Ingyenes, korlátlan
AI-hangátírás
Csak válasszon ki egy hangfájlt, és az AI (Whisper vagy SenseVoice) a böngészőben átírja. A hang soha nem kerül szerverre. Regisztráció és időkorlát nélkül, teljesen ingyenesen.
Ennél a nyelvnél a kisebb modellek pontossága erősen romlik. Válassza a Whisper Small vagy egy nagyobb modellt
Általában maradhat az Auto beállításon. Csak akkor módosítsa, ha az eredményben egyértelműen rossz a beszélők száma
Nincs fájlja? Rögzítsen a mikrofonnal. Az átírás a felvétel leállítása után indul (ezen az eszközön a kiválasztott modellel legfeljebb kb. 000 perc). A felvétel sem kerül semmilyen szerverre.
Hogyan működik?
- 1
Válasszon hangfájlt, vagy rögzítsen
A főbb formátumok, például az MP3, WAV, M4A és FLAC támogatottak. Húzással is működik. Nincs fájlja? A mikrofonnal is rögzíthet, és azt írhatja át.
- 2
Az AI automatikusan átírja
Az AI (Whisper, SenseVoice, Haas-ja, Qwen3-ASR vagy Voxtral) a böngészőben fut. Az első használatkor letöltődik a modell (a választott modelltől függően 40 MB–5,2 GB).
- 3
Exportálja az eredményt
Mentés dokumentumként (TXT, Word, PDF), feliratként (SRT, VTT) vagy adatként (CSV, JSON). A beszélők szétválasztása is támogatott.
Mire használható?
Felvételeit szöveggé alakíthatja a böngésző elhagyása nélkül. Mivel a hanganyag nem töltődik fel, olyan felvételekhez is megfelel, amelyeket nem adhat át külső szolgáltatásnak.
Értekezletek jegyzőkönyve
A beszélők szétválasztása színekkel jelöli a résztvevőket, így az átirat már szinte kész jegyzőkönyv. A belső felvételek nem kerülnek külső szerverekre.
Interjúk átirata
A felvétel hossza nincs korlátozva. A kérdező és az interjúalany automatikusan elkülönül, és mindkettőjüknek nevet adhat.
Videó- és YouTube-feliratok
Töltsön be közvetlenül egy MP4- vagy WebM-fájlt, ellenőrizze és javítsa a feliratokat a videó lejátszása közben, majd exportáljon időkódos SRT-feliratot. Nincs szükség konvertálásra.
Előadások és szemináriumok jegyzetei
A rögzített előadásokat kereshető szövegként őrizheti meg. A nagyobb modellek jobban kezelik a sok szakkifejezést tartalmazó hanganyagot.
Hangjegyzetek
A telefonon rögzített M4A-jegyzetek változtatás nélkül betölthetők és szöveggé alakíthatók.
Podcastok és közvetítések átirata
Írja át az archivált epizódokat, hogy cikként újrahasznosítsa őket, vagy a keresőkben való láthatóság alapjául szolgáljanak.
Kezdje azzal, amire szüksége van
Ha már tudja a fájl típusát vagy a célt, kezdje itt – a magyarázatok és a lépések minden esethez igazítva vannak.
MP3 átírása
Válasszon egy MP3-fájlt, és alakítsa szöveggé.
Videó (MP4) átírása
Nyerje ki a hangot MP4- és más videókból, és alakítsa szöveggé.
M4A átírása
Alakítsa szöveggé az M4A-fájlokat, például az iPhone hangjegyzeteit.
Feliratkészítés (SRT)
Időkódos felirat készítése hangból vagy videóból.
Átírás Whisper AI-jal
Átírás a Whisperrel, telepítés nélkül.
Értekezletek átírása
Értekezlet-felvételekből beszélők szerint bontott jegyzőkönyv.
Felvételek átírása
Alakítsa szöveggé a diktafonfájlokat és a hosszú felvételeket.
A hanganyag előkészítése és az átírás utáni teendők
A szerző további eszközei. Mentsen el egy X-közvetítést, mielőtt átírja, rövidítsen le egy hosszú felvételt, mielőtt betölti, vagy égesse be az elkészült SRT-t a videóba – mindezt a böngészőben.
X Space-felvétel mentése
Egy befejezett X- (Twitter-) Space archívumát M4A formátumban menti. A fájl közvetlenül betölthető ebbe az eszközbe.
