Whisper Transcriber
Muuda salvestised redigeeritavaks tekstiks, saatmata neid kuhugi. Heli dekodeeritakse, teisendatakse ja transkribeeritakse Whisperi mudeliga, mis töötab Web Workeris sinu enda brauseris — selle tööriista taga ei ole ühtegi transkribeerimisserverit.
Mida tööriist teeb
Whisper Transcriber muudab kõne tekstiks sinu enda masinas. Annad talle heli- või videofaili — või salvestad otse mikrofoniga — ja saad täieliku transkriptsiooni koos ajatemplitega segmentidega, mida saab redigeerida ja eksportida TXT, SRT või WebVTT vormingusse.
Kõik toimub brauserisakil: meedia dekodeeritakse ja miksitakse mono 16 kHz kujule, OpenAI Whisperi mudel jookseb Transformers.js kaudu ONNX Runtime Webi peal ja tulemus ei lahku lehelt. Midagi ei laadita üles, ei panda järjekorda ega salvestata serverisse.
Rakendus on ehitatud iseseisva mikrorakendusena kaustas static/utility-apps/whisper-transcriber. CAD AutoScripti kest põimib selle sama päritoluga iframe'i, nii et transkribeerija saab areneda omaenda repositooriumis, kasutades samal ajal selle saidi kataloogi, artiklit, reaktsioone, kommentaare ja ligipääsukihti.
Esimene käivitus: mudeli allalaadimine
Esimesel korral, kui vajutad Start Transcription, laadib brauser Hugging Face Hubist alla mitmekeelse Whisper Tiny mudeli kaalud ja puhverdab need. See on ainus võrguliiklus, mida tööriist tekitab, ja see ei sisalda sinu heli — ainult mudelifaile.
Kui palju täpselt, sõltub käivituvast mootorist; tööriista ülaosas olev silt näitab sinu seadme numbrit juba enne alustamist:
| Mootor | Kaalud | Tüüpiline seade |
|---|---|---|
| WASM | ~41 MB | Telefonid ja tahvlid ning kõik brauserid ilma WebGPU-ta |
| WebGPU | ~77 MB | Lauaarvuti brauserid GPU toega |
- Hilisemad käivitused kasutavad puhvrit ega vaja üldse võrku.
- Saidi andmete kustutamine, privaatne aken või brauseri salvestusruumi surve võivad puhvri välja tõrjuda ja põhjustada uue allalaadimise.
- Mudeli revisjon on kinnitatud kindla commit'i külge, nii et iga kord laaditakse sama versioon.
Millal seda kasutada
- Koosolekute, tarnijakõnede või projektiülevaatuste protokollide koostamine salvestise põhjal.
- Objektiringkäikude ja ülevaatuste videote muutmine otsitavaks tekstiks.
- Puudusteloendite ja kvaliteedimärkuste dikteerimine objektil tippimise asemel.
- SRT- või WebVTT-subtiitrite tegemine sisekoolituste ja üleandmisvideote jaoks.
- Sellise materjali transkribeerimine, mida ei tohi kolmanda osapoole teenusesse üles laadida.
Töövoog
- Lohista heli- või videofail alale või vajuta Record Audio ja peata salvestus, kui valmis.
- Oota, kuni olekurida teatab, et meedia on valmis — seal on näha kestus ja kas kasutatakse akendega konveierit.
- Muuda keelt, ajatempleid ja mootorit, kui vaikeväärtused salvestisele ei sobi.
- Vajuta Start Transcription. Esimesel korral näitab edenemisriba mudeli allalaadimist, seejärel algab kohe tuvastus.
- Paranda transkriptsiooni kohapeal — tekstiväli on redigeeritav ja eksport loeb just sellest.
- Kopeeri tekst või ekspordi TXT, SRT või WebVTT.
- Vajuta Clear File, et vabastada mälust meedia, transkriptsioon ja laaditud mudel.
