Как превратить запись в текст?
Выберите аудио- или видеофайл, укажите язык речи и нажмите «Расшифровать». Дождитесь загрузки модели, затем наблюдайте, как текст заполняет поле «Результат» фрагмент за фрагментом. Когда процесс завершится, скопируйте текст или скачайте его в виде файла.
Загружается ли моя запись?
Нет. Аудио декодируется и распознаётся внутри вашего браузера. Из интернета при первом использовании загружаются только файлы модели с публичного хоста моделей. Страница сообщает, что сама запись никогда не отправляется ни на этот хост, ни в UsefulVerse.
Насколько точна расшифровка?
Показатель точности не приводится и для этой страницы не измерялся. Модель намеренно небольшая, поэтому может неверно расслышать имена, числа и знаки препинания, особенно при шуме или сильном акценте. Считайте текст первым черновиком и сверьте его с аудио.
Какие языки он может расшифровывать?
В списке есть автоматическое определение и 16 языков: английский, испанский, французский, португальский, немецкий, японский, корейский, индонезийский, хинди, арабский, китайский, бенгальский, русский, урду, турецкий и вьетнамский. Других языков нет, поэтому результаты для них ненадёжны.
Файл какой длины можно расшифровать?
Инструмент не ограничивает длину или размер. На практике он просит движок речи использовать один поток обработки, поэтому длинные файлы могут обрабатываться долго и занимать много памяти. Для чего-то объёмного рекомендуется ноутбук или настольный компьютер.
Почему первая расшифровка долго начинается?
Модель распознавания речи нужно скачать, прежде чем что-либо делать. На странице указано около 43 MB файлов модели и около 58 MB с локальным движком. Браузер может сохранить их для будущих визитов, но после очистки кэша потребуется новая загрузка.
Добавляет ли он метки времени или имена говорящих?
Нет. Вывод — только текст, по одной строке на каждый 30-секундный фрагмент, в котором были слова. Если нужны время или говорящие, добавьте их вручную при прослушивании или используйте другой инструмент, созданный для этого.
Можно ли использовать видеофайл?
Да, если в нём есть звуковая дорожка, которую может декодировать ваш браузер. Инструмент считывает звук из видео на вашем устройстве и игнорирует изображение. Видео без звука даёт общее сообщение об ошибке.
Переведёт ли он речь на английский?
Нет. Обработчик настроен на расшифровку, поэтому он записывает сказанное на том языке, на котором говорят. Опции перевода на странице нет. Используйте список языков, чтобы указать, на каком языке говорит человек.
Как пользоваться инструментом «Расшифровка аудио и видео»?
Выберите файл, чтобы создать текст на устройстве. При первом запуске скачивается около 43 МБ модели; для длинных записей рекомендуем компьютер.
Мои файлы или данные загружаются?
Нет. Мультиязычная модель Whisper Tiny работает локально в браузере. При первом использовании с Hugging Face загружается около 43 МБ открытых файлов модели; сама запись туда или в UsefulVerse не отправляется. Браузер может сохранить модель в кэше, но также может очистить его. Проверяйте имена, числа и пунктуацию: модель может ошибаться. Фиксированной серверной квоты по размеру и длительности нет; практические ограничения зависят от памяти, кодеков, браузера, батареи и скорости устройства.