Перевести аудио в текст
Перетащите запись, голосовое сообщение или видео и получите текст на вашем языке. Распознавание речи работает на вашем устройстве.
Запечатано на этом устройстве
Работает в вашем браузере. Ничего не загружается на сервер.
Запечатано
Ваша запись
Как это работает
-
Добавьте запись
Перетащите аудио- или видеофайл или выберите его. Он читается на вашем устройстве и никуда не загружается.
-
Выберите язык
Оставьте «Определить автоматически» или выберите язык речи, затем начните. В первый раз модель распознавания речи скачивается один раз.
-
Скопируйте или скачайте
Текст появляется по мере расшифровки. При необходимости исправьте его, затем скопируйте или сохраните как файл .txt.
Частые вопросы
Моя запись загружается на сервер?
Нет. Файл декодируется и расшифровывается в вашем браузере, на вашем устройстве. С этого сайта скачивается только модель распознавания речи, и браузер сохраняет её на будущее. Ваша запись и её текст никуда не отправляются.
Насколько точна расшифровка?
Чёткая речь распознаётся хорошо, но не идеально. Фоновый шум, музыка, сильный акцент, перебивающие друг друга люди, имена и специальные термины приводят к ошибкам. Прочитайте текст перед использованием и исправьте его прямо здесь. Инструмент не различает говорящих.
Какие языки поддерживаются?
Более 50, в том числе русский, украинский, английский, испанский, французский, немецкий, португальский, итальянский, нидерландский, польский, турецкий, арабский, хинди, китайский, японский, корейский, индонезийский, вьетнамский и тайский. Точнее всего распознаются распространённые языки. Автоопределение анализирует первые 30 секунд.
Сколько времени это занимает?
Зависит от устройства и длительности записи. Распознавание речи работает на процессоре, поэтому современный компьютер справляется гораздо быстрее, чем старый телефон. При первом запуске к этому добавляется однократное скачивание модели, на которое вы даёте согласие. Отменить можно в любой момент — уже расшифрованный текст сохранится.
Какие файлы поддерживаются?
Большинство аудио- и видеофайлов: MP3, WAV, M4A, AAC, OGG, Opus, FLAC, MP4, WebM и MOV. Если браузер не может прочитать файл сам, инструмент пробует встроенный конвертер. Открыть можно файлы до 2 ГБ; очень длинные записи требуют много памяти.
Какие компоненты с открытым исходным кодом используются?
Распознавание речи выполняет Whisper (модель base), выпущенный OpenAI под лицензией MIT, в версии ONNX от сообщества ONNX Community. Он работает с помощью Transformers.js от Hugging Face (лицензия Apache-2.0) и ONNX Runtime Web от Microsoft (лицензия MIT). Файлы, которые браузер не может декодировать сам, конвертируются с помощью FFmpeg, скомпилированного в WebAssembly (ffmpeg.wasm), ядро которого распространяется под лицензией GPL.