Gratis, Tanpa Batas
Transkripsi Audio AI
Cukup pilih file audio, lalu AI (Whisper atau SenseVoice) mentranskripsinya di dalam peramban Anda. Audio tidak pernah dikirim ke server. Tanpa daftar, tanpa batas waktu, sepenuhnya gratis.
Akurasi untuk bahasa ini turun drastis pada model yang lebih kecil. Pilih Whisper Small atau yang lebih besar
Biasanya Anda cukup membiarkannya pada Auto. Ubah hanya jika jumlah pembicara dalam hasilnya jelas salah
Tidak punya file? Rekam dengan mikrofon Anda. Transkripsi dimulai setelah Anda menghentikan rekaman (hingga sekitar 000 menit di perangkat ini dengan model yang dipilih). Rekaman Anda juga tidak dikirim ke server mana pun.
Cara kerja
- 1
Pilih file audio atau rekam
Mendukung format utama seperti MP3, WAV, M4A, dan FLAC. Bisa juga dengan seret & lepas. Tidak punya file? Anda juga bisa merekam dengan mikrofon dan mentranskripsinya.
- 2
AI mentranskripsi secara otomatis
AI (Whisper, SenseVoice, Haas-ja, Qwen3-ASR, atau Voxtral) menjalankan inferensi di dalam peramban Anda. Pada penggunaan pertama, model akan diunduh (40 MB–5,2 GB, tergantung model yang dipilih).
- 3
Ekspor hasilnya
Simpan sebagai dokumen (TXT, Word, PDF), subtitel (SRT, VTT), atau data (CSV, JSON). Pemisahan pembicara didukung.
Contoh penggunaan
Ubah rekaman menjadi teks tanpa keluar dari peramban. Karena audio Anda tidak diunggah, alat ini juga cocok untuk rekaman yang tidak bisa Anda serahkan ke layanan pihak ketiga.
Notulen rapat
Pemisahan pembicara memberi warna berbeda untuk setiap peserta, sehingga transkripnya sudah mendekati notulen. Rekaman internal tidak masuk ke server eksternal.
Transkrip wawancara
Tidak ada batas durasi rekaman. Pewawancara dan narasumber dibedakan secara otomatis, dan Anda dapat memberi nama masing-masing.
Subtitel video dan YouTube
Muat file MP4 atau WebM secara langsung, periksa dan perbaiki teks sambil video diputar, lalu ekspor subtitel SRT dengan kode waktu. Tidak perlu langkah konversi.
Catatan kuliah dan seminar
Simpan rekaman kuliah sebagai teks yang dapat dicari. Model yang lebih besar lebih baik menangani audio yang penuh istilah teknis.
Memo suara
Memo M4A yang direkam di ponsel dapat langsung dimuat dan diubah menjadi teks.
Transkrip podcast dan siaran
Transkripsi episode arsip untuk dipakai ulang sebagai artikel atau sebagai dasar agar mudah ditemukan di pencarian.
Mulai dari kebutuhan Anda
Jika Anda sudah tahu jenis file atau tujuannya, mulailah dari sini — penjelasan dan langkah-langkahnya sudah disesuaikan untuk setiap kasus.
Transkripsi MP3
Pilih file MP3 dan ubah menjadi teks.
Transkripsi video (MP4)
Ekstrak audio dari MP4 dan video lain, lalu ubah menjadi teks.
Transkripsi M4A
Ubah file M4A, seperti memo suara iPhone, menjadi teks.
Pembuatan subtitel (SRT)
Buat subtitel dengan kode waktu dari audio atau video.
Transkripsi dengan Whisper AI
Gunakan Whisper untuk transkripsi tanpa memasang apa pun.
Transkripsi rapat
Ubah rekaman rapat menjadi notulen, dipisahkan per pembicara.
Transkripsi rekaman
Ubah file perekam suara dan rekaman panjang menjadi teks.
Menyiapkan audio, dan setelah transkripsi
Alat lain dari pembuat yang sama. Simpan siaran X sebelum mentranskripsinya, perpendek rekaman panjang sebelum memuatnya, atau tanamkan SRT yang Anda buat ke dalam video, semuanya di dalam peramban Anda.
Simpan rekaman X Space
Menyimpan arsip X (Twitter) Space yang sudah selesai sebagai M4A. File dapat langsung dimuat ke alat ini.