X Space Downloader →
X-videó mentése
Az X-en közzétett videókat és élő adások archívumát MP4 formátumban menti. Töltse be a videót változtatás nélkül, és írja át.
X Video Downloader →
Hang rendbetétele, SRT beégetése
Vágja ki a csendet a felvétel rövidítéséhez, nyerje ki csak a hangot egy videóból, vagy égesse be az elkészült SRT-t a videóba. Minden a böngészőben fut.
Media Tools →
Támogatott fájlformátumok
- Hangfájlok
- MP3, WAV, M4A, AAC, FLAC, OGG, Opus, AIFF, WMA, AMR, WebM
- Videofájlok
- MP4, MOV, MKV, WebM, AVI, WMV, FLV, MPG, MPEG-TS, 3GP (a hangsáv kinyerése és átírása után az eredmény feliratként jelenik meg a videón)
- Exportálási formátumok
- TXT (egyszerű szöveg), Word (DOCX), PDF (nyomtatás PDF-be), SRT / VTT (időkódos felirat), CSV és JSON
- Fájlméretkorlát
- Nincs korlát (az, hogy milyen hosszú felvétel dolgozható fel egyszerre, az eszköz memóriájától és a kiválasztott modelltől függ)
- Kötegelt feldolgozás
- Válasszon ki egyszerre több fájlt, és egymás után átírja őket, az eredményeket pedig együtt menti egy ZIP-fájlba
- Feliratfájlok
- SRT- vagy VTT-feliratfájlok megnyitása szerkesztéshez, fordításhoz vagy összefoglaláshoz, illetve SRT és VTT közötti átalakításhoz (válasszon mellé videót, ha lejátszás közben szeretné ellenőrizni)
- Nyelvek
- 100 nyelv (a Whisper 99 nyelve, valamint a kantoni a SenseVoice-szal). A japán, angol, kínai, koreai, spanyol, francia, német, portugál, orosz, olasz és indonéz mellett választhat hollandot, törököt, lengyelt, thait, vietnamit, arabot és még sok más nyelvet. Kereshet nyelvnév vagy kód alapján, vagy ha nem biztos benne, válassza az „Automatikus felismerés” lehetőséget
A videót nem kell előre hanggá alakítani – a böngésző a fájl betöltésekor rögtön kinyeri a hangsávot.
Elérhető modellek
Tizenkét modell érhető el. Az alapértelmezett modell a nyelvtől és az eszköztől függ, ahogy az alábbi táblázat mutatja, és a beállításokban módosítható. A nagyobb Whisper-modellek pontosabbak, de az első letöltésük tovább tart, és erősebb hardvert igényelnek.
Alapértelmezett modell nyelvenként
- Japán
- Haas-ja v1.0 (WebGPU-t támogató számítógép Chrome-mal vagy Edge-dzsel, az Apple Silicon processzoros Macek kivételével) SenseVoice Small (telefon, Safari, Firefox és egyéb környezetek)
- Kínai, koreai, kantoni
- SenseVoice Small
- Angol
- Parakeet Ultra (integrált grafikás számítógép Chrome-mal vagy Edge-dzsel) SenseVoice Small (telefon, WebGPU nélküli számítógép, integrált grafikás számítógép Safarival vagy Firefox-szal és hasonlók) Whisper Large v3 Turbo (dedikált GPU-s számítógép; régebbi GPU-n Whisper Small) Whisper Small (Mac)
- Spanyol, német, francia, olasz, portugál, orosz, lengyel, holland, ukrán, magyar, cseh, görög
- Parakeet Ultra (integrált grafikás számítógép Chrome-mal vagy Edge-dzsel) FastConformer (spanyol, francia, olasz és német; telefon és WebGPU nélküli számítógép, a kevés memóriájú eszközök kivételével) Egyéb eszközök: ugyanaz, mint az „Egyéb nyelvek” esetén
- Egyéb nyelvek
- Whisper Large v3 Turbo (dedikált GPU-s számítógép; régebbi GPU-n Whisper Small) Whisper Small (Mac) Whisper Base (integrált grafikás számítógép) Whisper Tiny (telefon, WebGPU nélküli környezet, 4 GB-nál kevesebb memóriájú eszköz)
Az egyes modellek mérete és jellemzői
| Modell | Méret | Megjegyzés |
|---|---|---|
