Mowa na napisy

Generuj napisy SRT/VTT z dźwięku wewnątrz wideo — wrzuć wideo (MP4, WebM, MOV, MKV, AVI, …) albo zwykły plik audio, a lokalny neuronowy silnik mowy (chiński + angielski) przepisze ścieżkę dźwiękową wraz z dokładnymi znacznikami czasu. Całe działanie odbywa się w przeglądarce — bez mikrofonu, bez wysyłania, bez chmury. Przy pierwszym użyciu jednorazowo pobierany jest neuronowy silnik ok. 95 MB, potem jest buforowany.
Upuść tutaj plik wideo lub kliknij, aby wybrać
MP4 · WebM · MOV · MKV · AVI · MPG · FLV · MP3 · WAV · M4A — do 200 MB
Silnik lokalny: nie załadowany.
Wybierz plik wideo, aby rozpocząć.
Napisy (edytowalne — popraw tekst, a następnie pobierz)
Brak jeszcze napisów.
Czym jest automatyczne tworzenie napisów?

Automatyczne napisy uruchamiają rozpoznawanie mowy na ścieżce audio wideo i zamieniają rozpoznane słowa w znaczniki czasowe: każdy fragment mowy staje się krótkim blokiem napisu z czasem początku i końca, eksportowanym jako SRT lub VTT. Trudna część to segmentacja — transkrypcja to ściana słów, ale widzowie mogą czytać tylko kilka słów naraz, więc długie wypowiedzi trzeba podzielić na naturalnych pauzach na znaczniki, które pozostają na ekranie wystarczająco długo, by je przeczytać.

SRT i VTT to zwykłe listy znaczników w postaci tekstu, różniące się głównie stylem znaczników czasu i nagłówkiem — odtwarzacze obsługujące jeden niemal zawsze obsługują drugi, więc pobierz ten, którego wymaga odtwarzacz.