Konuşmayı tarayıcında yazıya döküyoruz, cümlelerin başladığı anı sesin kendisinden ölçüyoruz; ölçülemeyen yer işaretli gelir. Cümle cümle ya da her birkaç kelimede bir, sıklığı sen seç.
Ses dosyan bilgisayarından çıkmaz. Sunucuya yalnızca ses seviyesinin özeti, yazıya dökülen kelimeler ve yapıştırdıysan senaryon gider; hiçbiri saklanmaz. Model dosyaları bir kez Hugging Face'ten iner. Gizlilik ayrıntıları
60
dakikaya kadar ses
0
bayt ses dosyası yüklenir
1-50
kelimede bir ya da cümle cümle
SRT
VTT ve damgalı liste de var
Çalışma alanı
MP3, WAV, M4A, FLAC veya OGG. En fazla 60 dakika. Boşlukları Silence Remover'da temizlediysen temiz dosyayı ver.
Seslendirmenin metnini yapıştırırsan altyazıdaki her kelime birebir senin metnin olur; yazıya dökme yalnızca zamanları bulur. Yapıştırmazsan metin sesten çıkarılır.
Model
Model bir kez iner, sonra tarayıcında kalır. Senaryo verdiysen Hızlı yeterli; vermediysen Dengeli kelimeleri daha doğru yazar, En doğru en az hatayı yapar ama daha uzun sürer.
Sıklığı değiştirmek anında uygulanır, yeniden yazıya dökmez.
Perde arkası
Konuşma tanıma modelleri kelime zamanlarını yaklaşık verir; uzun bir duraklamadan sonraki ilk kelimeyi bir saniyeden fazla erken koyabilirler. SRT Maker bu yüzden zamanı sesin kendisinden ölçer.
Whisper ses dosyanı bilgisayarında, kelime kelime zamanıyla yazıya döker. Ses hiçbir yere yüklenmez.
Sunucuya yalnızca ses seviyesinin özeti ve kelimeler gider. Duraklamalar, onlardan sonra başlayan kelimelere sırayla eşlenir; o kelimenin başı konuşmanın başladığı ana oturur.
Cümle cümle ya da her birkaç kelimede bir. SRT, VTT ya da Auto Flow ve Sync for CapCut'ın okuduğu damgalı liste.
Sonraki adım