Розшифрувати аудіо чи відео

Як це працює

Сервіси розшифрування вимагають завантажити ваш запис, а записи — це інтерв'ю, наради, лекції й консультації, одні з найчутливіших файлів, з якими будь-хто має справу. Цей інструмент натомість запускає модель мовлення на вашому власному комп'ютері. Ціна — час, і він достатньо значний, щоб сказати про це до початку, а не після.

Наскільки повільно, реалістично

Модель займає 41 MB і завантажується один раз. Після цього розшифрування триває приблизно стільки ж, скільки сам запис, на сучасному ноутбуці, і вдвічі-втричі довше на старішій машині чи телефоні. П'ятихвилинний ролик — це на чашку кави; годинна нарада — непрактично. Саме тому обмеження тривалості за замовчуванням становить п'ять хвилин — збільшуйте його свідомо, а не випадково.

Що ви отримаєте

Субтитри у форматі .srt або .vtt із часовими мітками, готові до вшивання у відео за допомогою інструмента субтитрів на цьому сайті, або звичайний текст для транскрипту. Часові мітки надходять від моделі й зазвичай близькі до точних, але не покадрово точні.

Точність — чесно

Це мала модель Whisper, вибрана тому, що більші займають сотні мегабайтів. Вона добре працює з чітким англійським мовленням, записаним близько до мікрофона. Помітно гірше вона справляється з сильними акцентами, двома людьми, що говорять одна поверх одної, фоновим шумом, технічними термінами й власними назвами. Пунктуація непослідовна. Перечитайте результат, перш ніж кудись його надсилати.

Лише англійська

Використовується модель лише для англійської, бо вона менша й точніша для англійської, ніж багатомовна версія того самого розміру.