Создайте субтитры для видео или аудиозаписи
Интервью, лекция, звонок с клиентом, демонстрация продукта: записи, которым больше всего нужны субтитры, часто как раз те, что не стоит отправлять в сервис транскрибации. Здесь речевая модель работает внутри этой вкладки, поэтому файл никогда не покидает ваш компьютер.
- Работает целиком в вашем браузере
- Работает без интернета
- Без отправки файлов
- Без регистрации
- Без водяных знаков
Загружаем инструмент…
Как это работает
- Перетащите видео или аудиофайл. Оставьте язык на автоопределении или выберите его, если определение ошиблось.
- Нажмите «Создать субтитры». В первый раз речевая модель скачивается один раз (240 или 540 МБ, в зависимости от компьютера); затем запись распознаётся по частям.
- Исправьте текст и время, проверяя их по видео, затем скачайте .srt или .vtt или создайте MP4 с вшитыми субтитрами.
Почему ничего не отправляется на сервер
Всё, что делает эта страница, выполняет код внутри вкладки вашего браузера — тем же движком, который рисует веб-страницы. Файл читается с диска в память вкладки, преобразуется там и записывается обратно как загружаемый файл. Он никуда не отправляется — ни нам, ни третьей стороне.
Проверьте сами
- Откройте инструменты разработчика в браузере (F12) и перейдите на вкладку «Сеть» (Network).
- Загрузите свой файл и запустите инструмент.
- Единственные запросы, которые вы увидите, — это код самого инструмента, а у нескольких тяжёлых инструментов ещё и их открытый движок (тоже с этого сайта) или модель ИИ с Hugging Face, плюс один небольшой сигнал о просмотре страницы на loreatec.jp (адрес и заголовок страницы, больше ничего). Ни один из них не несёт ваш файл.
Частые вопросы
Насколько это точно?
При чёткой речи, когда одновременно говорит один человек, большинство слов распознаётся верно, но считайте результат черновиком. Точность падает при фоновой музыке, когда люди перебивают друг друга, при сильном акценте, профессиональном жаргоне и плохих микрофонах. Проверьте имена, числа и термины и один раз прочитайте всё, глядя на видео. Во время музыки или тишины модель иногда пишет фразу, которую никто не произносил: удалите её. Время может сдвигаться на доли секунды.
Какая модель используется и почему загрузка такая большая?
OpenAI Whisper (лицензия MIT) в версиях, опубликованных на Hugging Face. Если браузер поддерживает WebGPU, large-v3 turbo (около 540 МБ) работает на графическом чипе и проставляет время каждому слову. Иначе Whisper small (около 240 МБ) работает на процессоре: медленнее, менее точно и с таймингом по фразам, а не по словам. Любая из них скачивается один раз и хранится в браузере; страница локального ИИ на этом сайте использует те же файлы, поэтому повторно они не скачиваются.
Загружается ли моя запись куда-нибудь?
Нет. Звук декодируется, распознаётся и превращается в субтитры внутри этой вкладки браузера. Скачиваются только сама модель и, для некоторых форматов, видеодвижок с этого сайта. Это можно проверить: после загрузки модели инструмент продолжает работать в режиме полёта.
Как разбиваются строки?
Не больше двух строк в субтитре, около 42 символов в строке (16 для японского и китайского) и от одной до семи секунд на экране. Строки переносятся в конце предложений, на паузах и после запятых и по возможности не после предлога или союза. Каждый субтитр можно отредактировать, объединить со следующим или удалить, а время — изменить вручную.
SRT, VTT или вшить в видео?
SRT принимают почти везде: YouTube, Vimeo, видеоредакторы, VLC. VTT — формат веб-страниц (элемент <track>) и некоторых платформ. Вшивание рисует текст поверх изображения — для мест, где нельзя загрузить файл субтитров; всё видео перекодируется в браузере в MP4 H.264, это занимает время, и отключить субтитры потом уже нельзя.
Сколько это занимает времени?
Зависит от компьютера. На обычном ноутбуке со встроенной графикой это заняло от 1 до 1,5 длительности записи, только на процессоре — примерно вдвое дольше. С отдельной видеокартой быстрее. Запись распознаётся частями по 30 секунд, полоса прогресса показывает, какая часть обрабатывается, и остановить процесс можно в любой момент.