すべてがブラウザ内で完結
ファイルを開くと、ブラウザがディスクからページのメモリに読み込みます。ツールはそこで処理を行い、結果をダウンロードとして渡します。ファイルがどこかに送られることは一度もありません。このサイトにはアップロード先自体が存在しないのです。
端末上での音声認識
文字起こしには、OpenAI が MIT ライセンスで公開したオープンな音声認識モデル Whisper base を使っています。初めて使うとき、ブラウザが約 80 MB のモデルを audio.scissor.studio からダウンロードし、キャッシュに保存します。その後はモデルがバックグラウンドワーカーの中で WebAssembly によって、お使いのプロセッサー上で動きます。ブラウザが音声をデコードし、Whisper が必要とする 16 kHz モノラルに変換したうえで、ワーカーが 30 秒ごとの区間に分けてテキストにします。
MP3 タグ
曲名、アーティスト、アルバムアート、歌詞は、MP3 ファイルの先頭にある ID3 タグに保存されています。MP3 タグ編集はそのタグを読み込んで変更できるようにし、手を加えていない音声の前に新しいタグを付けたファイルを書き出します。音声はビット単位でそのままコピーされます。
自分で確かめる
ブラウザの開発者ツールを開き、ネットワークタブを選んでから、いずれかのツールを使ってみてください。ページとモデルが audio.scissor.studio から読み込まれるのが見え、ファイルを開いても何も送信されないことがわかります。ページを読み込んだ後に接続を切っても、すべてのツールはそのまま動きます。