วิธีการทำงาน

ทุกอย่างเกิดขึ้นในเบราว์เซอร์ของคุณ

เมื่อคุณเปิดไฟล์ เบราว์เซอร์จะอ่านไฟล์จากดิสก์เข้าสู่หน่วยความจำของหน้าเว็บ เครื่องมือจะประมวลผลที่นั่นแล้วส่งผลลัพธ์ให้คุณดาวน์โหลด ไฟล์ไม่เคยถูกส่งไปที่ใดเลย เพราะเว็บไซต์นี้ไม่มีปลายทางสำหรับอัปโหลด

การรู้จำเสียงพูดบนอุปกรณ์

การแปลงเสียงเป็นข้อความใช้ Whisper base ซึ่งเป็นโมเดลรู้จำเสียงพูดแบบโอเพนซอร์สที่ OpenAI เผยแพร่ภายใต้สัญญาอนุญาต MIT เมื่อใช้งานครั้งแรก เบราว์เซอร์จะดาวน์โหลดโมเดลขนาดประมาณ 80 MB จาก audio.scissor.studio และเก็บไว้ในแคช จากนั้นโมเดลจะทำงานใน worker เบื้องหลังด้วย WebAssembly บนโปรเซสเซอร์ของคุณ เบราว์เซอร์จะถอดรหัสเสียง แปลงเป็นเสียงโมโน 16 kHz ตามที่ Whisper ต้องการ แล้ว worker จะแปลงเป็นข้อความทีละช่วง 30 วินาที

แท็ก MP3

ชื่อเพลง ศิลปิน ภาพปกอัลบั้ม และเนื้อเพลง ถูกเก็บไว้ในแท็ก ID3 ที่ส่วนต้นของไฟล์ MP3 เครื่องมือแก้ไขแท็ก MP3 จะอ่านแท็กนั้น ให้คุณแก้ไข แล้วเขียนไฟล์ใหม่โดยวางแท็กใหม่ไว้หน้าเสียงที่ไม่ถูกแตะต้อง เสียงจึงถูกคัดลอกทุกบิตเหมือนเดิม

ตรวจสอบด้วยตัวเอง

เปิดเครื่องมือสำหรับนักพัฒนาของเบราว์เซอร์ เลือกแท็บ Network แล้วใช้เครื่องมือใดก็ได้ คุณจะเห็นหน้าเว็บและโมเดลโหลดจาก audio.scissor.studio และไม่มีอะไรถูกส่งออกไปเมื่อคุณเปิดไฟล์ คุณยังตัดการเชื่อมต่ออินเทอร์เน็ตหลังหน้าเว็บโหลดเสร็จได้ ทุกเครื่องมือยังคงทำงานต่อไป