Subformer
मोफत · नोंदणी नाही · तुमच्या ब्राउझरमध्ये चालते

विनामूल्य स्पीच-टू-टेक्स्ट 35+ भाषांमध्ये

कोणतीही ऑडिओ किंवा व्हिडिओ फाइल टाका, एक भाषा निवडा, आणि टाइमस्टँपसह संपूर्ण ट्रान्सक्रिप्ट मिळवा - हे सर्व तुमच्या ब्राउझरमध्ये. मॉडेल एकदाच (~75 MB) डाउनलोड होते आणि स्थानिकरित्या कॅश केले जाते, त्यामुळे नंतरचे चालवणे तत्काळ होते आणि ऑफलाइन कार्य करते.

डिफॉल्टने खाजगी

ओळख स्थानिकरित्या चालते. तुमचा ऑडिओ कधीही तुमच्या डिव्हाइसवरून बाहेर जात नाही.

पहिल्या लोडनंतर ताबडतोब

मॉडेल तुमच्या ब्राउझरमध्ये कॅश केले गेले आहे. पुढील वापरांसाठी ते ऑफलाइन चालते.

मुक्त, नोंदणी नाही

खाते नाही, क्रेडिट नाहीत, वापर मर्यादा नाही. उघडा आणि वापरा.

भाषा निवडा

पडद्यामागे

स्पीच रेकग्निशनचा सामान्यतः अर्थ तुमचा ऑडिओ कोणाच्यातरी GPU वर अपलोड करणे असा होतो. येथे मॉडेल तुमच्या स्वतःच्या मशीनवर चालते, ज्यामुळे हे साधन एकाच वेळी विनामूल्य आणि खाजगी बनते.

Open-source recognition model
ओपन-सोर्स न्यूरल स्पीच रेकग्निशन मॉडेलची क्वांटाइज्ड बिल्ड, जी एकदा डाउनलोड करून तुमच्या ब्राउझरमध्ये ठेवण्यासाठी पुरेशी लहान आहे.
WebAssembly
इन्फरन्स रनटाइम वेबअसेम्बलीमध्ये संकलित केले जाते, त्यामुळे संख्यात्मक कोड सँडबॉक्स केलेल्या टॅबमध्ये प्लगइन किंवा इन्स्टॉलशिवाय जवळजवळ मूळ वेगाने चालतो.
On-device inference
मॉडेल लोड करणे, टोकनाइजिंग करणे आणि डीकोडिंग लूप चालवणे हे सर्व क्लायंट-साइडवर होते. पृष्ठ लोड झाल्यानंतर पाइपलाइनचा कोणताही भाग सर्व्हरला कॉल करत नाही.
Web Audio API
तुमची फाइल डीकोड केली जाते आणि ब्राउझरच्या स्वतःच्या ऑडिओ पाइपलाइनचा वापर करून मॉडेलला अपेक्षित असलेल्या 16 kHz मोनोमध्ये पुन्हा सॅम्पल केली जाते, त्यामुळे तुमचा ब्राउझर प्ले करू शकणारे कोणतेही स्वरूप स्वीकारले जाते.

तोटा मॉडेल आकारात आहे. ऑन-डिव्हाइस वजने होस्ट केलेल्या सेवेच्या तुलनेत खूप कमी असतात, त्यामुळे गोंगाटयुक्त ऑडिओ, तीव्र उच्चार आणि ओव्हरलॅपिंग स्पीकर्सवर अचूकता कमी होते - तिथेच खालील क्लाउड पर्याय उपयुक्त ठरतो.

उच्च अचूकता किंवा अधिक भाषांची आवश्यकता आहे का?

क्लाउड-आधारित स्पीच टू टेक्स्ट

विनामूल्य इन-ब्राउझर साधन एक लहान ओपन-सोर्स मॉडेल चालवते - स्वच्छ ऑडिओसाठी ठीक आहे, परंतु ते जड उच्चार, आवाज किंवा ओव्हरलॅपिंग स्पीकर्ससह संघर्ष करू शकते आणि केवळ मर्यादित भाषांना समर्थन देते. ब्रॉडकास्ट-ग्रेड अचूकता, व्यापक भाषा समर्थन आणि SRT/VTT/TXT डाउनलोडसाठी, आमचे सशुल्क क्लाउड-आधारित स्पीच टू टेक्स्ट वापरा.

क्लाउड-आधारित स्पीच टू टेक्स्ट वापरून पहा