Transkripsikan video dengan Whisper, teksnya tetap di tab
Taruh rekaman yang memang milik Anda. GustKit mengambil audionya dan menjalankan Whisper di perangkat. Hasilnya teks bertanda waktu, plus SRT, VTT, TXT, atau DOCX. Di atas 30 menit transkripsi ditolak, karena hitungannya lokal.
Model cepat atau lebih baik, bahasa atau deteksi
“Cepat (Whisper tiny, ~40 MB)” untuk ucapan yang jelas dan draf. “Lebih baik (Whisper base, ~80 MB)” lebih menangkap aksen dan derau. Pilih bahasa, atau biarkan deteksi. Satu pembicara dan audio bersih memberi hasil yang paling mudah dibaca.
GPU di Chrome dan Edge, selain itu prosesor
Dengan WebGPU, Whisper berjalan di kartu grafis dan bisa beberapa kali lebih cepat. Peramban lain turun ke WebAssembly di CPU. Hasilnya sama, dan audio tidak pergi ke server ucapan.
Cara menyalin video menjadi teks tanpa mengirim rekaman
-
Taruh berkas yang sudah Anda miliki. GustKit tidak mengunduh film dari tautan.
-
Tunjuk bahasa yang diucapkan, atau biarkan deteksi. Whisper mencakup sekitar 99 bahasa.
-
Tekan “Transkripsikan ke teks”. Pada kali pertama model bisa diunduh. Batasnya 30 menit.
-
Unduh SRT atau VTT, TXT biasa, atau DOCX untuk disunting.
Takarir dan kutipan tanpa menyerahkan rekaman
-
SRT, VTT, TXT, dan DOCX
Takarir untuk penyuntingan, atau teks biasa untuk dicari.
-
Dua ukuran Whisper
Tiny yang cepat, atau base yang lebih baik. Anda memilih sebelum mulai.
-
Audio tetap di perangkat
Yang diunduh adalah berkas model. Rekaman tidak pergi ke server.
-
WebGPU bila peramban mampu
Chrome dan Edge bisa menghitung di kartu grafis. Yang lain memakai prosesor.
-
Tanda waktu
Anda kembali ke saat di rekaman, tanpa menebak dengan telinga.
-
Sekitar 99 bahasa
Bahasa yang dipilih lebih tepat daripada deteksi saja.
Pertanyaan tentang teks dari video
Bahasa apa yang dipahami Whisper di halaman ini?
Sekitar 99, termasuk Indonesia, Inggris, Portugis, dan Spanyol. Memilih bahasa menaikkan ketepatan. Deteksi juga berjalan.
Berapa lama video yang bisa ditranskripsi?
Sampai 30 menit. Rekaman yang lebih panjang dipecah, karena hitungan ada di perangkat Anda dan menjadi lambat.
Apakah gambar dikirim ke server model?
Tidak. Yang masuk ke peramban adalah berkas model. Audio dihitung di tempat dan tidak meninggalkan perangkat.
Model mana untuk rekaman yang bising?
Yang lebih baik, yaitu base, lebih kuat pada aksen dan latar. Tiny yang cepat cukup untuk ucapan bersih dan draf.
Rekaman terlalu panjang untuk sekali jalan.
Potong bagian yang perlu di Potong video, lalu transkripsikan berkas yang lebih pendek. Audio tanpa gambar ada di Transkrip audio.
Apakah saya mendapat takarir untuk penyuntingan?
Ya. Setelah hasil tampil, unduh SRT atau VTT. Untuk teks saja, TXT atau DOCX.