رازداری پر مرکوزآپ کی فائلیں کبھی اپ لوڈ نہیں ہوتیں

AI مفت · آپ کے آلے پر چلتا ہے

آڈیو کو متن میں بدلیں

انٹرویوز، لیکچرز، وائس میموز اور ویڈیوز کو Whisper سے متن میں بدلیں، ایک AI اسپیچ ماڈل جو سیدھا آپ کے براؤزر میں چلتا ہے۔ آپ کی ریکارڈنگ کبھی آپ کے آلے سے باہر نہیں جاتی۔

آڈیو یا ویڈیو فائل یہاں ڈراپ کریں

یا اپنے آلے سے منتخب کریں

فائلیں آپ کے آلے سے باہر نہیں جاتیں · مفت، سائن اپ نہیں · فائل سائز کی کوئی حد نہیں

آڈیو کو متن میں کیسے بدلیں

  1. آڈیو یا ویڈیو فائل کھولیں، یا اسے صفحے پر ڈراپ کریں۔
  2. اسپیچ ماڈل ایک بار ڈاؤن لوڈ کریں، بولی جانے والی زبان چنیں یا اسے خودکار پر رہنے دیں۔
  3. «متن میں بدلیں» منتخب کریں، پھر متن کاپی کریں یا اسے TXT، یا SRT یا VTT سب ٹائٹلز کے طور پر ڈاؤن لوڈ کریں۔

آپ کے آلے پر اسپیچ ریکگنیشن

Whisper، OpenAI کا ایک اوپن اسپیچ ریکگنیشن ماڈل ہے جسے تقریباً سو زبانوں میں 680,000 گھنٹے کی آڈیو پر تربیت دی گئی ہے۔ Scissor Audio آپ کے براؤزر میں WebAssembly کے ذریعے Whisper base، تقریباً 80 MB، چلاتا ہے، اس لیے ریکارڈنگ کبھی کسی ٹرانسکرپشن سروس کو نہیں بھیجی جاتی۔

ٹائم اسٹیمپس کے ساتھ سب ٹائٹلز

ہر جملہ اپنے شروع اور اختتام کے وقت کے ساتھ آتا ہے۔ ٹرانسکرپٹ کو YouTube، ویڈیو ایڈیٹرز اور میڈیا پلیئرز کے لیے SRT یا WebVTT سب ٹائٹلز کے طور پر، یا نوٹس اور دستاویزات کے لیے سادہ متن کے طور پر ڈاؤن لوڈ کریں۔

گفتگو کا انگریزی میں ترجمہ

«انگریزی میں ترجمہ» چنیں اور Whisper اپنی کسی بھی زبان میں بولی گئی بات کا انگریزی ٹرانسکرپٹ ایک ہی قدم میں لکھ دیتا ہے۔

آڈیو سے متن کے بارے میں سوالات

کیا میرا آڈیو اپ لوڈ ہوتا ہے؟

نہیں۔ آڈیو آپ کا براؤزر ڈی کوڈ کرتا ہے اور آپ کے ٹیب میں چلنے والا ماڈل اسے متن میں بدلتا ہے۔ کسی سرور کو کچھ نہیں بھیجا جاتا؛ ماڈل لوڈ ہونے کے بعد آپ انٹرنیٹ بند کر سکتے ہیں۔

کیا یہ واقعی مفت ہے، بغیر کسی حد کے؟

جی ہاں۔ ماڈل آپ کے اپنے آلے پر چلتا ہے، اس لیے فی منٹ ہمارا کوئی خرچ نہیں آتا: نہ سائن اپ، نہ منٹوں کی حد اور نہ فائل سائز کی حد۔

یہ کون سی زبانیں سمجھتا ہے؟

Whisper تقریباً سو زبانیں پہچانتا ہے، جن میں اردو، انگریزی، ہسپانوی، فرانسیسی، جرمن، پرتگالی، اطالوی، ڈچ، روسی، عربی، فارسی، ترکی، ہندی، چینی اور جاپانی شامل ہیں۔ یہ انگریزی اور دوسری عام بولی جانے والی زبانوں میں سب سے زیادہ درست ہے۔

یہ کتنا درست ہے؟

صاف آواز کے لیے یہ توجہ سے سننے والے کسی شخص کے قریب ہے، البتہ ناموں اور خاص اصطلاحات میں تصحیح کی ضرورت پڑ سکتی ہے۔ پس منظر کی موسیقی، ایک ساتھ بولنا اور دور رکھا مائیکروفون درستگی کم کر دیتے ہیں۔

اس میں کتنا وقت لگتا ہے؟

نئے لیپ ٹاپ پر ایک منٹ کی آڈیو میں تقریباً دس سے بیس سیکنڈ لگتے ہیں۔ فونز اور پرانے کمپیوٹر سست ہوتے ہیں۔ متن پہچانے جانے کے ساتھ ساتھ ظاہر ہوتا ہے، اس لیے آپ فوراً پڑھنا شروع کر سکتے ہیں۔

کیا میں ویڈیو کو متن میں بدل سکتا ہوں؟

جی ہاں۔ MP4، MOV یا WebM فائل کھولیں اور اس کی آواز متن میں بدل جائے گی۔ نتیجہ SRT یا VTT کے طور پر ڈاؤن لوڈ کریں تاکہ اسے سب ٹائٹلز کے طور پر استعمال کر سکیں۔