| Haas-ja v1.0 | 〜710 MB | Nagy pontosságú, csak japán nyelvhez. Körülbelül 40%-kal kevesebbet hibázik, mint a SenseVoice Small (saját mérésünk felolvasott beszéden). A feldolgozás a hanganyag hosszának kb. 1/30-áig tart (integrált grafikás PC-n mérve). Csak WebGPU-t támogató számítógépen; első használatkor kb. 710 MB-ot tölt le, és kb. 1 GB GPU-memóriát (VRAM) használ. Japán nyelvnél alapértelmezett WebGPU-t támogató számítógépen Chrome-ban vagy Edge-ben (az Apple Silicon processzoros Macek kivételével) |
| SenseVoice Small | 〜240 MB | Japán, kínai, koreai, angol és kantoni. Könnyű és gyors, japán és kínai nyelven legalább olyan pontos, mint a Large v3 Turbo (alapértelmezett kínai, koreai és kantoni nyelvhez; japán nyelvhez telefonon, Safariban és Firefoxban, WebGPU nélküli számítógépen, valamint néhány más környezetben; angol nyelvhez telefonon, WebGPU nélküli számítógépen, Safarit vagy Firefoxot használó integrált grafikás számítógépen, valamint néhány más környezetben) |
| Parakeet Ultra | 〜500 MB | Nagy pontosságú modell 25 európai nyelvhez, köztük angolhoz, spanyolhoz, némethez és franciához. Spanyol, német, francia, olasz, portugál és orosz nyelven 60–80%-kal kevesebbet hibázik, mint a Whisper Base, és legalább nagyjából olyan pontos, mint a Large v3 Turbo (saját mérésünk felolvasott beszéden). A feldolgozás a hanganyag hosszának kb. 1/25-éig tart (integrált grafikás PC-n mérve). Csak WebGPU-t támogató számítógépen fut, és első alkalommal kb. 500 MB-ot tölt le. Alapértelmezett angol nyelvhez, a fenti 6 nyelvhez, valamint lengyelhez, hollandhoz, ukránhoz, magyarhoz, csehhez és göröghöz integrált grafikás számítógépen Chrome-ban vagy Edge-ben |
| FastConformer | 〜175 MB | Nyelvenkénti modellek (NVIDIA) spanyol, francia, olasz és német nyelvhez. Feleannyit sem hibáznak, mint a Whisper Tiny, és körülbelül háromszor gyorsabbak (saját mérésünk). GPU nélkül, a CPU-n futnak, és első alkalommal kb. 175 MB-ot töltenek le. Alapértelmezett ehhez a 4 nyelvhez telefonon és WebGPU nélküli számítógépen |
| Whisper Tiny | GPU 〜145 MB / CPU 〜40 MB | Gyors és könnyű. Tiszta hanghoz ideális |
| Whisper Base | GPU 〜280 MB / CPU 〜75 MB | Jó egyensúly a sebesség és a pontosság között |
| Whisper Small | GPU 〜925 MB / CPU 〜240 MB | Nagy pontosságú. Jól kezeli a szakszavakat és a nehezen érthető hangot |
| Whisper Medium | 〜650 MB | Nagyjából olyan pontos, mint a Large v3 Turbo, de WebGPU-val a letöltési mérete kevesebb mint fele akkora. WebGPU ajánlott |
| Whisper Large v3 Turbo | GPU 〜1.5 GB / CPU 〜725 MB | Közel a legjobb pontosság, gyors. WebGPU ajánlott (ajánlott) |
| Whisper Large v3 | GPU 〜2.0 GB / CPU 〜1.2 GB | A teljes Large v3. A legpontosabb Whisper-modell, a legnagyobb méretű, lassú (gyakorlatilag WebGPU szükséges) |
| Qwen3-ASR 1.7B | 〜5.2 GB | Nagy pontosságú. Csak WebGPU-t támogató számítógépen; első használatkor kb. 5,2 GB-ot tölt le (két modell: egy a szöveghez és egy az időbélyegekhez), és kb. 5 GB GPU-memóriát (VRAM) használ |
| Voxtral Mini 4B | 〜2.9 GB | Nagy pontosságú, csak japán nyelvhez érhető el. Körülbelül 30%-kal kevesebbet hibázik, mint a SenseVoice Small (saját mérésünk felolvasott beszéden). A feldolgozás tovább tart, mint a SenseVoice Small esetén: a hanganyag hosszának kb. 0,4-szerese (dedikált GPU-s PC) és 0,85-szöröse (integrált grafikás PC) között. Csak WebGPU-t támogató számítógépen; első használatkor kb. 2,9 GB-ot tölt le, és kb. 5 GB GPU-memóriát (VRAM) használ |
A Whisper Medium és a nagyobb modellek, a Haas-ja, a Parakeet Ultra, a Qwen3-ASR és a Voxtral WebGPU-t támogató környezetet igényel. A Voxtralhoz emellett a 16 bites lebegőpontos számokat (fp16) támogató GPU is szükséges. WebGPU nélkül a Small vagy kisebb modellt válassza.
