Transcribimos la voz en tu navegador y medimos, en el propio audio, el momento en que empiezan las oraciones; lo que no se puede medir se marca. Oración por oración o cada pocas palabras, tú eliges el ritmo.
Tu archivo de audio nunca sale de tu computadora. Al servidor solo llegan un resumen del nivel de sonido, las palabras transcritas y, si lo pegaste, tu guion, y no se guarda nada. Los archivos del modelo se descargan una sola vez desde Hugging Face. Detalles de privacidad
60
minutos de audio como máximo
0
bytes de tu archivo de audio se suben
1-50
palabras por subtítulo, o por oración
SRT
además de VTT y una lista con marcas de tiempo
Espacio de trabajo
MP3, WAV, M4A, FLAC u OGG. Hasta 60 minutos. Si quitaste los silencios con Silence Remover, usa el archivo limpio.
Pega el texto de tu locución y cada palabra de los subtítulos será exactamente la tuya; la transcripción solo encuentra los tiempos. Sin guion, el texto sale del audio.
Modelo
El modelo se descarga una sola vez y queda en tu navegador. Con guion basta Rápido; sin guion, Equilibrado reconoce mejor las palabras y El más preciso comete menos errores, pero tarda más.
Cambiar el ritmo se aplica al instante, no se vuelve a transcribir nada.
Detrás de escena
Los modelos de reconocimiento de voz dan tiempos aproximados y pueden poner la primera palabra después de una pausa larga más de un segundo antes. Por eso SRT Maker mide los tiempos en el propio audio.
Whisper transcribe tu audio en tu computadora, palabra por palabra y con tiempos. El audio nunca se sube.
Al servidor solo llegan un resumen del nivel de sonido y las palabras. Las pausas se asignan, en orden, a las palabras que las siguen, y esas palabras empiezan justo cuando vuelve la voz.
Oración por oración o cada pocas palabras. SRT, VTT o la lista con marcas de tiempo que leen Auto Flow y Sync for CapCut.
Siguiente paso