Subformer
സൗജന്യമാണ് · സൈൻഅപ് ആവശ്യമ छैन · നിങ്ങളുടെ ബ്രൗസറിൽ പ്രവർത്തിക്കുന്നു

35+ ഭാഷകളിൽ സൗജന്യ ശബ്ദം-ടു-ടെക്സ്റ്റ്

ഏതെങ്കിലും ഓഡിയോ അല്ലെങ്കിൽ വീഡിയോ ഫയൽ വീഴ്ത്തി, ഒരു ഭാഷ തിരഞ്ഞെടുക്കുകയും ടൈംസ്റ്റാമ്പുകളോടെയുള്ള പൂര്‍ണ്ണ ട്രാൻസ്ക്രിപ്റ്റ് നേടുകയും ചെയ്യുക - എല്ലാം നിങ്ങളുടെ ബ്രൗസറിൽ. മോഡൽ ഒരിക്കൽ (~75 MB) ഡൗൺലോഡ് ചെയ്ത് പ്രാദേശികമായി കാഷ് ചെയ്യപ്പെടുന്നു, അതിനാൽ പിന്നീട് റൺകൾ ഉടനെ നടക്കുകയും ഓഫ്‌ലൈനിലും പ്രവർത്തിക്കാൻ കഴിക്കുകയും ചെയ്യും.

ഡീഫോൾട്ടായി സ്വകാര്യമാണ്

റികഗ്നിഷൻ ലോക്കലായി പ്രവർത്തിക്കുന്നു. നിങ്ങളുടെ ഓഡിയോ നിങ്ങളുടെ ഉപകരണത്തിനിന്ന് പുറത്തിലേക്ക് പോകാറില്ല.

ആദ്യ ലോഡിന് ശേഷം തൽക്ഷണം

മോഡൽ നിങ്ങളുടെ ബ്രൗസറിലെ കാഷ്തിൽ സൂക്ഷിച്ചിരിക്കുന്നു. പിന്നീട് നടത്തിയ പ്രവർത്തനങ്ങൾ ഓഫ്‌ലൈൻ ആയി പ്രവർത്തിക്കും.

സൗജന്യമാണ്, സൈൻഅപ്പ് വേണ്ട.

അക്കൗണ്ട് ഇല്ല, ക്രെഡിറ്റുകൾ ഇല്ല, ഉപയോഗപരിധി ഇല്ല. തുറന്ന് ഉപയോഗിക്കുക.

ഒരു ഭാഷ തിരഞ്ഞെടുക്കുക

ഉള്ളിൽ

സ്പീച്ച് റെക്കഗ്നിഷൻ സാധാരണയായി നിങ്ങളുടെ ഓഡിയോ മറ്റൊരാളുടെ GPU-ലേക്ക് അപ്‌ലോഡ് ചെയ്യുക എന്നാണ് അർത്ഥമാക്കുന്നത്. ഇവിടെ മോഡൽ നിങ്ങളുടെ സ്വന്തം മെഷീനിൽ പ്രവർത്തിക്കുന്നു, ഇത് ഈ ഉപകരണം സൗജന്യവും അതേ സമയം സ്വകാര്യവുമാക്കുന്നു.

