Is this Mandarin speech-to-text really free?

Yes. The page is public, no signup is required, and there are no length limits. The recognition model runs entirely in your browser. For higher accuracy on noisy or accented audio, run your file through Subformer's cloud transcription in Subtitles-only mode.

How does the Mandarin transcription work in the browser?

It uses an open-source neural speech recognition model, executed by a WebAssembly runtime on your own device. The model (~75 MB) is downloaded on first use and cached in your browser. Subsequent visits skip the download entirely and can transcribe offline.

Is my audio uploaded to a server?

No. Recognition runs locally in your browser. The only network calls are to download the model and the WebAssembly runtime - both are static assets. Your audio file and the generated transcript never leave your device.

What audio formats are supported?

Anything your browser can decode: MP3, WAV, M4A, AAC, FLAC, OGG/Opus, plus video containers like MP4, MOV, and WEBM (the audio track is extracted automatically).

Can I download SRT or VTT subtitles?

Yes. After transcription you can download the result as plain text (.txt), SubRip subtitles (.srt), or WebVTT (.vtt) - both subtitle formats include segment-level timestamps so you can drop them straight into any video editor or player.

Tiny vs Base - which model should I pick?

Tiny (~40 MB) is fastest and great for clean studio audio. Base (~75 MB) is roughly twice as accurate on noisy or accented audio and only slightly slower. If you're not sure, start with Base - it's the default. For the highest accuracy on hard audio (accents, noise, overlap), use Subformer's cloud transcription in Subtitles-only mode.

Does it work offline?

Once the model is cached, yes. The first visit needs network access to download it; after that the page can transcribe audio offline.

Which browsers are supported?

Any modern browser with WebAssembly: Chrome, Firefox, Safari 15+, Edge, and Chromium-based mobile browsers.

Subformer

Մուտք գործել

Անվճար · Գրանցում չի պահանջվում · Շարժվում է ձեր բրաուզերում

Անվճար Mandarin Խոսքից Տեքստ

中文

Թողեք Mandarin ձայնային կամ տեսանյութի ֆայլը և ստացեք ամբողջական տրանսկրիպտ ժամանակային նշումներով - ամենը ձեր զննարկչում, առանց գրանցման. Մոդելը ներբեռնվում է մեկ անգամ (~75 MB) և տեղականորեն կեշավորվում, այնպես որ հետագա գործարկումները ակնթարթային են և աշխատում են օֆլայն.

Ստուգվում է զննարկչի աջակցությունը…

Ավելի բարձր ճշգրտությո՞ւն կամ ավելի շատ լեզուներ են պե՞տք:

Ամպային Mandarin խոսքի ճանաչում

Բրաուզերում անվճար գործիքն աշխատում է փոքր բաց կոդով մոդելով՝ հարմար մաքուր աուդիոյի համար, բայց այն կարող է դժվարանալ ծանր Mandarin շեշտադրումների, աղմուկի կամ համընկնող խոսողների դեպքում և ընդգրկում է միայն լեզուների սահմանափակ շարք: Հեռարձակման որակի ճշգրտության, լեզվի շատ ավելի լայն աջակցության և SRT/VTT/TXT ներբեռնումների համար օգտագործեք մեր վճարովի ամպային խոսքի ճանաչումը:

Փորձել ամպային խոսքի ճանաչումը

Ինչպես է գործում

1. Թողեք ֆայլը
Թողեք ցանկացած Mandarin ձայնային կամ տեսանյութ - MP3, WAV, M4A, MP4 և WEBM բոլորն աջակցվում են.
2. Տեքստագրել
Առաջին սեղմումով մոդելը (~75 MB) ներբեռնվում է ձեր զննարկչում. Դրանից հետո ճանաչումը ակնթարթային է և աշխատում է օֆլայն.
3. Ներբեռնել
Պահպանեք տրանսկրիպտը որպես TXT, SRT կամ VTT. Ձեր աուդիոն և արդյունքը երբեք չեն լքում ձեր սարքը.

Ձեր աուդիոն մնում է ձեր սարքում

Խոսքի ճանաչումը ամբողջությամբ կատարվում է ձեր դիտարկիչում՝ օգտագործելով WebAssembly. Միակ ցանցային հարցումները մոդելի և WebAssembly runtime-ի բեռնումն են - երկուսն էլ հանրային, ստատիկ ռեսուրսներ. Մենք չենք տեսնում ձեր աուդիոն և չենք տեսնում տրանսկրիպտը.

Ինչպես է Mandarin տառադարձումն աշխատում ձեր բրաուզերում

Խոսքի ճանաչումը սովորաբար նշանակում է ձեր աուդիոյի վերբեռնում ուրիշի GPU-ին։ Այստեղ մոդելն աշխատում է ձեր սեփական մեքենայի վրա, ինչն էլ սա դարձնում է անվճար և միաժամանակ անձնական։

Open-source recognition model: Բաց կոդով նյարդային մոդել, որը մարզվել է բազմալեզու աուդիոյի վրա, այդ իսկ պատճառով մեկ ներբեռնումը մշակում է Mandarin՝ առանց լեզվին հատուկ մոդել ներբեռնելու անհրաժեշտության։
WebAssembly: Եզրակացության աշխատաժամանակը կոմպիլացված է WebAssembly-ի, ուստի թվային կոդը աշխատում է բնիկին մոտ արագությամբ ավազատուփի ներդիրում՝ առանց պլագինի և առանց տեղադրման:
On-device inference: ~75 ՄԲ քվանտացված մոդելը բեռնվում է, և ապակոդավորման ցիկլը ամբողջությամբ կառավարվում է հաճախորդի կողմից։ Էջը բեռնվելուց հետո խողովակաշարի ոչ մի մաս չի դիմում սերվերին։
Web Audio API: Ձեր ֆայլը ապակոդավորվում և վերանմուշվում է մոդելի կողմից ակնկալվող 16 կՀց մոնո ձևաչափին՝ օգտագործելով բրաուզերի սեփական աուդիո խողովակաշարը, ուստի ձեր բրաուզերի կողմից նվագարկվող ցանկացած ձևաչափ ընդունվում է:

Պրեմիում - նույնպես Subformer-ից

Թարգմանել և դուբլաժ

Տեսագրությունները թարգմանեք և դուբլաժ արեք 30+ լեզուներով մեկ սեղմումով.

Թարգմանել ենթագրերը

Թողեք SRT կամ VTT ֆայլ և ստացեք մշակված թարգմանություն ցանկացած լեզվով.

Ենթագրերի խմբագրիչ

Խմբագրեք, ճշտեք ժամանակումը և վերաոճավորեք ձեր ենթագրերը անվճար դիտարկչային խմբագրիչում.

Անվճար Mandarin Խոսքից Տեքստ

Ամպային Mandarin խոսքի ճանաչում

Ինչպես է գործում

1. Թողեք ֆայլը

2. Տեքստագրել

3. Ներբեռնել

Ձեր աուդիոն մնում է ձեր սարքում

Ինչպես է Mandarin տառադարձումն աշխատում ձեր բրաուզերում

Հաճախ տրվող հարցեր

Փորձեք այլ անվճար խոսքից‑տեքստ լեզուներ