Tudo acontece no seu navegador
Quando você abre um arquivo, o navegador o lê do disco para a memória da página. A ferramenta trabalha nele ali e entrega o resultado como download. Em nenhum momento o arquivo é enviado para lugar algum: o site não tem nenhum ponto de envio.
Reconhecimento de fala no seu dispositivo
O Áudio para texto usa o Whisper base, um modelo aberto de reconhecimento de fala lançado pela OpenAI sob a licença MIT. Na primeira vez que você usa, o navegador baixa o modelo, cerca de 80 MB, de audio.scissor.studio e o guarda em cache. Depois, o modelo roda em um processo em segundo plano com WebAssembly, no seu processador. O navegador decodifica o áudio, converte para o som mono de 16 kHz que o Whisper espera, e o processo transforma tudo em texto em janelas de 30 segundos.
Tags de MP3
Título da música, artista, capa do álbum e letra ficam guardados em uma tag ID3 no início do arquivo MP3. O editor de tags MP3 lê essa tag, deixa você alterá-la e grava um novo arquivo com a nova tag na frente do áudio intacto, então o som é copiado bit a bit.
Confira você mesmo
Abra as ferramentas de desenvolvedor do navegador, escolha a aba Rede e use qualquer ferramenta. Você verá a página e o modelo carregando de audio.scissor.studio, e nada saindo quando abre um arquivo. Você também pode desligar a internet depois que a página carregar: todas as ferramentas continuam funcionando.