Превратите запись или звук видео в редактируемую расшифровку и субтитры SRT или VTT. Распознавание идёт на вашем устройстве, а файл никогда не загружается.
Конвертер аудио в текст
Превратите запись или звук видео в редактируемую расшифровку и субтитры SRT или VTT. Распознавание идёт на вашем устройстве, а файл никогда не загружается.
Записи — это нередко интервью, звонки и совещания. Звук декодируется и распознаётся на этом устройстве и никогда не загружается; один раз скачивается только сама модель.
«Аудио в текст» превращает запись или звуковую дорожку видео в текст, который можно править, и в субтитры, которыми можно пользоваться. Распознавание речи идёт на вашем устройстве, в фоновом потоке: файл декодируется, запускается модель, а результат возвращается в виде фрагментов с отметками времени. Из них инструмент собирает редактируемую расшифровку с поиском, абзацы с отметками времени, JSON и субтитры, которые разбиваются по концам предложений в пределах ограничений, заданных вами для числа символов в строке, числа строк и времени на экране. Вы можете поправить текст любого субтитра, сдвинуть все тайминги на доли секунды и скачать SRT или WebVTT. Модель один раз скачивается и кешируется браузером; сама запись никогда не покидает ваш компьютер.
Возможности
Читает аудиофайлы и звуковую дорожку видеофайлов
Три размера моделей, работающих на устройстве: от быстрой только для английского до более медленной многоязычной
Редактируемая расшифровка с поиском, который подсвечивает все совпадения
Субтитры с ограничением по числу символов в строке, числу строк и секундам на экране; сначала они разбиваются по концам предложений
Правка текста любого субтитра и сдвиг всех таймингов раньше или позже
Скачивание SRT или WebVTT, обычного текста, абзацев с отметками времени или JSON
Число слов, длительность, темп речи и число субтитров
Ход выполнения каждого шага: декодирование, однократное скачивание модели и распознавание
Как использовать Аудио в текст
Перетащите на страницу аудио- или видеофайл
Выберите модель и язык речи
Нажмите «Transcribe» и подождите, пока файл декодируется, запускается модель и распознаётся речь
Поправьте текст или субтитры, затем скопируйте текст или скачайте SRT или VTT
Пример
Ввод
interview.mp3 — first 10 seconds
Max 42 characters per line · 2 lines · 6 s per cue
Результат
1
00:00:00,000 --> 00:00:03,400
Welcome back to the show. Today we are
talking about how maps get made.
2
00:00:03,400 --> 00:00:07,100
Our guest has surveyed coastlines
on four continents.
3
00:00:07,100 --> 00:00:09,800
Let's start at the beginning.
Субтитры разбиваются прежде всего по концам предложений, и ни одна строка не выходит за выбранный вами лимит.
Частые ошибки и устранение неполадок
Браузер сообщает, что не смог декодировать файл. — Попробуйте MP3, WAV, M4A или OGG. Некоторые видеоконтейнеры, например MKV и AVI, браузер не читает вообще; сначала извлеките звук в MP3 или WAV и расшифруйте его.
Имена, числа или технические термины распознаны неверно. — Именно здесь распознавание слабее всего. Модель побольше немного помогает, а явно заданный язык речи помогает сильнее; в любом случае сверяйте результат с записью.
Строки субтитров слишком длинные, или каждый субтитр держится на экране слишком долго. — Откройте вкладку «Subtitles» и уменьшите число символов в строке или максимальную длительность субтитра. Субтитры пересобираются сразу, и новые ограничения применяются везде.
Субтитры появляются в видеоплеере чуть раньше или позже. — Воспользуйтесь «Shift all timings», чтобы сдвинуть все субтитры на доли секунды. Отрицательное значение сдвигает их раньше и останавливается на начале видео.
Часто задаваемые вопросы
Насколько точно работает «Аудио в текст» и что ухудшает расшифровку?
Инструмент хорошо справляется с чёткой речью одного человека и заметно хуже — с фоновым шумом, перебивающими друг друга говорящими, сильным акцентом, именами и техническими словами, которых модель не встречала. Относитесь к результату как к черновику, который нужно поправить: именно поэтому вкладка «Text» доступна для редактирования.
Какие языки умеет расшифровывать «Аудио в текст»?
Модель только для английского работает с английским. Многоязычные модели покрывают ещё испанский, французский, немецкий, португальский, хинди, японский, китайский и русский и умеют определять язык автоматически, хотя явное указание языка даёт лучший результат.
Сколько времени «Аудио в текст» расшифровывает час аудио?
Примерно столько, сколько длится запись, на обычном ноутбуке с малой моделью, а с более компактными моделями — быстрее. При первом запуске один раз скачивается и модель. Страница показывает каждый шаг по мере выполнения: декодирование, скачивание и прослушивание.
Как получить субтитры к видео в формате SRT или VTT с помощью «Аудио в текст»?
Перетащите видеофайл, расшифруйте его, откройте вкладку «Subtitles», задайте нужную длину строки и длительность субтитра и скачайте SRT или VTT. Подключите файл субтитров к видео в плеере или редакторе; если тайминги немного не совпадают, сначала сдвиньте их все.
Загружается ли запись при работе «Аудио в текст» и что скачивается один раз?
Запись декодируется и распознаётся на вашем устройстве и никогда не загружается. Один раз скачивается только сама модель распознавания с публичного хоста моделей — браузер затем кеширует её, так что последующие запуски стартуют сразу и могут работать офлайн.
Есть ли максимальная длина файла в «Аудио в текст»?
Жёсткого лимита нет, но для декодирования весь файл должен поместиться в память, поэтому очень большие видеофайлы могут не обработаться. Для длинных видео сначала извлеките звук и расшифруйте его или разделите запись на части.
Связанные инструменты
Аудио в PDF — Расшифруйте запись на устройстве и выгрузите в PDF, SRT или VTT.