अपने-आप सबटाइटल बनाएँ

नहीं। आवाज़ आपके ब्राउज़र के अंदर, आपके ही डिवाइस पर डिकोड और ट्रांसक्राइब होती है। सिर्फ़ स्पीच मॉडल इसी साइट से डाउनलोड होता है, और आपका ब्राउज़र उसे अगली बार के लिए रख लेता है।

दोनों में टाइमिंग वाली एक जैसी लाइनें होती हैं। SRT सबसे ज़्यादा जगह चलता है: YouTube, वीडियो एडिटर और VLC जैसे मीडिया प्लेयर में। VTT (WebVTT) वह फ़ॉर्मेट है जो वेब वीडियो प्लेयर इस्तेमाल करते हैं।

साफ़ बोली से अच्छे नतीजे मिलते हैं, लेकिन सौ प्रतिशत सही नहीं। म्यूज़िक, शोर, लहजा, एक साथ बोलती आवाज़ें और नाम गलतियों की वजह बनते हैं, और टाइमिंग में थोड़ा फ़र्क हो सकता है। पब्लिश करने से पहले सबटाइटल के साथ वीडियो देख लें, और ज़रूरत हो तो किसी भी सबटाइटल एडिटर में फ़ाइल ठीक करें।

नहीं। सबटाइटल उसी भाषा में लिखे जाते हैं जो वीडियो में बोली गई है।

नहीं। आपको अलग सबटाइटल फ़ाइलें मिलती हैं, जिन्हें आप YouTube, वीडियो एडिटर या प्लेयर में जोड़ सकते हैं। फिर देखने वाले इन्हें चालू या बंद कर सकते हैं।

स्पीच रिकग्निशन Whisper (base मॉडल) है, जिसे OpenAI ने MIT लाइसेंस के तहत जारी किया है, ONNX Community के ONNX वर्ज़न में। यह Hugging Face के Transformers.js (Apache-2.0 लाइसेंस) और Microsoft के ONNX Runtime Web (MIT लाइसेंस) के साथ चलता है। जो फ़ाइलें आपका ब्राउज़र खुद डिकोड नहीं कर पाता, उन्हें WebAssembly में कंपाइल किए गए FFmpeg (ffmpeg.wasm) से बदला जाता है, जिसका कोर GPL लाइसेंस के तहत है।