Mengutamakan privasiFile Anda tidak pernah diunggah
AI Gratis · Berjalan di perangkat Anda
Ubah audio jadi teks
Transkripsikan wawancara, kuliah, memo suara, dan video dengan Whisper, model AI pengenal suara yang berjalan langsung di browser Anda. Rekaman Anda tidak pernah keluar dari perangkat.
atau pilih dari perangkat Anda
File tidak pernah keluar dari perangkat Anda · Gratis, tanpa daftar · Tanpa batas ukuran file
Cara mentranskripsikan audio
- Buka file audio atau video, atau letakkan di halaman.
- Unduh model suara sekali, lalu pilih bahasa yang diucapkan atau biarkan otomatis.
- Pilih Transkripsikan, lalu salin teksnya atau unduh sebagai TXT, atau subtitle SRT atau VTT.
Pengenalan suara di perangkat Anda
Whisper adalah model pengenalan suara terbuka dari OpenAI yang dilatih dengan 680.000 jam audio dalam sekitar seratus bahasa. Scissor Audio menjalankan Whisper base, sekitar 80 MB, di browser Anda dengan WebAssembly, sehingga rekaman tidak pernah dikirim ke layanan transkripsi.
Subtitle dengan stempel waktu
Setiap kalimat dilengkapi waktu mulai dan selesai. Unduh transkrip sebagai subtitle SRT atau WebVTT untuk YouTube, editor video, dan pemutar media, atau sebagai teks biasa untuk catatan dan dokumen.
Terjemahkan ucapan ke bahasa Inggris
Pilih Terjemahkan ke bahasa Inggris dan Whisper menulis transkrip berbahasa Inggris dari ucapan dalam bahasa apa pun yang didukungnya, dalam satu langkah.
Pertanyaan seputar Audio ke teks
Apakah audio saya diunggah?
Tidak. Audio didekode oleh browser Anda dan ditranskripsikan oleh model yang berjalan di tab Anda. Tidak ada yang dikirim ke server; Anda bahkan bisa mematikan koneksi setelah model dimuat.
Benar-benar gratis, tanpa batas?
Ya. Model berjalan di perangkat Anda sendiri, jadi kami tidak menanggung biaya per menit: tanpa daftar, tanpa batas menit, dan tanpa batas ukuran file.
Bahasa apa saja yang dikenali?
Whisper mengenali sekitar seratus bahasa, termasuk bahasa Indonesia, Inggris, Spanyol, Prancis, Jerman, Portugis, Italia, Belanda, Rusia, Arab, Persia, Turki, Hindi, Mandarin, dan Jepang. Hasilnya paling akurat untuk bahasa Inggris dan bahasa lain yang banyak penuturnya.
Seberapa akurat?
Untuk ucapan yang jelas, hasilnya mendekati pendengar yang cermat, meski nama dan istilah khusus mungkin perlu dikoreksi. Musik latar, orang yang berbicara bersamaan, dan mikrofon yang jauh menurunkan akurasi.
Berapa lama prosesnya?
Di laptop yang cukup baru, satu menit audio butuh sekitar sepuluh hingga dua puluh detik. Ponsel dan komputer lama lebih lambat. Teks muncul saat dikenali, jadi Anda bisa langsung mulai membaca.
Bisakah saya mentranskripsikan video?
Bisa. Buka file MP4, MOV, atau WebM dan suaranya akan ditranskripsikan. Unduh hasilnya sebagai SRT atau VTT untuk dipakai sebagai subtitle.