Transcriber

Απεριόριστη μεταγραφή στο πρόγραμμα περιήγησης με Whisper AI

Επιλέξτε ένα αρχείο ήχου και το μοντέλο Whisper εκτελείται μέσα στο πρόγραμμα περιήγησής σας για να το μεταγράψει. Δεν χρειάζεται να ρυθμίσετε Python, ffmpeg ή προγράμματα οδήγησης GPU. Ο ήχος δεν φτάνει ποτέ σε διακομιστή και δεν χρειάζεται λογαριασμός ή πληρωμή.

Έλεγχος του περιβάλλοντός σας…

Η ακρίβεια για αυτή τη γλώσσα πέφτει απότομα στα μικρότερα μοντέλα. Επιλέξτε Whisper Small ή μεγαλύτερο

Ενεργή

Συνήθως μπορείτε να το αφήσετε στο «Αυτόματα». Αλλάξτε το μόνο αν το αποτέλεσμα έχει σαφώς λάθος αριθμό ομιλητών

Δεν έχετε αρχείο; Ηχογραφήστε με το μικρόφωνό σας. Η μεταγραφή ξεκινά αφού σταματήσετε την ηχογράφηση (έως περίπου λεπτά σε αυτή τη συσκευή με το επιλεγμένο μοντέλο). Ούτε η ηχογράφησή σας αποστέλλεται σε κανέναν διακομιστή.

Πώς να το χρησιμοποιήσετε

  1. Επιλέξτε μοντέλο. Η προεπιλογή ορίζεται αυτόματα με βάση τις δυνατότητες της συσκευής σας. Σε PC με WebGPU, το Large v3 Turbo προσφέρει καλή ισορροπία ακρίβειας και ταχύτητας.
  2. Επιλέξτε τη γλώσσα. Η αυτόματη ανίχνευση λειτουργεί, αλλά ο ορισμός της πραγματικής γλώσσας μειώνει τα λάθη αναγνώρισης.
  3. Επιλέξτε ένα αρχείο ήχου ή βίντεο. Η μεταγραφή ξεκινά μόλις φορτωθεί το αρχείο και, όταν ολοκληρωθεί, μπορείτε να επιλέξετε TXT, Word, SRT ή άλλη μορφή στη «Λήψη».

Σχετικά με το Whisper στο πρόγραμμα περιήγησης

Το Whisper είναι ένα μοντέλο αναγνώρισης ομιλίας που κυκλοφόρησε η OpenAI. Συνήθως χρησιμοποιείται με ρύθμιση περιβάλλοντος Python και εγκατάσταση του ffmpeg και προγραμμάτων οδήγησης GPU. Αυτό το εργαλείο εκτελεί τα ίδια μοντέλα Whisper, μετατρεμμένα σε μορφή που λειτουργεί στο πρόγραμμα περιήγησης. Την πρώτη φορά γίνεται λήψη του μοντέλου και μετά χρησιμοποιείται το αντίγραφο που είναι αποθηκευμένο στο πρόγραμμα περιήγησής σας.

Διατίθενται έξι μοντέλα: Tiny, Base, Small, Medium, Large v3 Turbo και Large v3. Σε PC με WebGPU εκτελούνται στην GPU· σε κινητά και σε συσκευές χωρίς WebGPU εκτελούνται στην CPU. Τα μεγαλύτερα μοντέλα είναι πιο ακριβή, αλλά χρειάζονται μεγαλύτερη λήψη και περισσότερη μνήμη. Το Large v3 Turbo διατηρεί τον κωδικοποιητή του Large v3 και χρησιμοποιεί μικρότερο αποκωδικοποιητή, οπότε είναι γρήγορο με ακρίβεια κοντά στο Large v3. Για τα ποσοστά σφαλμάτων και τους χρόνους επεξεργασίας που μετρήσαμε για κάθε μοντέλο σε κάθε γλώσσα, και για μοντέλα εκτός του Whisper, δείτε τη Σύγκριση μοντέλων και πώς να επιλέξετε.

Το Whisper μερικές φορές γράφει προτάσεις που δεν είπε κανείς κατά τη σιωπή ή τη μουσική. Οι επαναλαμβανόμενες προτάσεις αφαιρούνται αυτόματα, αλλά μια πρόταση που εμφανίζεται μόνο μία φορά παραμένει, οπότε διαγράψτε αυτή τη γραμμή στην οθόνη αποτελεσμάτων.

