हे साधन उपयुक्त का आहे
या ब्राउझरमध्येच चालणाऱ्या पिन केलेल्या बहुभाषिक मॉडेलच्या मदतीने तुमच्या मालकीच्या ऑडिओ किंवा व्हिडिओ फाइलमधील भाषण संपादनयोग्य मजकुरात रूपांतरित करा.
स्थानिक फाइल साधने · स्थानिकरित्या चालते
खाजगी ऑडिओ ते मजकूर लिप्यंतरक
या ब्राउझरमध्येच चालणाऱ्या पिन केलेल्या बहुभाषिक मॉडेलच्या मदतीने तुमच्या मालकीच्या ऑडिओ किंवा व्हिडिओ फाइलमधील भाषण संपादनयोग्य मजकुरात रूपांतरित करा.
तयार. तुमचा कार्यरत डेटा या ब्राउझरमध्येच राहतो.
फाईल्स या डिव्हाइसवरच राहतात. प्रक्रिया फक्त ब्राउझर API वापरते; YTSave, मीडिया API किंवा प्रॉक्सीवर काहीही अपलोड केले जात नाही.
हे कसे कार्य करते
ब्राउझर निवडलेली रेकॉर्डिंग मोनो 16 kHz ऑडिओमध्ये डीकोड आणि मिक्स करतो, त्यानंतर स्थानिकरित्या होस्ट केलेले क्वांटाइझ्ड Whisper मॉडेल WebAssembly मध्ये मर्यादित भाषण ओळख करते.
व्यावहारिक उदाहरण
एक लहान मुलाखतीचा क्लिप निवडा, इच्छित असल्यास त्याची बोलली जाणारी भाषा निवडा, ओळखीतल्या चुका तपासण्यासाठी प्रतिलेख पाहा, आणि साधा UTF-8 मजकूर डाउनलोड करा.
वैधता
गणना निर्धारक आहे आणि अवैध इनपुट शांतपणे बदलण्याऐवजी पडताळणी त्रुटी स्पष्ट करते.
गोपनीयतेची सीमा
इनपुट आणि आउटपुट या टॅबमध्येच राहतील. कॉपी आणि डाउनलोड ब्राउझर API द्वारे सर्व्हरवर अपलोड न करता होतील.
परिणाम पासपोर्ट
प्रत्येक रन त्याचा टूल मोड, टाइमस्टॅम्प आणि इनपुट/आउटपुट आकार अहवालित करतो, त्यामुळे रूपांतरित डेटा ऑडिट केला जाऊ शकतो.