ถอดเสียงเป็นข้อความ

ไม่ ไฟล์ถูกถอดรหัสและถอดความภายในเบราว์เซอร์บนอุปกรณ์ของคุณ มีเพียงโมเดลเสียงพูดที่ถูกดาวน์โหลดจากเว็บไซต์นี้ และเบราว์เซอร์จะเก็บไว้ใช้ครั้งต่อไป เสียงและข้อความของคุณไม่ถูกส่งไปที่ใดเลย

เสียงพูดที่ชัดเจนให้ผลลัพธ์ที่ดี แต่ไม่สมบูรณ์แบบ เสียงรบกวน เพลง สำเนียงที่หนัก คนพูดแทรกกัน ชื่อเฉพาะ และศัพท์เทคนิคทำให้ผิดพลาดได้ โปรดอ่านข้อความก่อนใช้งานและแก้ไขได้ทันที เครื่องมือนี้ไม่แยกแยะผู้พูดแต่ละคน

กว่า 50 ภาษา รวมถึงไทย อังกฤษ สเปน ฝรั่งเศส เยอรมัน โปรตุเกส อิตาลี ดัตช์ โปแลนด์ รัสเซีย ยูเครน ตุรกี อาหรับ ฮินดี จีน ญี่ปุ่น เกาหลี อินโดนีเซีย และเวียดนาม ความแม่นยำดีที่สุดกับภาษาที่มีผู้พูดมาก การตรวจหาภาษาอัตโนมัติจะฟัง 30 วินาทีแรก

ขึ้นอยู่กับอุปกรณ์และความยาวของไฟล์ ระบบรู้จำเสียงพูดทำงานบนหน่วยประมวลผลของคุณ คอมพิวเตอร์รุ่นใหม่จึงเร็วกว่าโทรศัพท์รุ่นเก่ามาก การใช้งานครั้งแรกรวมเวลาดาวน์โหลดโมเดลซึ่งทำเพียงครั้งเดียวหลังจากคุณยินยอม คุณยกเลิกได้ทุกเมื่อ และเก็บข้อความที่ถอดได้แล้วไว้

ไฟล์เสียงและวิดีโอส่วนใหญ่: MP3, WAV, M4A, AAC, OGG, Opus, FLAC, MP4, WebM และ MOV เมื่อเบราว์เซอร์อ่านไฟล์เองไม่ได้ เครื่องมือจะลองใช้ตัวแปลงในตัว เปิดไฟล์ได้สูงสุด 2 GB ไฟล์ที่ยาวมากต้องใช้หน่วยความจำมาก

ระบบรู้จำเสียงพูดคือ Whisper (โมเดล base) ที่ OpenAI เผยแพร่ภายใต้สัญญาอนุญาต MIT ในเวอร์ชัน ONNX โดย ONNX Community ทำงานด้วย Transformers.js ของ Hugging Face (สัญญาอนุญาต Apache-2.0) และ ONNX Runtime Web ของ Microsoft (สัญญาอนุญาต MIT) ไฟล์ที่เบราว์เซอร์ถอดรหัสเองไม่ได้จะถูกแปลงด้วย FFmpeg ที่คอมไพล์เป็น WebAssembly (ffmpeg.wasm) ซึ่งส่วนแกนหลักใช้สัญญาอนุญาต GPL