Transcriber

Транскрибування без обмежень у браузері з Whisper AI

Виберіть аудіофайл, і модель Whisper транскрибує його прямо у вашому браузері. Не потрібно налаштовувати Python, ffmpeg чи драйвери GPU. Аудіо ніколи не потрапляє на сервер, обліковий запис і оплата не потрібні.

Перевірка вашого середовища…

Для цієї мови точність менших моделей різко падає. Виберіть Whisper Small або більшу

Увімк.

Зазвичай можна залишити «Авто». Змінюйте лише тоді, коли кількість мовців у результаті явно неправильна

Немає файлу? Запишіть звук мікрофоном. Транскрибування почнеться після зупинки запису (на цьому пристрої з вибраною моделлю — приблизно до хв). Ваш запис теж нікуди не надсилається.

Як користуватися

  1. Виберіть модель. Модель за замовчуванням вибирається автоматично відповідно до можливостей вашого пристрою. На ПК з WebGPU Large v3 Turbo дає добрий баланс точності й швидкості.
  2. Виберіть мову. Автовизначення працює, але якщо вказати справжню мову, помилок розпізнавання буде менше.
  3. Виберіть аудіо- чи відеофайл. Транскрибування почнеться одразу після завантаження файлу, а після завершення можна вибрати TXT, Word, SRT або інший формат у меню «Завантажити».

Про Whisper у браузері

Whisper — модель розпізнавання мовлення, випущена OpenAI. Зазвичай для неї налаштовують середовище Python і встановлюють ffmpeg та драйвери GPU. Цей інструмент запускає ті самі моделі Whisper, перетворені у формат, що працює в браузері. Модель завантажується першого разу, а далі використовується копія, збережена в браузері.

Доступно шість моделей: Tiny, Base, Small, Medium, Large v3 Turbo і Large v3. На ПК з WebGPU вони працюють на GPU; на телефонах і пристроях без WebGPU — на CPU. Більші моделі точніші, але потребують більшого завантаження й більше пам’яті. Large v3 Turbo зберігає енкодер Large v3 і використовує менший декодер, тож працює швидко з точністю, близькою до Large v3. Частку помилок і час обробки, які ми виміряли для кожної моделі й мови, зокрема для моделей, відмінних від Whisper, див. на сторінці Порівняння моделей і поради з вибору.

Інколи Whisper під час тиші чи музики записує речення, яких ніхто не казав. Повторювані речення видаляються автоматично, але речення, що трапилося лише раз, залишається, тож видаліть цей рядок на екрані результату.

Якщо щось пішло не так

Поширені запитання

Чи потрібні Python або GPU?

Ні. Достатньо сучасного браузера, як-от Chrome чи Edge. На ПК з WebGPU Whisper швидко працює на GPU, а на телефонах чи пристроях без придатного GPU — на CPU (це триває довше).

Яку модель вибрати?

Модель за замовчуванням вибирається автоматично відповідно до можливостей вашого пристрою. На ПК з WebGPU Large v3 Turbo дає добрий баланс точності й швидкості; на телефоні вибирайте Tiny або Base.

Чи збігаються результати з версією Whisper для Python?

Модель — той самий Whisper, але полегшений для роботи в браузері, тож дрібні деталі результату можуть не збігатися з версією для Python.

Чи працює він офлайн?

Так. Після завантаження моделі можна транскрибувати без підключення до мережі.

Підготовка аудіо й робота після транскрибування

Допоможіть нам покращити сервіс

Відомості про обставини запуску — успішного чи невдалого — допомагають нам знаходити проблеми (для частки збоїв потрібні обидва випадки). Знаючи, на яких пристроях і з якими налаштуваннями збої трапляються найчастіше, ми можемо переглядати рекомендовані налаштування за замовчуванням і виправляти помилки, що за ними стоять. Якщо ви не проти, залиште це ввімкненим — це справді допомагає.

Що надсилається

Характеристики вашого пристрою (модель GPU, пам’ять, кількість ядер), браузер і ОС, вибрані модель і мова, налаштування розпізнавання мовців (увімкнено чи вимкнено та задана кількість мовців), мова інтерфейсу сторінки, етап, до якого дійшла обробка (зокрема якщо ви її зупинили або закрили сторінку), тип і подробиці помилки, формат файлу з приблизним розміром і тривалістю, тривалість кожного етапу та обсяг завантажених даних моделей ШІ. Тимчасовий номер, що пов’язує запуски в одній вкладці (він видаляється, коли ви закриваєте вкладку). На екрані результату: скільки разів ви користувалися редагуванням (як-от перейменуванням мовців чи розділенням рядків), перекладом, підсумками та імпортом субтитрів, формати, вибрані в меню «Завантажити», як часто ви натискали «Копіювати текст» і «Завантажити все», а також мовна пара перекладу.

Що ніколи не надсилається

Аудіо, транскрипції (зокрема імена мовців і переклади), назви файлів та IP-адреси. Дані надходять лише на власний сервер цього сайту, ніколи до сторонніх сервісів.