Alat Berkas

Ubah audio dan video menjadi teks

Pilih file untuk membuat teks di perangkat. Unduhan model pertama sekitar 43 MB; komputer disarankan untuk rekaman panjang.

Berjalan di browser Anda. Tanpa unggah.

Berjalan di browser Anda. Tanpa unggah.

Untuk file panjang atau beresolusi tinggi, sebaiknya gunakan komputer. Biarkan tab ini terbuka; kecepatan, memori, dan baterai bergantung pada perangkat.

Pada penggunaan pertama, sekitar 58 MB file model dan mesin lokal diunduh. Rekaman tidak diunggah; browser mungkin mengunduhnya lagi jika cache dihapus.

Berjalan di browser Anda. Tanpa unggah.

Tentang alat ini

Ubah audio dan video menjadi teks, praktis tanpa ribet.

Whisper Tiny berjalan secara lokal di browser. Pertama kali, sekitar 43 MB file model terbuka diunduh dari Hugging Face; rekaman tidak dikirim ke sana atau ke UsefulVerse. Browser mungkin menyimpan model dalam cache, tetapi dapat menghapusnya. Periksa nama, angka, dan tanda baca karena model dapat keliru. Tidak ada kuota ukuran atau durasi server tetap; memori, codec, browser, baterai, dan kecepatan perangkat adalah batas praktis.

Panduan

Menggunakan Ubah audio dan video menjadi teks

Halaman ini mengubah ucapan dalam file audio atau video menjadi teks biasa. Anda memilih rekaman, memilih bahasa yang diucapkan atau membiarkan deteksi pada otomatis, lalu menekan Transkripsikan. Model ucapan kecil bernama Whisper Tiny berjalan di perangkat Anda sendiri, sehingga rekaman tidak dikirim ke server. Pada penggunaan pertama, model harus diunduh. Alat ini cocok untuk catatan rapat, kuliah, dan memo suara. Alat ini hanya menghasilkan teks, tanpa stempel waktu atau nama pembicara, dan dapat salah dengar pada nama dan angka.

Cara menggunakannya

  1. Tekan Pilih file audio atau video dan pilih sebuah rekaman. Pemilih file mencantumkan jenis seperti MP3, M4A, WAV, OGG, MP4, MOV, dan WebM.
  2. Pilih bahasa lisan dari daftar 16, atau biarkan Deteksi otomatis jika Anda tidak yakin.
  3. Tekan Transkripsikan dan biarkan tab tetap terbuka. Pada penggunaan pertama, model ucapan diunduh lebih dulu (halaman menyebut sekitar 58 MB dengan mesin lokalnya), dan bilah kemajuan menunjukkan sejauh mana prosesnya.
  4. Teks muncul di kotak Hasil saat setiap potongan audio 30 detik selesai. Tekan Batal untuk berhenti lebih awal.
  5. Tekan Salin hasil, atau Unduh untuk file .txt yang dinamai sesuai rekaman Anda, dan baca teksnya sampai selesai sebelum Anda mengandalkannya.

Contoh yang dihitung

Memo suara 75 detik

Anda masukkan
File
memo.mp3, 75 detik, bahasa Inggris lisan
Bahasa
Inggris
Anda dapatkan
Kotak hasil
hingga 3 baris teks

Audio dipotong menjadi potongan 30 detik, di sini 30 + 30 + 15. Setiap potongan yang menghasilkan teks ditambahkan sebagai barisnya sendiri. Ini dibaca dari kode dan tidak dijalankan pada rekaman sungguhan.

Tidak dihitung dengan alat. Anggap sebagai ilustrasi.

Nama file teks yang diunduh

Anda masukkan
File
Panggilan tim (final).mov
Tindakan
Unduh
Anda dapatkan
Unduh
Panggilan-tim-final-transcript.txt

Akhiran file dibuang, setiap rangkaian karakter yang bukan huruf, digit, titik, garis bawah, atau tanda hubung menjadi satu tanda hubung, dan -transcript.txt ditambahkan. Huruf beraksen dipertahankan, jadi Reunión 3 de marzo.m4a menghasilkan Reunión-3-de-marzo-transcript.txt. Langkah penamaan dijalankan sendiri.