Seaded
| Seade | Valikud | Mida muudab |
|---|---|---|
| Model | Whisper Tiny (mitmekeelne) | Tuvastuseks kasutatavad kaalud. Näidatud maht on see, mille sinu seade tegelikult alla laadib. |
| Language | Automatic Detection, English Only, Russian Only | Automatic laseb Whisperil keele ise tuvastada; selge valik on lühikeste või mürarikaste klippide puhul usaldusväärsem. |
| Timestamps | Show Timestamps, Text Only | Ajatemplid annavad segmentide loendi, mida SRT- ja WebVTT-eksport vajab. |
| Engine Runtime | Auto (GPU/WASM), WASM Only, WebGPU Preferred | Auto kasutab lauaarvutis GPU-d ja telefonis WASM-i. WASM on aeglasem, kuid töötab kõikjal, ja tööriist läheb sellele ise üle, kui GPU tee pole saadaval. |
Pikad salvestised
Lühikesed klipid dekodeeritakse ühe korraga. Pikem meedia uuritakse esmalt läbi ja seejärel aetakse mono-akende konveierist läbi: mälus on korraga ainult üks aken, samal ajal kui mudel jääb akende vahel laaditud olekusse. Lauaarvutis on aknad 30 sekundit 5-sekundilise ülekattega, telefonis 15 ja 3, mis poolitab mälu tipptarbimise. Transkriptsioon täitub aken akna haaval ja Cancel peatab töö, kaotamata juba saadud teksti.
Telefonis
Tööriist töötab mobiilibrauserites ja seadistab mõndagi sinu eest: vaikimisi mootoriks on WASM, alla laaditakse väiksem 41 MB mudel ja heli tükeldatakse tihedamalt. Kahte asja tasub teada.
- Hoia sakk esiplaanil. Tööriist palub süsteemil ekraani mitte kustutada, kuid see ei takista lehe peatamist, kui lülitud teise rakendusse. Pikk transkribeerimine vajab nähtavat sakki.
- See on aeglasem kui sülearvutis. Siin käib päris järeldus sinu enda seadmes ja telefonil on lihtsalt vähem anda.
Privaatsus
- Heli, video, failinimed, transkriptsiooni tekst ja sinu muudatused jäävad lehele. Neid ei saadeta CAD AutoScripti, analüütikasse ega ühessegi transkribeerimise API-sse.
- Ainsad väljuvad päringud on kinnitatud mudelifailid Hugging Face Hubist. Ühtegi fonti, skripti ega jälgijat mujalt ei laadita ja ehitust kontrollitakse selle suhtes automaatselt enne avaldamist.
- Mikrofoni kasutatakse alles pärast Record Audio vajutamist ja see on saidi ainus utiliit, millele mikrofoniluba üldse antakse.
- Clear File vabastab mikrofonivoo, helipuhvrid ja laaditud mudeli. Sakiakna sulgemine teeb sama.
- Sinu kontosse ei salvestata midagi ja transkriptsioonide ajalugu ei peeta — salvesta või ekspordi vajalik enne lehelt lahkumist.
Nõuded ja piirangud
- Ajakohane Chromiumi, Firefoxi või Safari versioon WebAssembly toega — lauaarvutis või telefonis. WebGPU on valikuline ja annab ainult kiirust.
- 41 MB vaba brauseripuhvrit mudeli jaoks (77 MB WebGPU teel) ning salvestise pikkusega võrdeline töömälu.
- Whisper Tiny eelistab kiirust täpsusele: tehnilised terminid, detailinumbrid ja pärisnimed tuleb üle lugeda.
- Tugev aktsent, üksteisele rääkimine ja objektimüra halvendavad tulemust — lähemal olev mikrofon aitab palju rohkem kui ükski siinne seade.
- Kõnelejate eristamine, pidev reaalajas transkribeerimine ja suuremad Whisperi mudelid ei kuulu sellesse versiooni.
- ⚠️ Transkriptsioon on mustandiabi. Kontrolli seda salvestise vastu, enne kui tsiteerid seda aruandes, protokollis või mis tahes lepingulises dokumendis.
Seotud tööriistad
Tagasiside / veateade
- Ava GitHubis probleem
- Kirjuta meile slug'iga
whisper-transcriber, et saaksime probleemi taasesitada.