Tools › KI auf dem Gerät
Automatische Untertitel und Sprache zu Text
Mach aus der Sprache in einem Video oder einer Aufnahme Untertitel – mit OpenAIs Whisper direkt im Browser. Korrigiere jede Zeile und lade SRT, VTT oder TXT herunter oder brenne sie ins Video ein.
Das Sprachmodell wird einmal auf dein Gerät geladen; deine Aufnahme verlässt es nie. Es startet nichts, bevor du eine Datei auswählst.
So funktioniert es
- Der Ton wird auf diesem Gerät dekodiert und in 16 kHz Mono umgewandelt, das Format, das Whisper hört.
- Lange Aufnahmen werden an natürlichen Pausen in Teile von bis zu 30 Sekunden geschnitten, jeder Teil wird mit Zeitstempeln transkribiert. Die Zeilen erscheinen, sobald ein Teil fertig ist.
- Die Sprache wird am ersten Satz erkannt, oder du wählst sie selbst. „Ins Englische übersetzen“ macht aus Sprache in jeder der 99 Whisper-Sprachen englische Untertitel.
- Mit WebGPU läuft es auf deiner Grafikkarte (GPU), sonst mit WebAssembly auf dem Prozessor.
Fragen
Wird mein Video hochgeladen?
Nein. Das Sprachmodell wird einmal von Hugging Face geladen und auf deinem Gerät gespeichert; deine Datei verlässt diesen Tab nie.
Wie groß ist der Download?
Ohne WebGPU ist Schnell etwa 41 MB und Genau etwa 77 MB groß. Mit WebGPU sind die GPU-Versionen etwa 120 MB und 206 MB groß. Beide bleiben für das nächste Mal gespeichert.
Wie lange dauert es?
Mit WebGPU meist deutlich kürzer, als die Aufnahme dauert. Auf dem Prozessor braucht Schnell etwa die halbe Länge der Aufnahme und Genau etwa die ganze, dazu kommt der erste Download.
Welches Modell wird verwendet?
Whisper tiny (Schnell) und Whisper base (Genau) von OpenAI unter MIT-Lizenz, in den ONNX-Versionen von Hugging Face. Du darfst die Untertitel kommerziell nutzen.
Kann ich die Untertitel ins Video bringen?
Ja. „Ins Video einbrennen“ öffnet das Untertitel-Werkzeug mit deinen Zeilen und deinem Video, bereit zum Gestalten und Exportieren.