Усе відбувається у браузері
Коли ви відкриваєте файл, браузер зчитує його з диска в пам'ять сторінки. Інструмент обробляє його там і віддає вам результат для завантаження. Файл ніколи нікуди не надсилається: у сайту немає точки для завантаження файлів.
Розпізнавання мовлення на пристрої
Перетворення аудіо на текст використовує Whisper base — відкриту модель розпізнавання мовлення, яку OpenAI випустила під ліцензією MIT. Під час першого використання браузер завантажує модель (близько 80 МБ) з audio.scissor.studio і зберігає її в кеші. Потім модель працює у фоновому воркері через WebAssembly на вашому процесорі. Браузер декодує аудіо, перетворює його на монозвук 16 kHz, якого очікує Whisper, а воркер перетворює його на текст фрагментами по 30 секунд.
Теги MP3
Назви пісень, виконавці, обкладинки альбомів і тексти зберігаються в тегу ID3 на початку файлу MP3. Редактор тегів MP3 читає цей тег, дає змогу його змінити й записує новий файл, де новий тег стоїть перед незмінним аудіо, тож звук копіюється біт у біт.
Перевірте самі
Відкрийте інструменти розробника в браузері, перейдіть на вкладку «Мережа» й скористайтеся будь-яким інструментом. Ви побачите, як сторінка й модель завантажуються з audio.scissor.studio, і що під час відкриття файлу нічого не надсилається назовні. Можна навіть вимкнути інтернет після завантаження сторінки: усі інструменти й далі працюватимуть.