Tájékoztatásul: a Whisper Large v3 és a Qwen3-ASR 1.7B futott Windows 11-en egy GeForce RTX 2060 SUPER (8 GB) kártyával. A Qwen3-ASR kb. 5 GB GPU-memóriát használ.
Az egyes modellek hibaarányának és feldolgozási idejének összehasonlítása
Miben különbözik a felhőalapú átíró szolgáltatásoktól?
A legtöbb átíró szolgáltatás a saját szervereire küldi feldolgozásra a hanganyagot. A Transcriber ehelyett a böngészőben futtatja a modellt, ami más előnyökkel és hátrányokkal jár.
| Szempont | Szokásos felhőszolgáltatás | Transcriber |
|---|---|---|
| Hová kerül a hang? | Feltöltődik a szolgáltató szervereire | Sehová – az eszközön dolgozzuk fel |
| Ingyenes keret | Általában havi néhány percre korlátozva | Nincs idő- vagy használati korlát |
| Fiók szükséges | Általában igen | Nem |
| Offline használat | Nem lehetséges | Lehetséges a modell letöltése után |
| Mitől függ a sebesség? | A szolgáltató szerverhardverétől | A saját eszköz GPU-jától / CPU-jától |
A felhőszolgáltatások előnye, hogy gyenge eszközökön is egyenletes a sebességük. A böngészőben történő feldolgozás akkor ideális, ha a felvétel nem kerülhet ki az Ön felügyelete alól, vagy ha hosszú hanganyagot kell kvóta nélkül feldolgoznia.
Gyakori kérdések
Tényleg ingyenes? Van idő- vagy használati korlát?
Teljesen ingyenes. Nincs korlátozva az időtartam, a futtatások száma, a karakterszám és a fájlméret, és nincs szükség bankkártyára. Csak az változik, hogy milyen hosszú felvétel dolgozható fel egyszerre: ez az eszköz memóriájától és a kiválasztott modelltől függ. Ha egy fájl nem fér bele, az oldal a feldolgozás megkezdése előtt jelzi.
Feltöltődik a hangom egy szerverre?
Nem. Az AI (Whisper vagy SenseVoice) a böngészőben fut, így a hang soha nem hagyja el az eszközt. A felvételei soha nem tárolódnak szerveren, és nem kerülnek harmadik félhez.
Kell fiókot létrehoznom vagy bejelentkeznem?
Nem. Nyissa meg az oldalt, válasszon egy hangfájlt, és elindul az átírás. E-mail-címet sosem kérünk.
Milyen fájlformátumok támogatottak?
Hang: MP3, WAV, M4A, AAC, FLAC, OGG, Opus, AIFF, WMA és AMR. Videó: MP4, MOV, MKV, WebM, AVI, WMV, FLV, MPG, MPEG-TS és 3GP. A fájlt behúzhatja, vagy kiválaszthatja a fájlválasztóval.
Átírható egy videofájl?
Igen. Töltsön be egy videót – például MP4-, MOV-, MKV-, WebM- vagy AVI-fájlt –, és a böngésző kinyeri belőle a hangsávot az átíráshoz. Nem kell előbb hangfájllá alakítani. Az átírás után lejátszhatja a videót úgy, hogy az eredmény feliratként jelenik meg rajta, így ellenőrizheti és javíthatja, vagy lefordított feliratokkal is megnézheti. Nincs fájlméretkorlát, így a több gigabájtos videók is változtatás nélkül betölthetők. Az X-ről (Twitterről) az X Video Downloader segítségével mentett videók változtatás nélkül betölthetők; ha előbb csak a hangot szeretné kinyerni, használja a Media Tools oldalt.
Meg tudja különböztetni a beszélőket?
