Transkribera ljud till text
Släpp en inspelning, ett röstmemo eller en video och få texten på ditt språk. Taligenkänningen körs på din enhet.
Förseglat på den här enheten
Körs i din webbläsare. Inget laddas upp.
Förseglat
Din inspelning
Så fungerar det
-
Lägg till din inspelning
Släpp en ljud- eller videofil, eller välj den. Den läses på din enhet och laddas aldrig upp.
-
Välj språk
Låt ”Identifiera automatiskt” vara valt eller välj det talade språket, och starta. Första gången laddas talmodellen ner en gång.
-
Kopiera eller ladda ner
Texten visas medan den skrivs. Rätta den vid behov och kopiera den sedan eller spara den som en .txt-fil.
Vanliga frågor
Laddas min inspelning upp till en server?
Nej. Filen avkodas och transkriberas i din webbläsare, på din enhet. Bara talmodellen laddas ner, från den här webbplatsen, och webbläsaren sparar den till nästa gång. Ditt ljud och dess text skickas aldrig någonstans.
Hur exakt är transkriptionen?
Tydligt tal ger bra resultat, men inte perfekta. Bakgrundsljud, musik, kraftiga dialekter, personer som pratar i mun på varandra, namn och fackord orsakar misstag. Läs texten innan du använder den och rätta den direkt i fältet. Verktyget skiljer inte på olika talare.
Vilka språk kan transkriberas?
Mer än 50, bland annat engelska, spanska, franska, tyska, portugisiska, italienska, nederländska, polska, ryska, ukrainska, turkiska, arabiska, hindi, kinesiska, japanska, koreanska, indonesiska, vietnamesiska och thailändska. Precisionen är bäst för stora språk. Den automatiska identifieringen lyssnar på de första 30 sekunderna.
Hur lång tid tar det?
Det beror på din enhet och inspelningens längd. Taligenkänningen körs på din processor, så en nyare dator är mycket snabbare än en äldre mobil. Första gången tillkommer också nedladdningen av modellen, som bara sker en gång och först när du har godkänt den. Du kan avbryta när som helst och behålla det som redan har transkriberats.
Vilka filer stöds?
De flesta ljud- och videofiler: MP3, WAV, M4A, AAC, OGG, Opus, FLAC, MP4, WebM och MOV. När webbläsaren inte kan läsa en fil själv provar verktyget en inbyggd konverterare. Filer upp till 2 GB kan öppnas. Mycket långa inspelningar kräver mycket minne.
Vilka komponenter med öppen källkod används?
Taligenkänningen är Whisper (base-modellen), som OpenAI har släppt under MIT-licensen, i ONNX-versionen från ONNX Community. Den körs med Transformers.js från Hugging Face (Apache-2.0-licens) och ONNX Runtime Web från Microsoft (MIT-licens). Filer som webbläsaren inte kan avkoda själv konverteras med FFmpeg kompilerat till WebAssembly (ffmpeg.wasm), vars kärna är licensierad under GPL.