X Space Downloader →
Simpan video X
Menyimpan video dan arsip siaran langsung yang diposting di X sebagai MP4. Muat videonya apa adanya, lalu transkripsikan.
X Video Downloader →
Rapikan audio, tanamkan SRT
Potong bagian hening untuk memperpendek rekaman, ekstrak audionya saja dari video, atau tanamkan SRT yang Anda buat ke dalam video. Semuanya berjalan di peramban Anda.
Media Tools →
Format file yang didukung
- File audio
- MP3, WAV, M4A, AAC, FLAC, OGG, Opus, AIFF, WMA, AMR, WebM
- File video
- MP4, MOV, MKV, WebM, AVI, WMV, FLV, MPG, MPEG-TS, 3GP (trek audio diekstrak lalu ditranskripsi; hasilnya diputar sebagai teks di atas video)
- Format ekspor
- TXT (teks biasa), Word (DOCX), PDF (cetak ke PDF), SRT / VTT (subtitel dengan kode waktu), CSV, dan JSON
- Batas ukuran file
- Tanpa batas (seberapa panjang rekaman yang dapat diproses sekaligus bergantung pada memori perangkat Anda dan model yang dipilih)
- Pemrosesan massal
- Pilih beberapa file sekaligus untuk mentranskripsinya satu per satu dan menyimpan semua hasilnya dalam satu file ZIP
- File subtitel
- Buka file subtitel SRT atau VTT untuk mengedit, menerjemahkan, atau meringkasnya, atau untuk mengonversi antara SRT dan VTT (pilih juga videonya untuk memeriksa sambil diputar)
- Bahasa
- 100 bahasa (99 bahasa Whisper ditambah Kanton dengan SenseVoice). Selain Jepang, Inggris, Mandarin, Korea, Spanyol, Prancis, Jerman, Portugis, Rusia, Italia, dan Indonesia, Anda dapat memilih Belanda, Turki, Polandia, Thai, Vietnam, Arab, dan banyak lagi. Cari berdasarkan nama atau kode bahasa, atau pilih “Deteksi otomatis” jika tidak yakin
Anda tidak perlu mengonversi video ke audio terlebih dahulu — peramban mengekstrak trek audio segera setelah file dimuat.
Model yang tersedia
Tersedia dua belas model. Model default bergantung pada bahasa dan perangkat, seperti pada tabel di bawah, dan Anda dapat mengubahnya di setelan. Model Whisper yang lebih besar lebih akurat, tetapi butuh waktu lebih lama untuk diunduh pertama kali dan memerlukan perangkat keras yang lebih mumpuni.
Model default per bahasa
- Jepang
- Haas-ja v1.0 (komputer dengan WebGPU pada Chrome atau Edge, kecuali Mac dengan Apple silicon) SenseVoice Small (ponsel, Safari, Firefox, dan lingkungan lain)
- Mandarin, Korea, Kanton
- SenseVoice Small
- Inggris
- Parakeet Ultra (komputer dengan grafis terintegrasi pada Chrome atau Edge) SenseVoice Small (ponsel, komputer tanpa WebGPU, komputer dengan grafis terintegrasi pada Safari atau Firefox, dan sejenisnya) Whisper Large v3 Turbo (komputer dengan GPU khusus; Whisper Small pada GPU lama) Whisper Small (Mac)
- Spanyol, Jerman, Prancis, Italia, Portugis, Rusia, Polandia, Belanda, Ukraina, Hungaria, Ceko, Yunani
- Parakeet Ultra (komputer dengan grafis terintegrasi pada Chrome atau Edge) FastConformer (Spanyol, Prancis, Italia, dan Jerman; ponsel dan komputer tanpa WebGPU, kecuali perangkat dengan memori kecil) Perangkat lain: sama dengan “Bahasa lainnya”
- Bahasa lainnya
- Whisper Large v3 Turbo (komputer dengan GPU khusus; Whisper Small pada GPU lama) Whisper Small (Mac) Whisper Base (komputer dengan grafis terintegrasi) Whisper Tiny (ponsel, lingkungan tanpa WebGPU, perangkat dengan memori kurang dari 4 GB)
Ukuran dan fitur setiap model
| Model | Ukuran | Catatan |
|---|---|---|
| Haas-ja v1.0 | 〜710 MB | Akurasi tinggi, khusus bahasa Jepang. Kesalahannya sekitar 40% lebih sedikit daripada SenseVoice Small (pengukuran kami pada ucapan yang dibacakan). Pemrosesan memakan waktu sekitar 1/30 dari durasi audio (diukur pada PC dengan grafis terintegrasi). Hanya di komputer dengan WebGPU; penggunaan pertama mengunduh sekitar 710 MB dan memakai sekitar 1 GB memori GPU (VRAM). Default untuk bahasa Jepang di komputer dengan WebGPU pada Chrome atau Edge (kecuali Mac dengan Apple silicon) |