A beszélők szétválasztása támogatott. Több résztvevős felvételeken, például értekezleteken vagy interjúkban, minden beszélő más színnel jelenik meg. A beszélők számát automatikusan becsli, így általában nem kell beállítani. A beszélőcímkék a képernyőn átnevezhetők, a tévesen szétválasztott beszélők egyesíthetők, és bármelyik sor átsorolható másik beszélőhöz vagy felosztható. Ha PC-n egy Firefoxtól eltérő böngészőben elérhető a WebGPU, és a beszélők száma Auto beállításon marad, a beszélők szétválasztása az NVIDIA Nemotron 3 Diarization modellt használja; egyébként a pyannote-ot, és mindkét esetben a WeSpeaker hasonlítja össze a hangjellemzőket.
Készíthetek feliratfájlt?
Igen – az átiratok időkódos SRT- és VTT- (WebVTT-) feliratként exportálhatók, amelyek közvetlenül betölthetők videószerkesztőkbe vagy videómegosztó platformokra (sok videószerkesztő elfogadja az SRT-t). Egyszerű szöveg (TXT), Word (DOCX), PDF, CSV és JSON exportálás, valamint vágólapra másolás is elérhető. Ha az exportált SRT-t közvetlenül a videóba szeretné égetni, használja a Media Tools oldalt (feliratbeégetés).
Lefordíthatom az átiratot?
Igen. Nyissa meg a „Fordítás” lehetőséget az eredmény fejlécében, válassza ki a forrás- és a célnyelvet, és minden sor alatt megjelenik a fordítás. Minden exportálási formátum tartalmazhatja az eredetit, a fordítást vagy mindkettőt. Ha videót töltött be, a fordítás lejátszás közben feliratként is megjeleníthető rajta. A fordítás az asztali Chrome 138+ és Edge 148+ beépített fordítóját használja, és teljes egészében az eszközön fut, így az átirat soha nem kerül sehová. Okostelefonon, valamint Firefoxban és Safariban nem érhető el. Egy nyelv első használatakor letöltődik a hozzá tartozó fordítómodell.
Működik offline?
Igen. Miután az AI-modell egyszer letöltődött, az átírás hálózati kapcsolat nélkül is működik. A modellek mérete a választástól függően nagyjából 40 MB és 5,2 GB között van.
Hogyan javíthatom a pontosságot?
A nyelvhez illő modell választása javítja a pontosságot. Japán nyelven az elérhető modellek közül a Haas-ja v1.0 a legpontosabb: kb. 40%-kal kevesebbet hibázik, mint a SenseVoice Small (saját mérésünk felolvasott beszéden). Csak WebGPU-t támogató számítógépen fut, első alkalommal kb. 710 MB-ot tölt le, és a feldolgozási idő a hanganyag hosszának kb. harmincada (integrált grafikás PC-n mérve). Japán nyelvnél ez az alapértelmezett modell a WebGPU-t támogató számítógépeken, Chrome-ban vagy Edge-ben (az Apple Silicon processzoros Macek kivételével). Kínai és koreai nyelvnél, valamint japán nyelvnél máshol – például telefonon, Safariban és Firefoxban – az alapértelmezett SenseVoice Small könnyű és gyors, japán és kínai nyelven pedig legalább olyan pontos, mint a Whisper Large v3 Turbo. Más nyelveken a nagyobb modellek pontosabbak; WebGPU-t támogató eszközön a Whisper Large v3 Turbo nagy pontossága és sebessége miatt ajánlott (dedikált GPU-s számítógépen ez az alapértelmezett). 25 európai nyelvhez (köztük angolhoz, spanyolhoz, némethez és franciához) a Parakeet Ultra is választható. Nagyjából olyan pontos, mint a Whisper Large v3 Turbo (görög nyelven a Turbo pontosabb), a feldolgozási ideje pedig a Turbóénak kb. hetede (csak WebGPU-t támogató számítógépen; első alkalommal kb. 500 MB letöltés). Angol, spanyol, német, francia, olasz, portugál, orosz, lengyel, holland, ukrán, magyar, cseh és görög nyelvnél ez az alapértelmezett modell az integrált grafikás számítógépeken, Chrome-ban vagy Edge-ben. Telefonon és WebGPU nélküli számítógépen spanyol, francia, olasz és német nyelvnél a FastConformer az alapértelmezett, amely feleannyit sem hibázik, mint a Whisper Tiny, és körülbelül háromszor gyorsabb (első alkalommal kb. 175 MB letöltés). Angol nyelvnél telefonon, Safarit vagy Firefoxot használó integrált grafikás számítógépen, valamint hasonló eszközökön a SenseVoice Small az alapértelmezett; kevesebbet hibázik, mint a Whisper Base, és gyorsabban fut. WebGPU-t támogató számítógépen a Qwen3-ASR 1.7B is választható (első alkalommal kb. 5,2 GB letöltés), amely japán, angol és kínai nyelven kevesebbet hibázik, mint a Whisper Large v3 Turbo. Ha az automatikus felismerés helyett kifejezetten megadja a nyelvet, az is csökkenti a hibákat. Az egyes modellek nyelvenként mért hibaarányát és feldolgozási idejét a Modellek összehasonlítása és választási útmutató oldalon találja.