Tidak dihitung dengan alat. Anggap sebagai ilustrasi.

Video tanpa trek suara

Anda masukkan
File
screen-capture.mp4 tanpa audio
Bahasa
Deteksi otomatis
Anda dapatkan
Status
File atau browser tidak dapat menjalankan transkripsi lokal. Coba format lain yang didukung atau browser desktop.

Pembaca mencari trek audio dan gagal jika tidak ada. Halaman lalu menampilkan satu pesan umum untuk setiap jenis kegagalan. Belum dijalankan pada file yang nyata.

Tidak dihitung dengan alat. Anggap sebagai ilustrasi.

Rekaman tanpa ucapan

Anda masukkan
File
piano.wav
Bahasa
Deteksi otomatis
Anda dapatkan
Status
Tidak ada ucapan yang terdeteksi. Coba audio yang lebih jelas atau pilih bahasa.

Ketika tidak ada potongan yang mengembalikan teks, halaman menampilkan baris ini. Musik atau derau tetap dapat menghasilkan kata acak dari model kecil, jadi bacalah kotaknya dan jangan memercayai hasil yang kosong atau penuh. Belum dijalankan pada file yang nyata.

Tidak dihitung dengan alat. Anggap sebagai ilustrasi.

Kapan berguna

  • Ubah kuliah yang direkam menjadi catatan yang dapat dicari.
  • Tulis poin-poin penting rapat atau panggilan telepon yang Anda rekam dengan izin.
  • Dapatkan draf kasar dari memo suara sebelum mengeditnya.
  • Ambil kata-kata yang diucapkan dari klip video pendek untuk teks atau ringkasan.
  • Periksa apa yang dikatakan dalam wawancara sebelum mengutipnya.

Batasan yang perlu diingat

  • Alat ini tidak menetapkan ukuran atau panjang file tertentu. Perangkat Anda yang menentukan apa yang berfungsi, tergantung pada memori, baterai, dan codec audio mana yang dapat didekode browser.
  • Modelnya adalah Whisper Tiny dalam bentuk 8-bit yang ringkas, dibuat untuk ukuran kecil, bukan akurasi tertinggi. Harap perkirakan adanya kesalahan pada nama, angka, dan tanda baca.
  • Hasilnya adalah teks biasa. Tidak ada stempel waktu, label pembicara, atau terjemahan, dan kotak Hasil bersifat hanya-baca, jadi salin teksnya ke tempat lain untuk mengeditnya.
  • Audio diproses dalam potongan 30 detik dan setiap potongan menjadi barisnya sendiri, sehingga kalimat yang melewati batas potongan dapat terpecah menjadi dua baris.
  • Proses pertama memerlukan koneksi internet untuk mengunduh model dan mesin, dan browser mungkin mengunduhnya lagi jika cache dibersihkan.

Tips

  • Pilih bahasanya sendiri jika Anda tahu. Dengan deteksi otomatis, setiap potongan 30 detik diperiksa sendiri-sendiri, sehingga tebakannya dapat berubah di tengah file.
  • Gunakan rekaman yang bersih dengan mikrofon dekat dengan pembicara. Derau latar belakang adalah penyebab umum kata yang salah.
  • Periksa setiap nama, tanggal, dan angka dengan rekaman sebelum Anda mengutip atau membagikan teksnya.
  • Untuk file panjang, gunakan laptop atau desktop, colokkan, dan biarkan tab di depan, karena pekerjaan berjalan pada prosesor Anda sendiri.

Sumber

Pertanyaan umum

Tentang Ubah audio dan video menjadi teks.

Bagaimana cara mengubah rekaman menjadi teks?