| SenseVoice Small | 〜240 MB | Bahasa Jepang, Mandarin, Korea, Inggris, dan Kanton. Ringan dan cepat, serta setidaknya seakurat Large v3 Turbo untuk bahasa Jepang dan Mandarin (default untuk bahasa Mandarin, Korea, dan Kanton; untuk bahasa Jepang di ponsel, di Safari dan Firefox, di komputer tanpa WebGPU, dan di beberapa lingkungan lain; serta untuk bahasa Inggris di ponsel, di komputer tanpa WebGPU, di komputer dengan grafis terintegrasi pada Safari atau Firefox, dan di beberapa lingkungan lain) |
| Parakeet Ultra | 〜500 MB | Model berakurasi tinggi untuk 25 bahasa Eropa, termasuk Inggris, Spanyol, Jerman, dan Prancis. Untuk bahasa Spanyol, Jerman, Prancis, Italia, Portugis, dan Rusia, kesalahannya 60–80% lebih sedikit daripada Whisper Base dan akurasinya kurang lebih setara atau lebih baik daripada Large v3 Turbo (pengukuran kami pada ucapan yang dibacakan). Pemrosesan memakan waktu sekitar 1/25 dari durasi audio (diukur pada PC dengan grafis terintegrasi). Hanya berjalan di komputer dengan WebGPU dan mengunduh sekitar 500 MB pada penggunaan pertama. Default untuk bahasa Inggris, 6 bahasa tersebut, Polandia, Belanda, Ukraina, Hungaria, Ceko, dan Yunani di komputer dengan grafis terintegrasi pada Chrome atau Edge |
| FastConformer | 〜175 MB | Model per bahasa (NVIDIA) untuk bahasa Spanyol, Prancis, Italia, dan Jerman. Kesalahannya kurang dari separuh kesalahan Whisper Tiny dan pemrosesannya sekitar 3 kali lebih cepat (pengukuran kami). Berjalan di CPU tanpa GPU dan mengunduh sekitar 175 MB pada penggunaan pertama. Default untuk 4 bahasa ini di ponsel dan komputer tanpa WebGPU |
| Whisper Tiny | GPU 〜145 MB / CPU 〜40 MB | Cepat dan ringan. Paling cocok untuk audio yang jernih |
| Whisper Base | GPU 〜280 MB / CPU 〜75 MB | Keseimbangan yang baik antara kecepatan dan akurasi |
| Whisper Small | GPU 〜925 MB / CPU 〜240 MB | Akurasi tinggi. Andal untuk istilah teknis dan audio yang sulit |
| Whisper Medium | 〜650 MB | Kurang lebih seakurat Large v3 Turbo dengan ukuran unduhan kurang dari separuhnya di komputer dengan WebGPU. WebGPU disarankan |
| Whisper Large v3 Turbo | GPU 〜1.5 GB / CPU 〜725 MB | Akurasi mendekati terbaik dan cepat. WebGPU disarankan (direkomendasikan) |
| Whisper Large v3 | GPU 〜2.0 GB / CPU 〜1.2 GB | Large v3 versi penuh. Model Whisper paling akurat, ukuran terbesar, lambat (praktis memerlukan WebGPU) |
| Qwen3-ASR 1.7B | 〜5.2 GB | Akurasi tinggi. Hanya di komputer dengan WebGPU; penggunaan pertama mengunduh sekitar 5,2 GB (dua model: satu untuk teks dan satu untuk stempel waktu) dan memakai sekitar 5 GB memori GPU (VRAM) |
| Voxtral Mini 4B | 〜2.9 GB | Akurasi tinggi, hanya tersedia untuk bahasa Jepang. Kesalahannya sekitar 30% lebih sedikit daripada SenseVoice Small (pengukuran kami pada ucapan yang dibacakan). Pemrosesannya lebih lama daripada SenseVoice Small: sekitar 0,4 (PC dengan GPU khusus) hingga 0,85 (PC dengan grafis terintegrasi) kali durasi audio. Hanya di komputer dengan WebGPU; penggunaan pertama mengunduh sekitar 2,9 GB dan memakai sekitar 5 GB memori GPU (VRAM) |
Whisper Medium ke atas, Haas-ja, Parakeet Ultra, Qwen3-ASR, dan Voxtral memerlukan lingkungan yang mendukung WebGPU. Voxtral juga memerlukan GPU yang mendukung floating point 16-bit (fp16). Tanpa WebGPU, pilih Small atau yang lebih kecil.
