Transkripsikan MP3 atau memo dengan Whisper, tanpa label pembicara
Buka MP3, WAV, M4A, atau memo. Whisper menulis teks bertanda waktu di tab ini. Tidak ada pemisahan siapa yang berbicara. Di atas 30 menit, rekaman ditolak karena hitungannya lokal.
Format audio, plus trek di dalam sebagian besar video
MP3, WAV, M4A/AAC, OGG/Opus, FLAC, dan audio di dalam sebagian besar video. Catatan WhatsApp yang Opus termasuk. Label pembicara belum ada.
TXT, DOCX, SRT, atau VTT
Salin teks, simpan TXT, atau unduh DOCX untuk disunting. SRT dan VTT bila audio ini milik video yang sedang diberi takarir. Model yang sama dengan halaman video: tiny yang cepat, atau base yang lebih baik.
Cara menyalin audio menjadi teks tanpa mengunggah rekaman
-
MP3, WAV, M4A, OGG, FLAC, atau memo. Wawancara tetap di perangkat Anda.
-
“Cepat (Whisper tiny, ~40 MB)” atau “Lebih baik (Whisper base, ~80 MB)”. Tunjuk bahasa, atau biarkan deteksi.
-
Tekan “Transkripsikan ke teks”. Batasnya 30 menit. Kali pertama, berkas model diunduh.
-
TXT, DOCX, SRT, atau VTT. Tanda waktu membawa Anda kembali ke saat di rekaman.
Teks dari rekaman yang tidak meninggalkan tab
-
Empat cara membawa teks
TXT, DOCX, SRT, dan VTT. Pilih yang sesuai kerja Anda.
-
Memo, wawancara, kuliah
Satu pembicara dan audio bersih memberi hasil yang paling mudah dikutip.
-
Model diunduh, rekaman tidak
Tidak ada salinan di server yang harus dihapus, karena tidak dikirim.
-
Tanda waktu opsional
Anda melompat ke saat yang dikutip, bukan menggeser pemutar dengan menebak.
-
WebGPU bila ada
Chrome dan Edge bisa memakai kartu grafis. Peramban lain memakai CPU. Hasilnya sama.
-
Bukan pemisah suara
Tidak ada label siapa yang berbicara. Itu belum ada di halaman ini.
Pertanyaan tentang teks dari audio
Format audio apa yang bisa ditranskripsi?
MP3, WAV, M4A/AAC, OGG/Opus, FLAC, dan audio di dalam sebagian besar video.
Apakah pembicara dipisah?
Belum. Halaman ini tidak menaruh label siapa yang berbicara.
Berapa lama memo yang diterima?
Sampai 30 menit. Lebih panjang dari itu ditolak. Potong bagiannya, lalu transkripsikan berkas yang lebih pendek.
Apakah rekaman pergi ke server AI?
Tidak. Yang diunduh adalah berkas model. Audio dihitung di perangkat dan tidak meninggalkannya.
Saya punya video, bukan berkas audio.
Transkrip video mengambil trek dari video lalu menjalankan Whisper yang sama.
Model mana untuk aksen dan derau?
“Lebih baik (Whisper base, ~80 MB)”. Yang cepat cukup untuk ucapan yang jelas.