Transkrypcja audio na tekst

Funkcje: Transkrypcja audio na tekst

• 01

  99 języków, automatyczne wykrywanie

  Whisper wykrywa język mówiony i tworzy transkrypcję w tym samym języku — španielski pozostaje spanielski, japoński pozostaje japoński, niemiecki pozostaje niemiecki. Bez wyboru języka, bez dodatkowych ustawień.

• 02

  Prześlij plik lub nagraj na żywo

  Dodaj plik MP3, WAV, M4A, OGG, FLAC lub WebM, lub kliknij Nagraj głos, aby nagrać dźwięk bezpośrednio z mikrofonu. Zatrzymaj się, gdy skończysz, a nagranie przejdzie bezpośrednio do transkrypcji.

• 03

  Przetwarzanie prywatne, w przeglądarce

  Model Whisper jest pobierany raz do pamięci podręcznej przeglądarki i działa całkowicie na Twoim urządzeniu z przyspieszeniem WebGPU, gdzie jest obsługiwane. Nic nie jest wysyłane — Twój audio nigdy nie opuszcza Twojego komputera.

Transkrypcja audio na tekst – FAQ

Jak mogę transkrybować plik audio?

Dodaj plik audio (MP3, WAV, M4A, OGG, FLAC lub WebM) do narzędzia i kliknij Transkrybuj. Pierwsze uruchomienie pobiera model mowy (~150 MB); później transkrypcja działa lokalnie bez połączenia internetowego.

Czy mogę nagrać audio za pomocą mikrofonu?

Tak. Kliknij Nagraj głos, zezwól na dostęp do mikrofonu w przeglądarce, mów, a następnie kliknij Zatrzymaj nagrywanie. Przechwycony dźwięk jest traktowany jak przesłany plik i możesz go natychmiast transkrybować.

Które języki są obsługiwane?

Wszystkie 99 języków obsługiwanych przez Whisper — w tym angielski, hiszpański, mandaryński, francuski, arabski, hindi, niemiecki, rosyjski, portugalski, japoński i wiele innych. Transkrypcja pozostaje w języku, którym posługiwał się mówca.

Jak długo może trwać audio?

Akceptowane są pliki do 200 MB. Długie nagrania są przetwarzane w 30-sekundowych fragmentach z 5-sekundowym nakładaniem, dzięki czemu jednogodzinny podcast wciąż daje spójną transkrypcję. Czas przetwarzania zależy od tego, czy przeglądarka obsługuje WebGPU.

Czy audio jest wysyłane na serwer?

Nie. Zarówno model, jak i Twoje audio pozostają w Twojej przeglądarce. Model Whisper jest pobierany raz z sieci CDN i przechowywany w pamięci podręcznej, a następnie transkrypcja odbywa się całkowicie na urządzeniu za pomocą WebGPU lub WebAssembly.

Czy mogę uzyskać napisy do wideo?

Tak. Pobierz plik .srt lub .vtt i dodaj go do edytora wideo, lub prześlij go jako ścieżkę napisów na YouTube i innych platformach. Każdy wiersz napisów zawiera przedział czasu, jaki Whisper wykrył.