Herramientas › IA en el dispositivo
Subtítulos automáticos y voz a texto
Convierte la voz de un video o una grabación en subtítulos con Whisper de OpenAI funcionando en tu navegador. Corrige cualquier línea y descarga SRT, VTT o TXT, o incrústalos en el video.
El modelo de voz se descarga una sola vez en tu dispositivo; tu grabación nunca sale de él. No empieza nada hasta que elijas un archivo.
Cómo funciona
- El sonido se decodifica en este dispositivo y se convierte a 16 kHz mono, el formato que escucha Whisper.
- Las grabaciones largas se cortan en partes de hasta 30 segundos en las pausas naturales, y cada parte se transcribe con marcas de tiempo. Las líneas aparecen en cuanto termina cada parte.
- El idioma se detecta a partir de la primera frase, o puedes elegirlo tú. Traducir al inglés convierte la voz en cualquiera de los 99 idiomas de Whisper en subtítulos en inglés.
- Funciona en tu tarjeta gráfica con WebGPU si la hay y, si no, en tu procesador con WebAssembly.
Preguntas
¿Se sube mi video?
No. El modelo de voz se descarga una vez desde Hugging Face y se guarda en tu dispositivo; tu archivo nunca sale de esta pestaña.
¿Cuánto ocupa la descarga?
Sin WebGPU, Rápido ocupa unos 41 MB y Preciso unos 77 MB. Con WebGPU, las versiones para tarjeta gráfica ocupan unos 120 MB y 206 MB. Ambos quedan guardados para la próxima vez.
¿Cuánto tarda?
Con WebGPU suele ir mucho más rápido que la duración de la grabación. En el procesador, Rápido necesita más o menos la mitad de la duración y Preciso la duración completa, más la descarga inicial.
¿Qué modelo se usa?
Whisper tiny (Rápido) y Whisper base (Preciso) de OpenAI, publicados con licencia MIT, en las versiones ONNX de Hugging Face. Puedes usar los subtítulos con fines comerciales.
¿Puedo poner los subtítulos en mi video?
Sí. Incrustar en el video abre la herramienta de subtítulos con tus líneas y tu video ya cargados, listos para darles estilo y exportar.