Tal till text (Whisper)

Whisper-taligenkänning som körs på din enhet

Det här verktyget omvandlar tal till text med Whisper, den öppna taligenkänningsmodellen som OpenAI har släppt. Till skillnad från de flesta transkriberingstjänster på nätet skickas ingenting till en server: webbläsaren avkodar ljudet, samplar om det till 16 kHz mono och skickar det till modellen i en Web Worker i bakgrunden. Sidan väljer den snabbaste motorn som finns – WebGPU på grafikkort och i webbläsare som stöder det, annars WebAssembly på processorn. Första gången laddas modellvikterna ned från Hugging Face; därefter ligger de kvar i webbläsarens cache, så att senare sessioner startar mycket snabbare.

Du kan transkribera intervjuer, föreläsningar, poddar, röstmemon och mötesinspelningar, eller ljudspåret i en videofil. Korta klipp kan spelas in direkt med mikrofonen. Långa inspelningar bearbetas i överlappande fönster på 30 sekunder, och förloppsindikatorn visar hur många fönster som är klara. Eftersom allt sker lokalt passar verktyget även för konfidentiella inspelningar som du inte vill lämna över till en molntjänst.

Transkriptioner, översättningar och undertexter

Välj Transcribe för att få text på originalspråket eller Translate to English för att låta Whisper skriva en engelsk version av tal på ett annat språk. ”Auto-detect” lyssnar på de första 30 sekunderna för att identifiera språket; om inspelningen börjar med musik eller tystnad blir resultatet bättre om du väljer språket själv. Slå på tidsstämplar för att se när varje mening sades, och ladda ned en SRT-undertextfil som du kan använda i videoredigerare, på YouTube eller i mediaspelare.

Tips för exakta resultat

Tydligt ljud är viktigare än allt annat. Spela in nära mikrofonen, undvik bakgrundsmusik och låt en person i taget prata. Whisper base är en kompakt modell, så namn, facktermer och kraftiga brytningar kan behöva en snabb manuell rättning – korrekturläs alltid innan du publicerar. Om din enhet har lite minne, stäng andra tunga flikar innan du transkriberar långa filer, och håll den här fliken öppen tills transkriptionen är klar. Använd gärna en extern mikrofon eller ett headset om du spelar in i ett rum med eko.