Használható okostelefonon?
Igen, de az eszköz védelme érdekében csökkentett memóriájú módban (WASM) fut, így az egyszerre feldolgozható hossz rövidebb, mint számítógépen. Hosszú felvételekhez számítógép ajánlott.
Gyűjtenek hibainformációkat?
Csak a hibák javításához és a funkciók fejlesztéséhez szükséges statisztikákat. Ezek: az eszköz jellemzői (GPU-típus, memória, magok száma), a böngésző és az operációs rendszer, a kiválasztott modell és nyelv, a beszélők szétválasztásának beállítása (be vagy ki, és a megadott beszélőszám), az oldal megjelenítési nyelve, hogy meddig jutott a feldolgozás (beleértve azt is, ha leállította, vagy bezárta az oldalt), a hiba típusa és szövege, a fájl formátuma a hozzávetőleges méretével és hosszával, az egyes szakaszok időtartama, valamint a letöltött AI-modelladatok mennyisége. Egy ideiglenes számot is elküldünk, amely összekapcsolja az ugyanabban a lapon végzett feldolgozásokat (a lap bezárásakor törlődik). Sikeres feldolgozáskor is ugyanezeket a mezőket küldjük el, mert a hibaarányhoz mindkettő kell. Az eredményképernyőről azt is elküldjük, hányszor használta a szerkesztést (például a beszélők átnevezését vagy a sorok felosztását), a fordítást, az összefoglalókat és a feliratimportálást, mely formátumokat választotta a „Letöltés” alatt, milyen gyakran használta a „Szöveg másolása” és az „Összes letöltése” funkciót, valamint a fordítás nyelvpárját. A hangot, az átiratokat (beleértve a beszélők nevét és a fordításokat), a fájlneveket és az IP-címeket soha nem küldjük el, az adatok pedig csak az oldal saját szerverére jutnak – soha nem kerülnek külső szolgáltatáshoz. Bármikor kikapcsolhatja az oldal alján, „A szolgáltatás fejlesztésének támogatása” részben lévő kapcsolóval.
Menthetem az átiratot Word- vagy PDF-fájlként?
Igen. Az eredmény alatti „Letöltés” menüben válassza a „Word (DOCX)” lehetőséget, és Wordben megnyitható dokumentumot menthet. A PDF a böngésző nyomtatási funkciójával menthető: válassza a „PDF” lehetőséget, majd a megnyíló nyomtatási párbeszédablakban mentse PDF-ként (iPhone-on és iPaden a nyomtatási képernyő megosztás gombjával mentse a Fájlok alkalmazásba). Táblázatkezelőkhöz CSV, programokhoz JSON is elérhető. Minden formátum a böngészőben készül, így az átirat soha nem kerül sehová.
Rögzíthetek a böngészőben a mikrofonnal, és átírhatom a felvételt?
Igen. A „Felvétel mikrofonnal” gombbal a számítógép vagy a telefon mikrofonjával rögzíthet. Nyomja meg a „Felvétel leállítása”, majd az „Átírás indítása” gombot, és az oldal átírja a felvételt. A felvétel sem kerül sehová; ennek az eszköznek az előzményeibe mentődik. Legfeljebb 3 órát rögzíthet, az eszköz memóriájától és a kiválasztott modelltől függően kevesebbet is; a korlát a felvétel indítása előtt megjelenik. Telefonon a felvétel leállhat, ha felvétel közben zárolja a képernyőt vagy másik alkalmazásra vált.