Sebagai acuan, Whisper Large v3 dan Qwen3-ASR 1.7B berjalan di Windows 11 dengan GeForce RTX 2060 SUPER (8 GB). Qwen3-ASR memakai sekitar 5 GB memori GPU.
Bandingkan tingkat kesalahan dan waktu pemrosesan setiap model
Perbedaan dengan layanan transkripsi cloud
Sebagian besar layanan transkripsi mengirim audio Anda ke server mereka untuk diproses. Transcriber justru menjalankan model di dalam peramban Anda, sehingga untung-ruginya berbeda.
| Aspek | Layanan cloud pada umumnya | Transcriber |
|---|---|---|
| Ke mana audio dikirim | Diunggah ke server penyedia | Tidak pernah dikirim — diproses di perangkat Anda |
| Kuota gratis | Biasanya dibatasi sekian menit per bulan | Tanpa batas waktu atau pemakaian |
| Perlu akun | Biasanya ya | Tidak |
| Penggunaan offline | Tidak bisa | Bisa setelah model diunduh |
| Penentu kecepatan | Perangkat keras server penyedia | GPU / CPU di perangkat Anda sendiri |
Layanan cloud unggul dalam kecepatan yang konsisten di perangkat berdaya rendah. Pemrosesan di peramban cocok jika rekaman tidak boleh lepas dari kendali Anda, atau jika Anda perlu memproses audio panjang tanpa terbentur kuota.
Pertanyaan umum
Apakah benar-benar gratis? Apakah ada batas waktu atau pemakaian?
Sepenuhnya gratis. Tidak ada batas durasi, jumlah pemakaian, jumlah karakter, atau ukuran file, dan tidak perlu kartu kredit. Satu-satunya yang berbeda-beda adalah seberapa panjang rekaman yang dapat diproses sekaligus, yang bergantung pada memori perangkat Anda dan model yang dipilih; jika file tidak muat, halaman akan memberi tahu Anda sebelum pemrosesan dimulai.
Apakah audio saya diunggah ke server?
Tidak. AI (Whisper atau SenseVoice) menjalankan inferensi di dalam peramban Anda, jadi audio Anda tidak pernah keluar dari perangkat Anda. Rekaman Anda tidak pernah disimpan di server atau diberikan kepada pihak ketiga.
Apakah saya perlu membuat akun atau masuk?
Tidak. Buka halaman, pilih file audio, dan transkripsi akan dimulai. Anda tidak pernah diminta alamat email.
Format file apa saja yang didukung?
Audio: MP3, WAV, M4A, AAC, FLAC, OGG, Opus, AIFF, WMA, dan AMR. Video: MP4, MOV, MKV, WebM, AVI, WMV, FLV, MPG, MPEG-TS, dan 3GP. Anda dapat menyeret dan melepaskan file atau memilihnya melalui pemilih file.
Bisakah saya mentranskripsi file video?
Bisa. Muat file MP4, MOV, MKV, WebM, AVI, atau video lainnya, dan peramban akan mengekstrak trek audionya untuk ditranskripsi. Tidak perlu mengonversinya ke file audio terlebih dahulu. Setelah ditranskripsi, Anda dapat memutar video dengan hasilnya ditampilkan sebagai teks untuk diperiksa dan diperbaiki, atau menontonnya dengan teks terjemahan. Tidak ada batas ukuran file, jadi video berukuran beberapa gigabyte dapat dimuat apa adanya. Video yang disimpan dari X (Twitter) dengan X Video Downloader dapat langsung dimuat; untuk mengekstrak audionya saja terlebih dahulu, gunakan Media Tools.
Bisakah alat ini membedakan pembicara?
