Орієнтовано на приватністьВаші файли ніколи не завантажуються
ШІ Безкоштовно · Працює на вашому пристрої
Перетворення аудіо в текст
Розшифровуйте інтерв'ю, лекції, голосові нотатки й відео за допомогою Whisper — моделі ШІ для розпізнавання мовлення, що працює просто в браузері. Запис не залишає ваш пристрій.
або виберіть його на пристрої
Файли не залишають ваш пристрій · Безкоштовно, без реєстрації · Без обмеження розміру файлу
Як перетворити аудіо в текст
- Відкрийте аудіо- чи відеофайл або перетягніть його на сторінку.
- Один раз завантажте модель розпізнавання мовлення, виберіть мову мовлення або залиште автовизначення.
- Натисніть «Розшифрувати», потім скопіюйте текст або завантажте його в TXT чи як субтитри SRT або VTT.
Розпізнавання мовлення на вашому пристрої
Whisper — відкрита модель розпізнавання мовлення від OpenAI, навчена на 680 000 годин аудіо приблизно сотнею мов. Scissor Audio запускає Whisper base (близько 80 МБ) у браузері через WebAssembly, тож запис ніколи не надсилається до сервісу транскрибування.
Субтитри з таймкодами
Кожне речення має час початку й кінця. Завантажте розшифровку як субтитри SRT або WebVTT для YouTube, відеоредакторів і плеєрів або як звичайний текст для нотаток і документів.
Переклад мовлення англійською
Виберіть «Перекласти англійською», і Whisper за один крок запише англійський текст мовлення будь-якою з підтримуваних мов.
Запитання про інструмент «Аудіо в текст»
Моє аудіо кудись завантажується?
Ні. Аудіо декодує ваш браузер, а розшифровує модель, що працює у вкладці. Нічого не надсилається на сервер; після завантаження моделі можна навіть вимкнути інтернет.
Це справді безкоштовно й без обмежень?
Так. Модель працює на вашому пристрої, тож хвилина розшифровки нам нічого не коштує: без реєстрації, без ліміту хвилин і без обмеження розміру файлу.
Які мови він розуміє?
Whisper розпізнає близько сотні мов, зокрема українську, англійську, іспанську, французьку, німецьку, португальську, італійську, нідерландську, російську, арабську, перську, турецьку, гінді, китайську та японську. Найточніше він працює з англійською та іншими поширеними мовами.
Наскільки точно?
Чітке мовлення він розпізнає майже як уважний слухач, хоча імена й спеціальні терміни іноді доводиться виправляти. Фонова музика, одночасне мовлення й віддалений мікрофон знижують точність.
Скільки часу це займає?
На сучасному ноутбуці хвилина аудіо обробляється приблизно за 10–20 секунд. На телефонах і старих комп'ютерах повільніше. Текст з'являється в міру розпізнавання, тож читати можна одразу.
Чи можна розшифрувати відео?
Так. Відкрийте файл MP4, MOV або WebM, і його звук буде розшифровано. Завантажте результат у SRT або VTT, щоб використати як субтитри.