Gesprochenes aus einem Video mit Whisper, lokal und mit Zeiten
Der Ton wird im Tab gelesen, das Modell kommt einmal in den Browser. „Schnell (Whisper tiny, ca. 40 MB)“ oder „Besser (Whisper base, ca. 80 MB)“. Über 30 Minuten wird abgelehnt. Das Video selbst geht nicht an einen Server.
Sprache fest oder automatisch
„Gesprochene Sprache“ mit „Automatisch erkennen“, oder Sie wählen die Sprache. „Zeitstempel einschließen“ ist zu Beginn an. Klarer Ton mit einer Stimme trifft am besten.
TXT, SRT, VTT und DOCX
„Transkript herunterladen“ steht vor den Schaltflächen TXT, SRT, VTT und DOCX. „Text kopieren“ nimmt den Wortlaut. Chrome und Edge können mit WebGPU die Grafikkarte nutzen, sonst rechnet WebAssembly auf der CPU.
Video in Text umsetzen, das Audio bleibt auf dem Gerät
-
Eine Datei, die Sie besitzen. GustKit holt kein Video von einem Link.
-
Automatisch lassen oder die Sprache setzen. Schnell für klaren Entwurf, Besser bei Akzent und Nebengeräusch.
-
Drücken Sie „In Text transkribieren“. Nur die Modelldateien werden geladen, nicht Ihr Ton.
-
TXT, SRT, VTT oder DOCX. SRT und VTT passen zu Playern, die Untertitel laden.
Zeitmarken und Untertitel, gerechnet wo die Datei liegt
-
SRT und VTT
Neben TXT und einem bearbeitbaren DOCX.
-
Zwei Whisper-Größen
Tiny für den schnellen Entwurf, Base wenn es genauer sein soll.
-
WebGPU, wenn der Browser kann
Chrome und Edge mit WebGPU sind deutlich schneller. Das Ergebnis bleibt privat.
-
Zeitstempel an
Sie springen zurück an die Stelle im Video.
-
Ton bleibt lokal
Heruntergeladen wird das Modell. Die Aufnahme nicht.
-
Bis 30 Minuten
Länger ist auf dem Gerät zu langsam. Teilen Sie die Aufnahme.
Fragen zu Video in Text
Wie viele Sprachen versteht diese Transkription?
Whisper kennt etwa 99 Sprachen, darunter Deutsch, Englisch und Spanisch. Die gewählte Sprache trifft besser, automatisch geht auch.
Wie lang darf das Video für den Text sein?
Bis 30 Minuten. Darüber stoppt die Seite, weil die Rechnung auf Ihrem Gerät läuft.
Geht mein Video an einen KI-Server?
Nein. Es kommen nur die Modelldateien. Der Ton wird lokal gelesen und verlässt das Gerät nicht.
Was ist der Unterschied der beiden Modelle?
„Schnell (Whisper tiny, ca. 40 MB)“ reicht bei klarer Sprache. „Besser (Whisper base, ca. 80 MB)“ hält Akzent und Nebengeräusch besser.
Welche Datei ist der Untertitel?
SRT oder VTT, über „Transkript herunterladen“. TXT ist der reine Text, DOCX lässt sich weiter bearbeiten.
Trennt die Seite die Sprecher?
Diese Seite liefert den Wortlaut mit Zeiten. Sie setzt keine Sprecher-Namen daneben.