Transcriber

Transkripsi tanpa batas di peramban dengan Whisper AI

Pilih file audio, lalu model Whisper berjalan di dalam peramban Anda untuk mentranskripsinya. Tidak perlu menyiapkan Python, ffmpeg, atau driver GPU. Audio tidak pernah sampai ke server, dan tidak perlu akun atau biaya.

Memeriksa lingkungan Anda…

Akurasi untuk bahasa ini turun drastis pada model yang lebih kecil. Pilih Whisper Small atau yang lebih besar

Aktif

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 menit di perangkat ini dengan model yang dipilih). Rekaman Anda juga tidak dikirim ke server mana pun.

Cara memakainya

  1. Pilih model. Model default dipilih secara otomatis sesuai kemampuan perangkat Anda. Di PC dengan WebGPU, Large v3 Turbo menawarkan keseimbangan yang baik antara akurasi dan kecepatan.
  2. Pilih bahasanya. Deteksi otomatis bisa dipakai, tetapi menentukan bahasa yang sebenarnya mengurangi kesalahan pengenalan.
  3. Pilih file audio atau video. Transkripsi dimulai segera setelah file dimuat, dan setelah selesai Anda dapat memilih TXT, Word, SRT, atau format lain di “Unduh”.

Tentang Whisper yang berjalan di peramban

Whisper adalah model pengenalan ucapan yang dirilis oleh OpenAI. Biasanya model ini dipakai dengan menyiapkan lingkungan Python serta memasang ffmpeg dan driver GPU. Alat ini menjalankan model Whisper yang sama yang telah dikonversi ke format yang dapat berjalan di peramban. Model diunduh pada penggunaan pertama, dan setelah itu salinan yang tersimpan di peramban Anda akan digunakan.

Tersedia enam model: Tiny, Base, Small, Medium, Large v3 Turbo, dan Large v3. Di PC dengan WebGPU, model berjalan di GPU; di ponsel dan perangkat tanpa WebGPU, model berjalan di CPU. Model yang lebih besar lebih akurat, tetapi memerlukan unduhan yang lebih besar dan memori yang lebih banyak. Large v3 Turbo mempertahankan encoder Large v3 dan memakai decoder yang lebih kecil, sehingga berjalan cepat dengan akurasi mendekati Large v3. Untuk tingkat kesalahan dan waktu pemrosesan yang kami ukur untuk setiap model di setiap bahasa, termasuk model selain Whisper, lihat Perbandingan model dan cara memilih.

Whisper terkadang menuliskan kalimat yang tidak pernah diucapkan saat hening atau ada musik. Kalimat yang berulang dihapus secara otomatis, tetapi kalimat yang muncul hanya sekali tetap ada, jadi hapus baris tersebut di layar hasil.

Jika ada masalah

Pertanyaan umum

Apakah saya memerlukan Python atau GPU?

Tidak. Peramban terbaru seperti Chrome atau Edge sudah cukup. Di PC dengan WebGPU, model berjalan cepat di GPU, dan di ponsel atau perangkat tanpa GPU yang dapat digunakan, model berjalan di CPU (butuh waktu lebih lama).

Model mana yang sebaiknya saya pilih?

Model default dipilih secara otomatis sesuai kemampuan perangkat Anda. Di PC dengan WebGPU, Large v3 Turbo menawarkan keseimbangan yang baik antara akurasi dan kecepatan; di ponsel, pilih Tiny atau Base.

Apakah hasilnya sama dengan Whisper versi Python?

Modelnya sama-sama Whisper, tetapi dibuat lebih ringan agar dapat berjalan di peramban, jadi detail kecil hasilnya mungkin tidak sama persis dengan versi Python.

Apakah alat ini berfungsi offline?

Ya. Setelah model diunduh, Anda dapat mentranskripsi tanpa koneksi jaringan.

Menyiapkan audio, dan setelah transkripsi

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.