ऑडिओचे टेक्स्टमध्ये रूपांतर करा

नाही. ऑडिओ तुमचा ब्राउझर डिकोड करतो आणि तुमच्या टॅबमध्ये चालणारे मॉडेल त्याचे टेक्स्टमध्ये रूपांतर करते. सर्व्हरवर काहीही पाठवले जात नाही; मॉडेल लोड झाल्यावर तुम्ही इंटरनेट बंदही करू शकता.

हो. मॉडेल तुमच्या स्वतःच्या डिव्हाइसवर चालते, त्यामुळे प्रत्येक मिनिटासाठी आम्हाला काहीही खर्च येत नाही: साइन-अप नाही, मिनिटांची मर्यादा नाही आणि फाइल साइझची मर्यादा नाही.

Whisper सुमारे शंभर भाषा ओळखते, त्यात मराठी, हिंदी, इंग्रजी, स्पॅनिश, फ्रेंच, जर्मन, पोर्तुगीज, इटालियन, डच, रशियन, अरबी, फारसी, तुर्की, चिनी आणि जपानी यांचा समावेश आहे. इंग्रजी आणि इतर मोठ्या प्रमाणावर बोलल्या जाणाऱ्या भाषांमध्ये ते सर्वात अचूक आहे.

स्पष्ट बोलण्यासाठी ते लक्षपूर्वक ऐकणाऱ्या व्यक्तीच्या जवळपास आहे, तरी नावे आणि तांत्रिक शब्दांमध्ये दुरुस्ती लागू शकते. पार्श्वसंगीत, एकाच वेळी बोलणारे लोक आणि दूर ठेवलेला मायक्रोफोन अचूकता कमी करतात.

नवीन लॅपटॉपवर एका मिनिटाच्या ऑडिओला साधारण दहा ते वीस सेकंद लागतात. फोन आणि जुने कॉम्प्युटर हळू असतात. टेक्स्ट ओळखला जाईल तसा दिसतो, त्यामुळे तुम्ही लगेच वाचायला सुरुवात करू शकता.

हो. MP4, MOV किंवा WebM फाइल उघडा आणि तिच्या आवाजाचे टेक्स्टमध्ये रूपांतर होईल. सबटायटल्स म्हणून वापरण्यासाठी निकाल SRT किंवा VTT मध्ये डाउनलोड करा.