Open-source recognition model
നിങ്ങളുടെ ബ്രൗസറിൽ ഒരിക്കൽ ഡൗൺലോഡ് ചെയ്ത് സൂക്ഷിക്കാൻ കഴിയുന്നത്ര ചെറുതായ, ഒരു ഓപ്പൺ സോഴ്‌സ് ന്യൂറൽ സ്പീച്ച് റെക്കഗ്നിഷൻ മോഡലിന്റെ ക്വാണ്ടൈസ്ഡ് ബിൽഡ്.
WebAssembly
ഇൻഫറൻസ് റൺടൈം വെബ്അസംബ്ലിയിലേക്ക് കംപൈൽ ചെയ്തിരിക്കുന്നു, അതിനാൽ സംഖ്യാപരമായ കോഡ് പ്ലഗിനോ ഇൻസ്റ്റാളോ ഇല്ലാതെ ഒരു സാൻഡ്‌ബോക്സ്ഡ് ടാബിനുള്ളിൽ നേറ്റീവ് വേഗതയിൽ പ്രവർത്തിക്കുന്നു.
On-device inference
മോഡൽ ലോഡ് ചെയ്യുക, ടോക്കണൈസ് ചെയ്യുക, ഡീകോഡിംഗ് ലൂപ്പ് പ്രവർത്തിപ്പിക്കുക എന്നിവയെല്ലാം ക്ലയന്റ്-സൈഡിൽ നടക്കുന്നു. പേജ് ലോഡ് ചെയ്തുകഴിഞ്ഞാൽ പൈപ്പ്ലൈനിന്റെ ഒരു ഭാഗവും ഒരു സെർവറിലേക്ക് വിളിക്കുന്നില്ല.
Web Audio API
നിങ്ങളുടെ ഫയൽ ഡീകോഡ് ചെയ്യുകയും ബ്രൗസറിന്റെ സ്വന്തം ഓഡിയോ പൈപ്പ്‌ലൈൻ ഉപയോഗിച്ച് മോഡൽ പ്രതീക്ഷിക്കുന്ന 16 kHz മോണോയിലേക്ക് റീസാംപിൾ ചെയ്യുകയും ചെയ്യുന്നു, അതിനാൽ നിങ്ങളുടെ ബ്രൗസറിന് പ്ലേ ചെയ്യാൻ കഴിയുന്ന ഏതൊരു ഫോർമാറ്റും സ്വീകാര്യമാണ്.

വിട്ടുവീഴ്ച മോഡൽ വലുപ്പത്തിലാണ്. ഓൺ-ഡിവൈസ് വെയ്റ്റുകൾ ഒരു ഹോസ്റ്റ് ചെയ്ത സേവനം പ്രവർത്തിപ്പിക്കുന്നതിന്റെ ഒരു ഭാഗം മാത്രമാണ്, അതിനാൽ ശബ്ദമുള്ള ഓഡിയോ, കടുപ്പമുള്ള ഉച്ചാരണങ്ങൾ, ഓവർലാപ്പ് ചെയ്യുന്ന സ്പീക്കറുകൾ എന്നിവയിൽ കൃത്യത കുറയുന്നു - അവിടെയാണ് താഴെയുള്ള ക്ലൗഡ് ഓപ്ഷൻ അതിന്റെ പ്രാധാന്യം നേടുന്നത്.

ഉയർന്ന കൃത്യതയോ കൂടുതൽ ഭാഷകളോ ആവശ്യമുണ്ടോ?

ക്ലൗഡ് അധിഷ്ഠിത സ്പീച്ച് ടു ടെക്സ്റ്റ്

സൗജന്യ ഇൻ-ബ്രൗസർ ടൂൾ ഒരു ചെറിയ ഓപ്പൺ സോഴ്സ് മോഡൽ പ്രവർത്തിപ്പിക്കുന്നു - ഇത് വ്യക്തമായ ഓഡിയോയ്ക്ക് നല്ലതാണ്, പക്ഷേ കനത്ത ആക്സന്റുകൾ, ശബ്ദം, അല്ലെങ്കിൽ ഓവർലാപ്പ് ചെയ്യുന്ന സ്പീക്കറുകൾ എന്നിവയിൽ ഇത് ബുദ്ധിമുട്ടായേക്കാം, കൂടാതെ പരിമിതമായ ഭാഷകളെ മാത്രമേ ഇത് പിന്തുണയ്ക്കുന്നുള്ളൂ. ബ്രോഡ്കാസ്റ്റ്-ഗ്രേഡ് കൃത്യതയ്ക്കും, കൂടുതൽ വിപുലമായ ഭാഷാ പിന്തുണയ്ക്കും, SRT/VTT/TXT ഡൗൺലോഡുകൾക്കും, ഞങ്ങളുടെ പണമടച്ചുള്ള ക്ലൗഡ് അധിഷ്ഠിത സ്പീച്ച് ടു ടെക്സ്റ്റ് ഉപയോഗിക്കുക.

ക്ലൗഡ് അധിഷ്ഠിത സ്പീച്ച് ടു ടെക്സ്റ്റ് പരീക്ഷിക്കുക