Transkrip audio ke teks
Letakkan rekaman, memo suara, atau video, lalu dapatkan teksnya dalam bahasa Anda. Pengenalan suara berjalan di perangkat Anda.
Tersegel di perangkat ini
Berjalan di browser Anda. Tidak ada yang diunggah.
Tersegel
Rekaman Anda
Cara kerjanya
-
Tambahkan rekaman Anda
Letakkan file audio atau video, atau pilih file. File dibaca di perangkat Anda dan tidak pernah diunggah.
-
Pilih bahasa
Biarkan “Deteksi otomatis” atau pilih bahasa yang diucapkan, lalu mulai. Pertama kali, model suara diunduh satu kali.
-
Salin atau unduh
Teks muncul saat ditulis. Perbaiki jika perlu, lalu salin atau simpan sebagai file .txt.
Pertanyaan umum
Apakah rekaman saya diunggah ke server?
Tidak. File didekode dan ditranskrip di dalam browser Anda, di perangkat Anda. Hanya model suara yang diunduh, dari situs ini, dan browser menyimpannya untuk lain kali. Audio dan teks Anda tidak pernah dikirim ke mana pun.
Seberapa akurat transkripsinya?
Hasilnya bagus untuk ucapan yang jelas, tetapi tidak sempurna. Kebisingan latar, musik, aksen yang kental, orang yang berbicara bersamaan, nama, dan istilah teknis bisa menimbulkan kesalahan. Baca teksnya sebelum dipakai dan perbaiki langsung di tempat. Alat ini tidak membedakan pembicara.
Bahasa apa saja yang bisa ditranskrip?
Lebih dari 50, termasuk Inggris, Spanyol, Prancis, Jerman, Portugis, Italia, Belanda, Polandia, Rusia, Ukraina, Turki, Arab, Hindi, Mandarin, Jepang, Korea, Indonesia, Vietnam, dan Thai. Akurasi terbaik untuk bahasa yang banyak penuturnya. Deteksi otomatis mendengarkan 30 detik pertama.
Berapa lama prosesnya?
Tergantung perangkat Anda dan durasi rekaman. Pengenalan suara berjalan di prosesor Anda, jadi komputer terbaru jauh lebih cepat daripada ponsel lama. Proses pertama juga mencakup unduhan model satu kali, setelah Anda menyetujuinya. Anda bisa membatalkan kapan saja dan menyimpan teks yang sudah ditranskrip.
File apa saja yang didukung?
Sebagian besar file audio dan video: MP3, WAV, M4A, AAC, OGG, Opus, FLAC, MP4, WebM, dan MOV. Jika browser tidak bisa membaca file sendiri, alat ini mencoba konverter bawaan. File hingga 2 GB bisa dibuka; rekaman yang sangat panjang butuh banyak memori.
Komponen open source apa yang digunakan?
Pengenalan suara memakai Whisper (model base), dirilis oleh OpenAI dengan lisensi MIT, dalam versi ONNX dari ONNX Community. Model ini dijalankan dengan Transformers.js dari Hugging Face (lisensi Apache-2.0) dan ONNX Runtime Web dari Microsoft (lisensi MIT). File yang tidak bisa didekode browser Anda dikonversi dengan FFmpeg yang dikompilasi ke WebAssembly (ffmpeg.wasm), yang intinya berlisensi GPL.