Pengenalan suara langsung di browser
Alat ini mengubah MP3 ke teks menggunakan Whisper, model pengenalan suara open source. Kebanyakan layanan transkripsi online mengunggah audio Anda ke server. Di sini, model diunduh ke browser Anda sekali saja, lalu berjalan di komputer atau ponsel Anda sendiri. Rekaman Anda tidak pernah keluar dari perangkat, hal yang penting untuk wawancara, catatan medis atau hukum, rapat, dan pesan suara pribadi. Setelah unduhan pertama, model disimpan oleh browser sehingga dimuat lebih cepat pada penggunaan berikutnya.
Bahasa dan akurasi
Di sini Whisper mendukung 23 bahasa, termasuk Inggris, Spanyol, Prancis, Jerman, Italia, Portugis, Rusia, Mandarin, Jepang, Korea, Turki, dan Polandia. Akurasi terbaik didapat dari ucapan yang jelas dengan sedikit bising latar. Akurasi lebih rendah untuk:
- beberapa orang yang berbicara bersamaan;
- musik latar yang keras atau banyak bising;
- pembicara yang suaranya sangat pelan atau jauh dari mikrofon;
- nama yang tidak umum dan istilah teknis;
- campuran beberapa bahasa dalam satu kalimat.
Memilih bahasa sendiri, bukan deteksi otomatis, biasanya memberi hasil yang lebih baik, terutama untuk rekaman pendek.
Format keluaran
| Format | Isi | Kegunaan |
|---|---|---|
| TXT | teks biasa | catatan, dokumen, kutipan |
| SRT | subtitle bernomor dengan waktu mulai dan selesai | editor video, YouTube, sebagian besar pemutar |
| VTT | subtitle web dengan waktu | pemutar video HTML5, halaman web |
Kecepatan dan rekaman panjang
Transkripsi adalah pekerjaan berat bagi komputer. Pada laptop modern, rekaman berdurasi satu jam bisa memakan waktu beberapa menit hingga lebih lama dari durasi aslinya, tergantung prosesor, ukuran model, dan browser. Ponsel akan lebih lambat. Biarkan tab tetap terbuka selama proses berjalan. Untuk file yang sangat panjang, Anda juga bisa memotong rekaman menjadi beberapa bagian dengan Pemotong Audio lalu mentranskripsikannya satu per satu.
Tips agar transkrip lebih baik
Model mendengarkan dalam jendela pendek sekitar 30 detik dan menulis apa yang didengarnya beserta waktu mulai dan selesai. Model menambahkan tanda baca dan huruf kapital secara otomatis, tetapi tidak tahu siapa yang berbicara, jadi pada wawancara Anda perlu menandai pembicaranya sendiri. Keheningan yang panjang dan musik tanpa ucapan akan dilewati atau dibiarkan kosong. Jika rekaman diawali musik, baris teks pertama mungkin muncul lebih lambat dari perkiraan Anda; itu normal.
- Bersihkan rekaman yang berisik dengan Peredam Bising sebelum ditranskripsikan.
- Jika suara pembicara pelan, naikkan levelnya dulu dengan Normalisasi.
- Untuk subtitle, periksa pewaktuannya di pemutar video Anda. Jika satu subtitle terlalu panjang untuk dibaca, pecah di editor teks; SRT dan VTT adalah file teks biasa.
- Selalu baca transkrip sekali lagi. Koreksi nama, angka, dan kata yang mungkin salah didengar oleh model.
File video juga bisa dipakai: letakkan file MP4 dan alat ini akan mentranskripsikan suaranya, cara cepat untuk membuat subtitle video Anda sendiri.