Công cụ › AI trên thiết bị
Phụ đề tự động và chuyển giọng nói thành văn bản
Biến lời nói trong video hoặc bản ghi thành phụ đề bằng Whisper của OpenAI chạy ngay trong trình duyệt. Sửa bất kỳ dòng nào rồi tải SRT, VTT hoặc TXT, hoặc chèn thẳng vào video.
Mô hình nhận dạng giọng nói chỉ tải về thiết bị một lần; bản ghi của bạn không bao giờ rời khỏi thiết bị. Chưa có gì bắt đầu cho đến khi bạn chọn tệp.
Cách hoạt động
- Âm thanh được giải mã trên thiết bị này và chuyển sang 16 kHz mono, định dạng mà Whisper nghe.
- Bản ghi dài được cắt thành các phần tối đa 30 giây tại những chỗ ngắt tự nhiên, mỗi phần được chép lời kèm mốc thời gian. Các dòng hiện ra ngay khi từng phần xong.
- Ngôn ngữ được nhận biết từ câu nói đầu tiên, hoặc bạn tự chọn. Dịch sang tiếng Anh biến lời nói ở bất kỳ ngôn ngữ nào trong 99 ngôn ngữ của Whisper thành phụ đề tiếng Anh.
- Chạy trên card đồ họa bằng WebGPU nếu có, nếu không thì chạy trên bộ xử lý bằng WebAssembly.
Câu hỏi
Video của tôi có bị tải lên không?
Không. Mô hình giọng nói được tải một lần từ Hugging Face và lưu trên thiết bị; tệp của bạn không bao giờ rời khỏi thẻ này.
Dung lượng tải về là bao nhiêu?
Không có WebGPU, Nhanh khoảng 41 MB và Chính xác khoảng 77 MB. Có WebGPU, bản cho card đồ họa khoảng 120 MB và 206 MB. Cả hai được lưu lại cho lần sau.
Mất bao lâu?
Với WebGPU thường nhanh hơn nhiều so với độ dài bản ghi. Trên bộ xử lý, Nhanh cần khoảng một nửa độ dài bản ghi và Chính xác khoảng bằng độ dài bản ghi, cộng thời gian tải lần đầu.
Dùng mô hình nào?
Whisper tiny (Nhanh) và Whisper base (Chính xác) của OpenAI, phát hành theo giấy phép MIT, ở bản ONNX do Hugging Face công bố. Bạn có thể dùng phụ đề cho mục đích thương mại.
Có thể đưa phụ đề vào video không?
Có. Nút Chèn vào video mở công cụ chèn phụ đề với các dòng và video của bạn đã sẵn sàng, chỉ cần chọn kiểu và xuất.