Pemisahan pembicara didukung. Untuk rekaman dengan beberapa peserta, seperti rapat atau wawancara, setiap pembicara ditampilkan dengan warna berbeda. Jumlah pembicara diperkirakan secara otomatis, jadi biasanya tidak perlu diatur. Label pembicara dapat diganti namanya di layar, pembicara yang terpisah secara keliru dapat digabungkan, dan setiap baris dapat dipindahkan ke pembicara lain atau dipisahkan. Jika WebGPU tersedia di peramban selain Firefox di PC dan jumlah pembicara dibiarkan pada Auto, pemisahan pembicara memakai NVIDIA Nemotron 3 Diarization; selain itu memakai pyannote, dan pada kedua kasus WeSpeaker dipakai untuk membandingkan karakteristik suara.
Bisakah saya membuat file subtitel?
Bisa — transkrip dapat diekspor sebagai subtitel SRT dan VTT (WebVTT) dengan kode waktu, siap dimuat ke editor video atau platform video (banyak editor video menerima SRT). Ekspor teks biasa (TXT), Word (DOCX), PDF, CSV, dan JSON serta salin ke papan klip juga tersedia. Untuk menanamkan SRT hasil ekspor langsung ke video, gunakan Media Tools (penanaman subtitel).
Bisakah saya menerjemahkan transkrip?
Bisa. Buka “Terjemahkan” di bagian atas hasil, pilih bahasa sumber dan target, lalu terjemahan muncul di bawah setiap baris. Setiap format ekspor dapat berisi teks asli, terjemahan, atau keduanya. Jika Anda memuat video, terjemahan juga dapat ditampilkan sebagai teks di atas video selama pemutaran. Terjemahan memakai penerjemah bawaan Chrome 138+ dan Edge 148+ di desktop dan berjalan sepenuhnya di perangkat Anda, jadi transkrip tidak pernah dikirim ke mana pun. Fitur ini tidak tersedia di smartphone atau di Firefox dan Safari. Penggunaan pertama suatu bahasa akan mengunduh model terjemahannya.
Apakah alat ini berfungsi offline?
Ya. Setelah model AI diunduh sekali, transkripsi berfungsi tanpa koneksi jaringan. Ukuran model berkisar antara sekitar 40 MB hingga 5,2 GB, tergantung model yang Anda pilih.
Bagaimana cara meningkatkan akurasi?
Memilih model yang sesuai dengan bahasa akan meningkatkan akurasi. Untuk bahasa Jepang, Haas-ja v1.0 adalah yang paling akurat di antara model yang tersedia, dengan kesalahan sekitar 40% lebih sedikit daripada SenseVoice Small (pengukuran kami pada ucapan yang dibacakan). Model ini hanya berjalan di komputer dengan WebGPU, mengunduh sekitar 710 MB pada penggunaan pertama, dan memakan waktu sekitar 1/30 dari durasi audio untuk diproses (diukur pada PC dengan grafis terintegrasi). Model ini menjadi default untuk bahasa Jepang di komputer dengan WebGPU pada Chrome atau Edge (kecuali Mac dengan Apple silicon). Untuk bahasa Mandarin dan Korea, dan untuk bahasa Jepang di tempat lain, seperti di ponsel atau di Safari dan Firefox, model default SenseVoice Small ringan dan cepat, dan untuk bahasa Jepang dan Mandarin setidaknya seakurat Whisper Large v3 Turbo. Untuk bahasa lain, model yang lebih besar lebih akurat; di perangkat yang mendukung WebGPU, Whisper Large v3 Turbo disarankan karena akurat dan cepat (model ini menjadi default di komputer dengan GPU khusus). Untuk 25 bahasa Eropa (termasuk Inggris, Spanyol, Jerman, dan Prancis), Anda juga dapat memilih Parakeet Ultra. Akurasinya kurang lebih sama dengan Whisper Large v3 Turbo (untuk bahasa Yunani, Turbo lebih akurat) dan waktu pemrosesannya sekitar 1/7 dari Turbo (hanya komputer dengan WebGPU; sekitar 500 MB diunduh pada penggunaan pertama). Model ini menjadi default untuk bahasa Inggris, Spanyol, Jerman, Prancis, Italia, Portugis, Rusia, Polandia, Belanda, Ukraina, Hungaria, Ceko, dan Yunani di komputer dengan grafis terintegrasi pada Chrome atau Edge. Di ponsel dan komputer tanpa WebGPU, model default untuk bahasa Spanyol, Prancis, Italia, dan Jerman adalah FastConformer, yang kesalahannya kurang dari separuh kesalahan Whisper Tiny dan pemrosesannya sekitar 3 kali lebih cepat (sekitar 175 MB diunduh pada penggunaan pertama). Untuk bahasa Inggris di ponsel, di komputer dengan grafis terintegrasi pada Safari atau Firefox, dan di perangkat serupa, SenseVoice Small menjadi default; kesalahannya lebih sedikit daripada Whisper Base dan berjalan lebih cepat. Di komputer dengan WebGPU, Anda juga dapat memilih Qwen3-ASR 1.7B (sekitar 5,2 GB diunduh pada penggunaan pertama), yang kesalahannya lebih sedikit daripada Whisper Large v3 Turbo dalam bahasa Jepang, Inggris, dan Mandarin. Menentukan bahasa secara eksplisit alih-alih membiarkannya pada deteksi otomatis juga mengurangi kesalahan. Untuk tingkat kesalahan dan waktu pemrosesan yang kami ukur untuk setiap model di setiap bahasa, lihat Perbandingan model dan cara memilih.