Pilih file audio atau video, pilih bahasa yang diucapkan, lalu tekan Transkripsikan. Tunggu model dimuat, lalu lihat teks mengisi kotak Hasil potongan demi potongan. Setelah selesai, salin teksnya atau unduh sebagai file.

Apakah rekaman saya diunggah?

Tidak. Audio didekode dan dikenali di dalam browser Anda. Hanya file model yang datang dari internet, dari host model publik, pada penggunaan pertama. Halaman menyatakan bahwa rekaman itu sendiri tidak pernah dikirim ke host tersebut atau ke UsefulVerse.

Seberapa akurat transkripnya?

Tidak ada angka akurasi yang diberikan, dan tidak ada yang diukur untuk halaman ini. Modelnya sengaja dibuat kecil, sehingga bisa salah mendengar nama, angka, dan tanda baca, terutama dengan derau atau aksen yang kuat. Perlakukan teksnya sebagai draf pertama dan bandingkan dengan audionya.

Bahasa apa yang bisa ditranskripsikannya?

Daftar ini menawarkan deteksi otomatis ditambah 16 bahasa: Inggris, Spanyol, Prancis, Portugis, Jerman, Jepang, Korea, Indonesia, Hindi, Arab, Mandarin, Bengali, Rusia, Urdu, Turki, dan Vietnam. Bahasa lain tidak tersedia, sehingga hasil untuk bahasa tersebut tidak dapat diandalkan.

Seberapa panjang file yang dapat saya transkripsikan?

Alat ini tidak membatasi panjang atau ukuran. Secara praktis, alat ini meminta mesin ucapan memakai satu utas pemrosesan, sehingga file yang panjang dapat memakan waktu lama dan banyak memori. Laptop atau komputer desktop disarankan untuk file yang panjang.

Mengapa transkripsi pertama lambat dimulai?

Model ucapan harus diunduh sebelum yang lainnya. Halaman menyebutkan sekitar 43 MB file model dan sekitar 58 MB dengan mesin lokal. Browser Anda mungkin menyimpannya untuk kunjungan berikutnya, tetapi cache yang dihapus berarti unduhan lagi.

Apakah alat ini menambahkan stempel waktu atau nama pembicara?

Tidak. Hasilnya hanya teks, satu baris untuk setiap potongan 30 detik yang menghasilkan kata. Jika Anda memerlukan waktu atau pembicara, Anda harus menambahkannya dengan tangan sambil mendengarkan, atau memakai alat lain yang dibuat untuk itu.

Bisakah saya memakai file video?

Ya, jika video memiliki trek audio yang dapat didekode browser Anda. Alat membaca suara dari video di perangkat Anda dan mengabaikan gambarnya. Video tanpa audio menghasilkan pesan kesalahan umum.

Apakah alat ini akan menerjemahkan ucapan ke bahasa Inggris?

Tidak. Worker diatur untuk mentranskripsikan, jadi menulis apa yang diucapkan dalam bahasa yang diucapkan. Tidak ada opsi terjemahan di halaman. Gunakan daftar bahasa untuk memberi tahu bahasa apa yang dipakai pembicara.

Bagaimana cara menggunakan Transkripsi audio dan video?

Pilih file untuk membuat teks di perangkat. Unduhan model pertama sekitar 43 MB; komputer disarankan untuk rekaman panjang.

Apakah file atau data saya diunggah?

Tidak. Whisper Tiny berjalan secara lokal di browser. Pertama kali, sekitar 43 MB file model terbuka diunduh dari Hugging Face; rekaman tidak dikirim ke sana atau ke UsefulVerse. Browser mungkin menyimpan model dalam cache, tetapi dapat menghapusnya. Periksa nama, angka, dan tanda baca karena model dapat keliru. Tidak ada kuota ukuran atau durasi server tetap; memori, codec, browser, baterai, dan kecepatan perangkat adalah batas praktis.