Whisperを完全にブラウザ上で動かしながら、音声をテキストと字幕に変換できます。録音は決して機械から離れず、これは人々が文字起こしを必要とする録音、つまりインタビュー、会議、口述、法務・医療音声に最も重要です。
使い方
- 音声ファイルや動画をドロップすると、その音声トラックがデバイス上でデコードされます。
- モデルを選んでください:Fast(≈41MB、一度ダウンロード)かAcactible(≈77MB)。
- 文字起こし、テキストのライブ配信を見学、.txt、.srt、または.vttをダウンロードしてください。
よくある質問
- 私のファイルはアップロードされますか?
- いいえ。モデルやすべての処理は、自分のデバイス上のブラウザ内で動作します。ご自身で確認できます:ブラウザの DevToolsを開き、ネットワークタブを見てファイルを処理すると、アップロードはありません。初回訪問後はほとんどのツールも完全にオフラインで動作します。
- その精度はどのくらいですか?
- モデルはOpenAIのWhisper(小型および基本ティア)です。クリアな発話時は非常に使いやすいです。強いアクセント、クロストーク、騒がしい部屋ではエラーが見られます。Acactateティアは難しい音質では明らかに優れています。
- どの言語が使えますか?
- モデルは多言語対応で、現在は英語で文字起こしが行われています。さらに多くの言語が計画されており、モデル自体はすでに99言語をサポートしています。
- どのくらい時間がかかりますか?
- 対応 GPUのあるマシンでは、1分あたり数秒の音声です。CPU専用のマシンでは遅いですが実用的で、録音の長さの約4分の1です。