Bisakah saya memakainya di smartphone?
Bisa, tetapi alat ini berjalan dalam mode hemat memori (WASM) untuk melindungi perangkat, sehingga durasi yang dapat diproses sekaligus lebih pendek daripada di komputer. Untuk rekaman yang panjang, disarankan memakai komputer.
Apakah Anda mengumpulkan informasi kesalahan?
Hanya statistik yang diperlukan untuk memperbaiki masalah dan meningkatkan fitur. Artinya: spesifikasi perangkat Anda (model GPU, memori, jumlah inti), peramban dan OS, model dan bahasa yang Anda pilih, setelan pemisahan pembicara (aktif atau nonaktif, dan jumlah pembicara yang Anda atur), bahasa tampilan halaman, sejauh mana proses berjalan (termasuk saat Anda menghentikannya atau menutup halaman), jenis dan detail kesalahan, format file beserta perkiraan ukuran dan durasinya, lama setiap tahap, serta seberapa banyak data model AI yang diunduh. Nomor sementara yang menghubungkan proses-proses di tab yang sama juga dikirim (nomor ini dihapus saat Anda menutup tab). Item yang sama juga dikirim saat berhasil, karena untuk menghitung tingkat kegagalan diperlukan keduanya. Di layar hasil, juga dikirim berapa kali Anda memakai fitur edit (seperti mengganti nama pembicara atau memisahkan baris), terjemahan, ringkasan, dan impor subtitel, format apa yang Anda pilih di “Unduh”, seberapa sering Anda memakai “Salin teks” dan “Unduh semua”, serta pasangan bahasa terjemahan. Audio, transkrip (termasuk nama pembicara dan terjemahan), nama file, dan alamat IP tidak pernah dikirim, dan data hanya dikirim ke server situs ini sendiri — tidak pernah ke layanan pihak ketiga. Anda dapat menonaktifkannya kapan saja dengan sakelar di bagian “Bantu kami meningkatkan layanan” di dekat bagian bawah halaman.
Bisakah saya menyimpan transkrip sebagai Word atau PDF?
Bisa. Di “Unduh” di bawah hasil, pilih “Word (DOCX)” untuk menyimpan dokumen yang dapat dibuka di Word. PDF disimpan melalui fungsi cetak peramban Anda: pilih “PDF”, lalu simpan sebagai PDF di dialog cetak yang terbuka (di iPhone dan iPad, gunakan tombol bagikan di layar cetak dan simpan ke app File). CSV untuk spreadsheet dan JSON untuk program juga tersedia. Setiap format dibuat di dalam peramban Anda, jadi transkrip tidak pernah dikirim ke mana pun.
Bisakah saya merekam dari mikrofon di peramban dan mentranskripsinya?
Bisa. Tekan “Rekam dengan mikrofon” untuk merekam dengan mikrofon komputer atau ponsel Anda. Tekan “Hentikan rekaman”, lalu “Mulai transkripsi”, dan rekaman akan ditranskripsi. Rekaman juga tidak dikirim ke mana pun; rekaman disimpan di riwayat perangkat ini. Anda dapat merekam hingga 3 jam, atau kurang tergantung memori perangkat Anda dan model yang dipilih; batasnya ditampilkan sebelum Anda mulai merekam. Di ponsel, mengunci layar atau beralih ke aplikasi lain saat merekam dapat menghentikan rekaman.
