Расшифровка без ограничений в браузере с ИИ Whisper
Выберите аудиофайл — модель Whisper расшифрует его прямо в браузере. Настраивать Python, ffmpeg или драйверы GPU не нужно. Аудио никогда не попадает на сервер, аккаунт и оплата не нужны.
Для этого языка точность небольших моделей резко падает. Выберите Whisper Small или крупнее
Обычно можно оставить «Авто». Меняйте значение, только если в результате явно неверное число спикеров
Нет файла? Запишите звук с микрофона. Расшифровка начнётся после остановки записи (на этом устройстве с выбранной моделью — примерно до 000 мин). Запись тоже не отправляется ни на какой сервер.
Как пользоваться
- Выберите модель. Модель по умолчанию подбирается автоматически по возможностям устройства. На ПК с WebGPU Large v3 Turbo даёт хороший баланс точности и скорости.
- Выберите язык. Автоопределение работает, но если указать реальный язык, ошибок распознавания будет меньше.
- Выберите аудио- или видеофайл. Расшифровка начнётся сразу после загрузки файла, а когда она завершится, можно выбрать TXT, Word, SRT или другой формат в «Скачать».
О Whisper в браузере
Whisper — модель распознавания речи, выпущенная OpenAI. Обычно для её использования нужно настроить среду Python и установить ffmpeg и драйверы GPU. Этот инструмент запускает те же модели Whisper, преобразованные в формат, который работает в браузере. Модель загружается в первый раз, а затем используется копия, сохранённая в браузере.
Доступны шесть моделей: Tiny, Base, Small, Medium, Large v3 Turbo и Large v3. На ПК с WebGPU они работают на GPU, на телефонах и устройствах без WebGPU — на CPU. Крупные модели точнее, но требуют большей загрузки и больше памяти. Large v3 Turbo сохраняет кодировщик Large v3 и использует меньший декодер, поэтому работает быстро с точностью, близкой к Large v3. Долю ошибок и время обработки, которые мы измерили для каждой модели на каждом языке, включая модели помимо Whisper, смотрите на странице Сравнение моделей и как выбрать.
Иногда Whisper выдаёт фразы, которых никто не произносил, во время тишины или музыки. Повторяющиеся фразы удаляются автоматически, но фраза, появившаяся только один раз, остаётся — удалите эту строку на экране результата.
Если что-то пошло не так
- Если обработка останавливается на полпути, возможно, устройству не хватает памяти. Переключитесь на модель на ступень меньше или разделите аудио на более короткие части.
- Если имена собственные или технические термины часто распознаются неверно, переключитесь на Small или модель крупнее.
Часто задаваемые вопросы
Нужны ли Python или GPU?
Нет. Достаточно современного браузера, например Chrome или Edge. На ПК с WebGPU Whisper быстро работает на GPU, а на телефонах и устройствах без подходящего GPU — на CPU (это дольше).
Какую модель выбрать?
Модель по умолчанию выбирается автоматически по возможностям устройства. На ПК с WebGPU Large v3 Turbo даёт хороший баланс точности и скорости; на телефоне выбирайте Tiny или Base.
Совпадают ли результаты с версией Whisper для Python?
Модель — тот же Whisper, но она облегчена для работы в браузере, поэтому мелкие детали результата могут не совпадать с версией для Python.
Работает ли офлайн?
Да. После загрузки модели расшифровывать можно без подключения к сети.
Подготовка аудио и что делать после расшифровки
Помогите улучшить сервис
Сведения об условиях обработки — успешной или неудачной — помогают нам находить проблемы (для расчёта доли сбоев нужны оба случая). Зная, на каких устройствах и с какими настройками сбои случаются чаще, мы можем пересматривать рекомендуемые настройки по умолчанию и исправлять ошибки, которые за этим стоят. Если вы не против, оставьте этот параметр включённым — это действительно помогает.
Что отправляется
Характеристики устройства (модель GPU, объём памяти, число ядер), браузер и ОС, выбранные модель и язык, настройка разделения по спикерам (вкл. или выкл. и заданное число спикеров), язык интерфейса страницы, докуда дошла обработка (в том числе если вы её остановили или закрыли страницу), тип ошибки и подробности, формат файла с примерным размером и длительностью, сколько времени занял каждый этап и сколько данных моделей ИИ было загружено. Временный номер, связывающий запуски в одной вкладке (удаляется при закрытии вкладки). На экране результата: сколько раз вы пользовались редактированием (например, переименованием спикеров или разделением строк), переводом, кратким содержанием и импортом субтитров, какие форматы выбирали в «Скачать», как часто пользовались «Копировать текст» и «Скачать все», а также языковая пара перевода.
Что никогда не отправляется
Аудио, расшифровки (включая имена спикеров и переводы), имена файлов и IP-адреса. Данные поступают только на собственный сервер этого сайта и никогда — в сторонние сервисы.