Αν κάτι δεν πάει καλά

Συχνές ερωτήσεις

Χρειάζομαι Python ή GPU;

Όχι. Αρκεί ένα πρόσφατο πρόγραμμα περιήγησης όπως Chrome ή Edge. Σε PC με WebGPU εκτελείται γρήγορα στην GPU, και σε κινητά ή σε συσκευές χωρίς αξιοποιήσιμη GPU εκτελείται στην CPU (διαρκεί περισσότερο).

Ποιο μοντέλο να επιλέξω;

Η προεπιλογή ορίζεται αυτόματα με βάση τις δυνατότητες της συσκευής σας. Σε PC με WebGPU, το Large v3 Turbo προσφέρει καλή ισορροπία ακρίβειας και ταχύτητας· σε κινητό, επιλέξτε Tiny ή Base.

Είναι τα αποτελέσματα ίδια με την έκδοση Python του Whisper;

Το μοντέλο είναι το ίδιο Whisper, αλλά έχει γίνει ελαφρύτερο για να εκτελείται στο πρόγραμμα περιήγησης, οπότε λεπτομέρειες του αποτελέσματος μπορεί να μην ταιριάζουν με την έκδοση Python.

Λειτουργεί εκτός σύνδεσης;

Ναι. Μόλις γίνει λήψη του μοντέλου, μπορείτε να μεταγράφετε χωρίς σύνδεση στο δίκτυο.

Προετοιμασία του ήχου και μετά τη μεταγραφή

Βοηθήστε μας να βελτιώσουμε την υπηρεσία

Αν μας στέλνετε τις συνθήκες μιας εκτέλεσης — επιτυχημένης ή αποτυχημένης — μας βοηθάτε να εντοπίζουμε προβλήματα (για το ποσοστό αποτυχίας χρειάζονται και τα δύο). Γνωρίζοντας ποιες συσκευές και ρυθμίσεις αποτυγχάνουν συχνότερα, μπορούμε να αναθεωρούμε τις προτεινόμενες προεπιλογές και να διορθώνουμε τα σφάλματα που βρίσκονται πίσω τους. Αν δεν σας ενοχλεί, θα μας βοηθούσε πολύ να το αφήσετε ενεργό.

Τι αποστέλλεται

Τα χαρακτηριστικά της συσκευής σας (μοντέλο GPU, μνήμη, αριθμός πυρήνων), το πρόγραμμα περιήγησης και το λειτουργικό σύστημα, το μοντέλο και η γλώσσα που επιλέξατε, η ρύθμιση διάκρισης ομιλητών (ενεργή ή ανενεργή και ο αριθμός ομιλητών που ορίσατε), η γλώσσα εμφάνισης της σελίδας, πόσο προχώρησε η εκτέλεση (μαζί με τις περιπτώσεις που τη σταματήσατε ή κλείσατε τη σελίδα), ο τύπος και οι λεπτομέρειες του σφάλματος, η μορφή του αρχείου με κατά προσέγγιση μέγεθος και διάρκεια, πόσο διήρκεσε κάθε στάδιο και πόσα δεδομένα μοντέλων AI λήφθηκαν. Ένας προσωρινός αριθμός που συνδέει τις εκτελέσεις στην ίδια καρτέλα (διαγράφεται όταν κλείσετε την καρτέλα). Στην οθόνη αποτελεσμάτων: πόσες φορές χρησιμοποιήσατε την επεξεργασία (π.χ. μετονομασία ομιλητών ή διαχωρισμός γραμμών), τη μετάφραση, τις συνόψεις και την εισαγωγή υπότιτλων, οι μορφές που επιλέξατε στη «Λήψη», πόσο συχνά χρησιμοποιήσατε την «Αντιγραφή κειμένου» και τη «Λήψη όλων», καθώς και ο συνδυασμός γλωσσών της μετάφρασης.

Τι δεν αποστέλλεται ποτέ

Ο ήχος, τα κείμενα μεταγραφής (μαζί με τα ονόματα ομιλητών και τις μεταφράσεις), τα ονόματα αρχείων και οι διευθύνσεις IP. Τα δεδομένα πηγαίνουν μόνο στον διακομιστή αυτού του ιστοτόπου, ποτέ σε υπηρεσία τρίτων.