Bisakah saya mentranskripsi beberapa file sekaligus?
Bisa. Pilih beberapa file di pemilih file atau lepaskan semuanya sekaligus, dan file-file itu akan ditranskripsi satu per satu dengan setelan yang sama (model, bahasa, dan pemisahan pembicara). Setiap hasil disimpan ke riwayat di perangkat ini. Setelah semuanya selesai, pilih TXT, Word, SRT, VTT, CSV, atau JSON di “Unduh semua” untuk menyimpan hasilnya dalam satu file ZIP, satu file per transkrip. File yang tidak dapat diproses akan dilewati dan file berikutnya dimulai. Semua pemrosesan berjalan di peramban Anda, dan file tidak dikirim ke mana pun.
Bisakah saya membuat ringkasan atau notulen rapat dari transkrip?
Bisa. Di Chrome atau Edge (versi 138 atau lebih baru) di komputer, tekan “Ringkas” di layar hasil, dan AI bawaan peramban (Gemini Nano) akan mengubah transkrip menjadi daftar poin penting. Ringkasan juga dibuat di peramban Anda, jadi transkrip tidak dikirim ke mana pun. Saat Anda menyimpan sebagai Word, TXT, atau PDF, ringkasan diletakkan di bagian atas, sehingga dapat dipakai sebagai draf pertama notulen rapat. Ringkasan tersedia dalam bahasa Jepang, Inggris, Spanyol, Jerman, dan Prancis. Pada penggunaan pertama, peramban akan mengunduh model AI, yang memerlukan ruang kosong 22 GB dan memori minimal 16 GB atau GPU dengan VRAM lebih dari 4 GB. Fitur ini tidak berfungsi di ponsel, Firefox, atau Safari.
Bisakah saya mengedit file subtitel SRT atau VTT yang sudah saya miliki?
Bisa. Pilih file subtitel SRT atau VTT di pemilih file, dan file akan terbuka di layar hasil tanpa transkripsi. Anda dapat memperbaiki teks dan waktu baris, memisahkan atau menghapus baris, menerjemahkan dan meringkas, lalu menyimpannya sebagai SRT, VTT, TXT, Word, dan lainnya dari “Unduh” (yang juga mengonversi SRT ke VTT). Pilih file subtitel bersama file video (atau audio) untuk memutar video dengan subtitel ditampilkan di atasnya. Pembacaan file juga berlangsung di peramban Anda, dan file tidak dikirim ke mana pun.
Bantu kami meningkatkan layanan
Mengirimkan kondisi suatu proses — berhasil maupun gagal — membantu kami melacak masalah (untuk menghitung tingkat kegagalan, keduanya diperlukan). Dengan mengetahui perangkat dan setelan mana yang paling sering gagal, kami dapat meninjau ulang setelan default yang disarankan dan memperbaiki bug penyebabnya. Jika Anda tidak keberatan, membiarkannya aktif sangat membantu.
Yang dikirim
Spesifikasi perangkat Anda (model GPU, memori, jumlah inti), peramban dan OS, model dan bahasa yang Anda pilih, setelan pemisahan pembicara (aktif atau nonaktif, dan jumlah pembicara yang Anda atur), bahasa tampilan halaman, sejauh mana proses berjalan (termasuk saat Anda menghentikannya atau menutup halaman), jenis dan detail kesalahan, format file beserta perkiraan ukuran dan durasinya, lama setiap tahap, serta seberapa banyak data model AI yang diunduh. Nomor sementara yang menghubungkan proses-proses di tab yang sama (nomor ini dihapus saat Anda menutup tab). Di layar hasil: berapa kali Anda memakai fitur edit (seperti mengganti nama pembicara atau memisahkan baris), terjemahan, ringkasan, dan impor subtitel, format yang Anda pilih di “Unduh”, seberapa sering Anda memakai “Salin teks” dan “Unduh semua”, serta pasangan bahasa terjemahan.
Yang tidak pernah dikirim
Audio, transkrip (termasuk nama pembicara dan terjemahan), nama file, dan alamat IP. Data hanya dikirim ke server situs ini sendiri, tidak pernah ke layanan pihak ketiga.