یہ کیسے کام کرتا ہے

سب کچھ آپ کے براؤزر میں ہوتا ہے

جب آپ کوئی فائل کھولتے ہیں تو آپ کا براؤزر اسے آپ کی ڈسک سے صفحے کی میموری میں پڑھتا ہے۔ ٹول وہیں اس پر کام کرتا ہے اور نتیجہ ڈاؤن لوڈ کی صورت میں آپ کو دیتا ہے۔ فائل کسی بھی لمحے کہیں نہیں بھیجی جاتی: سائٹ کے پاس اپ لوڈ وصول کرنے کا کوئی اینڈ پوائنٹ ہی نہیں۔

آلے پر اسپیچ ریکگنیشن

آڈیو سے متن کا ٹول Whisper base استعمال کرتا ہے، جو OpenAI کا MIT لائسنس کے تحت جاری کردہ اوپن اسپیچ ریکگنیشن ماڈل ہے۔ پہلی بار استعمال پر آپ کا براؤزر یہ ماڈل، تقریباً 80 MB، audio.scissor.studio سے ڈاؤن لوڈ کر کے اپنے کیش میں رکھ لیتا ہے۔ پھر ماڈل WebAssembly کے ذریعے ایک بیک گراؤنڈ worker میں آپ کے پروسیسر پر چلتا ہے۔ آپ کا براؤزر آڈیو کو ڈی کوڈ کر کے اسے 16 kHz مونو آواز میں بدلتا ہے جس کی Whisper کو ضرورت ہے، اور worker اسے 30 سیکنڈ کے حصوں میں متن میں بدلتا ہے۔

MP3 ٹیگز

گانوں کے عنوان، فنکار، البم آرٹ اور بول MP3 فائل کے شروع میں ایک ID3 ٹیگ میں محفوظ ہوتے ہیں۔ MP3 ٹیگ ایڈیٹر یہ ٹیگ پڑھتا ہے، آپ کو اسے بدلنے دیتا ہے، اور ایک نئی فائل لکھتا ہے جس میں نیا ٹیگ اصل آڈیو سے پہلے لگا ہوتا ہے، اس لیے آواز بٹ بہ بٹ کاپی ہوتی ہے۔

خود جانچیں

اپنے براؤزر کے ڈیولپر ٹولز کھولیں، Network ٹیب منتخب کریں اور کوئی بھی ٹول استعمال کریں۔ آپ دیکھیں گے کہ صفحہ اور ماڈل audio.scissor.studio سے لوڈ ہوتے ہیں، اور فائل کھولتے وقت کچھ باہر نہیں جاتا۔ آپ صفحہ لوڈ ہونے کے بعد انٹرنیٹ بند بھی کر سکتے ہیں: ہر ٹول کام کرتا رہتا ہے۔