Расшифруйте видео в текст моделью Whisper в этой вкладке
Положите свою запись. GustKit вынимает звук и запускает Whisper на устройстве. Вы получаете текст с метками времени, а также SRT, VTT, TXT или DOCX. Выше 30 минут расшифровка ограничена, потому что она считается локально.
Быстрая или лучшая модель, язык или определение
Быстрая это tiny: разборчивая речь и черновик. Лучшая это base: яснее берёт акцент и шум на фоне. Выберите язык или оставьте определение. Один говорящий и чистый звук дают самый читаемый результат.
GPU в Chrome и Edge, иначе процессор
При WebGPU Whisper считает на видеокарте и бывает в несколько раз быстрее. Другие браузеры сходят на WebAssembly и процессор. Результат тот же, а звук не идёт на речевой сервер.
Как расшифровать видео в текст, не отправляя запись
-
Положите файл, который у вас уже есть. GustKit не скачивает фильм по ссылке.
-
Укажите язык речи или оставьте определение. Whisper охватывает около 99 языков.
-
Нажмите «Расшифровать в текст». В первый раз модель может скачаться. Предел 30 минут.
-
Скачайте SRT или VTT, обычный TXT либо DOCX для правки.
Субтитры и цитата без отдачи записи
-
SRT, VTT, TXT и DOCX
Субтитры для монтажа или обычный текст для поиска.
-
Два размера Whisper
Быстрый tiny или лучший base. Выбор до старта.
-
Звук остаётся на устройстве
Скачиваются файлы модели. Запись не едет на сервер.
-
WebGPU, если браузер умеет
Chrome и Edge могут считать на видеокарте. Остальные используют процессор.
-
Метки времени
Вы возвращаетесь к моменту в записи, а не ищете на слух.
-
Около 99 языков
Указанный язык точнее, чем одно определение.
Вопросы о тексте из видео
Какие языки берёт Whisper?
Около 99, включая русский, английский, португальский и испанский. Выбор языка поднимает точность. Определение тоже работает.
Какой длины видео можно расшифровать?
До 30 минут. Более длинную запись разделите: счёт идёт на вашем устройстве и на длинном файле он медленный.
Картинка едет на сервер модели?
Нет. В браузер сходят файлы модели. Звук считается локально и не покидает устройство.
Какую модель взять для шума?
Лучшую, то есть base: она яснее справляется с акцентом и фоном. Быстрый tiny годится для чистой речи и черновика.
Запись длиннее одного захода.
Обрежьте нужный фрагмент в Подрезать видео и расшифруйте более короткий файл. Один звук без картинки лежит в Транскрибация аудио.
Субтитры для монтажа будут?
Да. После результата вы скачиваете SRT или VTT, а для одного текста TXT или DOCX.