Инструменты › ИИ на устройстве
Автоматические субтитры и распознавание речи
Превратите речь из видео или записи в субтитры: Whisper от OpenAI работает прямо в браузере. Исправьте любую строку и скачайте SRT, VTT или TXT или вшейте субтитры в видео.
Модель распознавания речи скачивается на устройство один раз; запись никуда не уходит. Ничего не начнётся, пока вы не выберете файл.
Как это работает
- Звук декодируется на этом устройстве и переводится в 16 кГц моно — именно такой формат слушает Whisper.
- Длинные записи режутся на части до 30 секунд по естественным паузам, каждая часть распознаётся с таймкодами. Строки появляются, как только готова очередная часть.
- Язык определяется по первой фразе, или выберите его сами. «Перевести на английский» превращает речь на любом из 99 языков Whisper в английские субтитры.
- Работает на видеокарте через WebGPU, если она есть, иначе на процессоре через WebAssembly.
Вопросы
Видео загружается на сервер?
Нет. Модель речи один раз скачивается с Hugging Face и хранится на устройстве; файл не покидает эту вкладку.
Сколько весит загрузка?
Без WebGPU «Быстрая» — около 41 МБ, «Точная» — около 77 МБ. С WebGPU версии для видеокарты весят около 120 МБ и 206 МБ. Обе сохраняются на следующий раз.
Сколько это занимает?
С WebGPU обычно гораздо быстрее, чем длится запись. На процессоре «Быстрой» нужно примерно половина длительности записи, «Точной» — примерно вся длительность, плюс первая загрузка.
Какая модель используется?
Whisper tiny («Быстрая») и Whisper base («Точная») от OpenAI под лицензией MIT, в ONNX-версиях от Hugging Face. Субтитры можно использовать в коммерческих целях.
Можно наложить субтитры на видео?
Да. Кнопка «Вшить в видео» открывает инструмент вшивания субтитров с вашими строками и видео — останется выбрать оформление и сохранить.