Transcriber

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.

Проверка среды…

Для этого языка точность небольших моделей резко падает. Выберите Whisper Small или крупнее

Вкл.

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 мин). Запись тоже не отправляется ни на какой сервер.

Как пользоваться

  1. Выберите модель. Модель по умолчанию подбирается автоматически по возможностям устройства. На ПК с WebGPU Large v3 Turbo даёт хороший баланс точности и скорости.
  2. Выберите язык. Автоопределение работает, но если указать реальный язык, ошибок распознавания будет меньше.
  3. 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

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.