जिसमें नया टैग बिना छुए ऑडियो के आगे होता है, यानी आवाज़ बिट-दर-बिट कॉपी होती है।

खुद जाँचें

अपने ब्राउज़र के डेवलपर टूल्स खोलें, Network टैब चुनें और कोई भी टूल इस्तेमाल करें। आप देखेंगे कि पेज और मॉडल audio.scissor.studio से लोड होते हैं, और फ़ाइल खोलने पर कुछ भी बाहर नहीं जाता। पेज लोड होने के बाद आप इंटरनेट बंद भी कर सकते हैं: हर टूल काम करता रहेगा।