Wir transkribieren die Sprache in deinem Browser und messen direkt im Audio, wann Sätze beginnen; was sich nicht messen lässt, wird markiert. Satz für Satz oder alle paar Wörter, das Tempo bestimmst du.
Deine Audiodatei verlässt nie deinen Computer. Nur eine Pegelübersicht, die transkribierten Wörter und, falls eingefügt, dein Skript gehen an den Server, gespeichert wird nichts. Die Modelldateien werden einmal von Hugging Face geladen. Datenschutz im Detail
60
Minuten Audio, maximal
0
Bytes deiner Audiodatei hochgeladen
1-50
Wörter pro Untertitel, oder pro Satz
SRT
dazu VTT und eine Zeitstempelliste
Arbeitsbereich
MP3, WAV, M4A, FLAC oder OGG. Bis zu 60 Minuten. Wenn du die Pausen mit Silence Remover entfernt hast, nimm die bereinigte Datei.
Füg den Text deines Voiceovers ein, dann ist jedes Wort in den Untertiteln genau deins; die Transkription findet nur das Timing. Ohne Skript kommt der Text aus dem Audio.
Modell
Das Modell wird einmal geladen und bleibt in deinem Browser. Mit Skript reicht Schnell; ohne Skript erkennt Ausgewogen die Wörter genauer, und Am genauesten macht die wenigsten Fehler, braucht aber länger.
Das Tempo zu ändern wirkt sofort, es wird nichts neu transkribiert.
Hinter den Kulissen
Spracherkennungsmodelle liefern nur ungefähre Wortzeiten und setzen das erste Wort nach einer langen Pause manchmal über eine Sekunde zu früh. Deshalb misst SRT Maker das Timing im Audio selbst.
Whisper transkribiert dein Audio auf deinem Computer, Wort für Wort mit Zeitangaben. Das Audio wird nie hochgeladen.
Nur eine Pegelübersicht und die Wörter gehen an den Server. Pausen werden der Reihe nach den Wörtern zugeordnet, die danach beginnen, und diese Wörter starten genau dann, wenn die Stimme einsetzt.
Satz für Satz oder alle paar Wörter. SRT, VTT oder die Zeitstempelliste, die Auto Flow und Sync for CapCut lesen.
Nächster Schritt