Átírhatok egyszerre több fájlt?
Igen. Válasszon ki több fájlt a fájlválasztóban, vagy húzza be őket egyszerre, és az oldal egyenként, ugyanazokkal a beállításokkal (modell, nyelv és beszélők szétválasztása) írja át őket. Minden eredmény ennek az eszköznek a könyvtárába mentődik. Ha minden elkészült, az „Összes letöltése” alatt válassza a TXT, Word, SRT, VTT, CSV vagy JSON formátumot, és az eredményeket egyetlen ZIP-fájlba mentheti, átiratonként egy fájlként. A nem feldolgozható fájlok kimaradnak, és a következő indul. Minden feldolgozás a böngészőben fut, és a fájlok nem kerülnek sehová.
Készíthetek az átiratból összefoglalót vagy jegyzőkönyvet?
Igen. Számítógépen, Chrome-ban vagy Edge-ben (138-as vagy újabb verzió) nyomja meg az eredményképernyőn az „Összefoglalás” gombot, és a böngészőbe épített AI (Gemini Nano) az átiratból a legfontosabb pontok listáját készíti el. Az összefoglaló is a böngészőben készül, így az átirat nem kerül sehová. Word, TXT vagy PDF formátumú mentéskor az összefoglaló kerül a dokumentum elejére, így jegyzőkönyv első vázlataként használhatja. Összefoglaló japán, angol, spanyol, német és francia nyelven érhető el. Első alkalommal a böngésző letölt egy AI-modellt, amelyhez 22 GB szabad hely, valamint legalább 16 GB memória vagy 4 GB-nál több VRAM-mal rendelkező GPU szükséges. Telefonon, Firefoxban és Safariban nem működik.
Szerkeszthetek egy meglévő SRT- vagy VTT-feliratfájlt?
Igen. Válasszon ki egy SRT- vagy VTT-feliratfájlt a fájlválasztóban, és átírás nélkül megnyílik az eredményképernyőn. Javíthatja a sorok szövegét és időzítését, feloszthat vagy törölhet sorokat, lefordíthatja és összefoglalhatja, majd a „Letöltés” menüből SRT, VTT, TXT, Word és más formátumban mentheti (ezzel az SRT VTT-vé is alakítható). Ha a feliratfájlt egy videó- (vagy hang-) fájllal együtt választja ki, a videót a feliratokkal együtt játszhatja le. A fájl beolvasása is a böngészőben történik, és a fájlok nem kerülnek sehová.
A szolgáltatás fejlesztésének támogatása
Ha elküldi nekünk a feldolgozás körülményeit – akár sikeres, akár sikertelen –, azzal segít felderíteni a hibákat (a hibaarányhoz mindkettő kell). Ha tudjuk, mely eszközökön és beállításokkal fordul elő leggyakrabban hiba, módosíthatjuk az ajánlott alapértelmezéseket, és kijavíthatjuk a mögöttük álló hibákat. Ha nem bánja, sokat segít, ha bekapcsolva hagyja.
Mit küldünk el?
Az eszköz jellemzői (GPU-típus, memória, magok száma), a böngésző és az operációs rendszer, a kiválasztott modell és nyelv, a beszélők szétválasztásának beállítása (be vagy ki, és a megadott beszélőszám), az oldal megjelenítési nyelve, hogy meddig jutott a feldolgozás (beleértve azt is, ha leállította, vagy bezárta az oldalt), a hiba típusa és részletei, a fájl formátuma a hozzávetőleges méretével és hosszával, az egyes szakaszok időtartama, valamint a letöltött AI-modelladatok mennyisége. Egy ideiglenes szám, amely összekapcsolja az ugyanabban a lapon végzett feldolgozásokat (a lap bezárásakor törlődik). Az eredményképernyőn: hányszor használta a szerkesztést (például a beszélők átnevezését vagy a sorok felosztását), a fordítást, az összefoglalókat és a feliratimportálást, a „Letöltés” alatt választott formátumok, milyen gyakran használta a „Szöveg másolása” és az „Összes letöltése” funkciót, valamint a fordítás nyelvpárja.
Mit nem küldünk el soha?
A hangot, az átiratokat (beleértve a beszélők nevét és a fordításokat), a fájlneveket és az IP-címeket. Az adatok csak az oldal saját szerverére jutnak, soha nem kerülnek külső szolgáltatáshoz.