Перетворіть аудіо в текст
Перетягніть запис, голосову нотатку чи відео й отримайте текст вашою мовою. Розпізнавання мовлення працює на вашому пристрої.
Запечатано на цьому пристрої
Працює у вашому браузері. Нічого не завантажується на сервер.
Запечатано
Ваш запис
Як це працює
-
Додайте запис
Перетягніть аудіо- чи відеофайл або виберіть його. Файл читається на вашому пристрої й нікуди не завантажується.
-
Виберіть мову
Залиште «Визначити автоматично» або виберіть мову мовлення й запустіть. Першого разу модель мовлення завантажується одноразово.
-
Скопіюйте або завантажте
Текст з’являється в міру розшифрування. За потреби виправте його, а потім скопіюйте або збережіть як файл .txt.
Поширені запитання
Мій запис завантажується на сервер?
Ні. Файл декодується й розшифровується у вашому браузері, на вашому пристрої. З цього сайту завантажується лише модель мовлення, і браузер зберігає її на майбутнє. Ваше аудіо та його текст нікуди не надсилаються.
Наскільки точне розшифрування?
Чітке мовлення розпізнається добре, але не ідеально. Фоновий шум, музика, сильний акцент, кілька людей, що говорять одночасно, імена й технічні терміни спричиняють помилки. Перечитайте текст перед використанням і виправте його на місці. Інструмент не розрізняє мовців.
Які мови підтримуються?
Понад 50, зокрема українська, англійська, іспанська, французька, німецька, португальська, італійська, нідерландська, польська, російська, турецька, арабська, гінді, китайська, японська, корейська, індонезійська, в’єтнамська й тайська. Найвища точність — для поширених мов. Автоматичне визначення прослуховує перші 30 секунд.
Скільки часу це займає?
Залежить від вашого пристрою й тривалості запису. Розпізнавання мовлення працює на вашому процесорі, тож сучасний комп’ютер набагато швидший за старий телефон. Під час першого запуску ще й одноразово завантажується модель — після вашої згоди. Ви можете будь-коли скасувати й зберегти вже розшифрований текст.
Які файли підтримуються?
Більшість аудіо- та відеофайлів: MP3, WAV, M4A, AAC, OGG, Opus, FLAC, MP4, WebM і MOV. Якщо браузер не може прочитати файл сам, інструмент пробує вбудований конвертер. Можна відкривати файли до 2 ГБ; дуже довгі записи потребують багато пам’яті.
Які компоненти з відкритим кодом використано?
Розпізнавання мовлення — це Whisper (модель base), випущена OpenAI за ліцензією MIT, у версії ONNX від ONNX Community. Вона працює завдяки Transformers.js від Hugging Face (ліцензія Apache-2.0) та ONNX Runtime Web від Microsoft (ліцензія MIT). Файли, які браузер не може декодувати сам, конвертуються за допомогою FFmpeg, скомпільованого у WebAssembly (ffmpeg.wasm), ядро якого поширюється за ліцензією GPL.