Is this Catalan 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 Catalan 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

Idħol

B'xejn · L-ebda reġistrazzjoni · Jaħdem fil-browser tiegħek

Ħieles Catalan Speech-to-Text

Català

Poġġi fajl awdjo jew vidjo ta' Catalan u ġib transkrizzjoni sħiħa b'timestamps - kollox fil-browser tiegħek, mingħajr reġistrazzjoni. Il-mudell jitniżżel darba (~75 MB) u jiġi maħżun lokalment, għalhekk it-tħaddimiet sussegwenti jkunu immedjati u jaħdmu offline.

Qed jiċċekkja l-appoġġ tal-browser…

Għandek bżonn preċiżjoni ogħla jew aktar lingwi?

Speech to Text Catalan ibbażat fuq il-cloud

L-għodda b'xejn fil-browser tħaddem mudell żgħir open-source - tajjeb għal awdjo nadif, iżda tista' titħabat ma' aċċenti Catalan qawwija, storbju, jew kelliema li jikkoinċidu, u tkopri biss sett limitat ta' lingwi. Għal preċiżjoni ta' grad ta' xandir, appoġġ lingwistiku ferm usa', u downloads SRT/VTT/TXT, uża l-Speech to Text imħallas tagħna bbażat fuq il-cloud.

Ipprova Speech to Text ibbażat fuq il-cloud

Kif jaħdem

1. Poġġi fajl
Poġġi kwalunkwe fajl awdjo jew vidjo ta' Catalan - MP3, WAV, M4A, MP4, u WEBM huma kollha appoġġjati.
2. Traskrivi
L-ewwel klikjatura tniżżel il-mudell ta' ~75 MB fil-browser tiegħek. Wara dan, ir-rikonoxximent ikun immedjat u jaħdem offline.
3. Niżżel
Ħażżen it-traskrizzjoni bħala TXT, SRT, jew VTT. L-awdjo tiegħek u r-riżultat qatt ma jitilqu mit-tagħmir tiegħek.

L-awdjo tiegħek jibqa' fuq it-tagħmir tiegħek

Ir-rikonoxximent isir kollu fil-browser tiegħek bl-użu ta' WebAssembly. L-uniku talbiet tan-netwerk huma biex jitniżżlu l-mudell u r-runtime ta' WebAssembly - kemm huma assets pubbliċi u statċi. Aħna ma narawx l-awdjo tiegħek u lanqas it-traskrizzjoni.

Kif it-traskrizzjoni Catalan taħdem fil-browser tiegħek

Ir-rikonoxximent tad-diskors normalment ifisser li ttella' l-awdjo tiegħek fuq il-GPU ta' xi ħadd. Hawnhekk il-mudell jaħdem fuq il-magna tiegħek stess minflok, li huwa dak li jagħmel dan b'xejn u privat fl-istess ħin.

Open-source recognition model: Mudell newrali open-source imħarreġ fuq awdjo multilingwi - hu għalhekk li tniżżil wieħed jimmaniġġja Catalan mingħajr mudell speċifiku għal-lingwa biex jinġieb.
WebAssembly: Ir-runtime tal-inferenza huwa kkompilat għal WebAssembly, u għalhekk il-kodiċi numeriku jaħdem b'veloċità kważi nattiva ġewwa tab sandboxed mingħajr plugin u mingħajr installazzjoni.
On-device inference: Il-mudell kkwantizzat ta' ~75 MB jitgħabbi u l-loop tad-dekodifikazzjoni huwa mmexxi kompletament min-naħa tal-klijent. Xejn fil-pipeline ma ssejjaħ lil server ladarba l-paġna tkun tgħabbi.
Web Audio API: Il-fajl tiegħek jiġi dekodifikat u rriċampionat għall-mono ta' 16 kHz li l-mudell jistenna billi juża l-pipeline tal-awdjo tal-browser stess, u għalhekk kwalunkwe format li l-browser tiegħek jista' jdoqq huwa aċċettat.

Premium - ukoll minn Subformer

Ittraduċi u iddubja

Ittraduċi u iddubja vidjows f'aktar minn 30 lingwa b'klikjatura waħda.

Ittraduċi s-sottotitoli

Poġġi fajl SRT jew VTT u rċievi traduzzjoni irfinata f'kull lingwa.

Editur tas-Sottotitoli

Ittejjeb, aġġusta t-timing, u ibdel l-istil tas-sottotitoli tiegħek f'editur fil-browser b'xejn.

Ħieles Catalan Speech-to-Text

Speech to Text Catalan ibbażat fuq il-cloud

Kif jaħdem

1. Poġġi fajl

2. Traskrivi

3. Niżżel

L-awdjo tiegħek jibqa' fuq it-tagħmir tiegħek

Kif it-traskrizzjoni Catalan taħdem fil-browser tiegħek

Mistoqsijiet Frekwenti

Ipprova lingwi oħra b'xejn għall-konverżjoni mid-diskors għal test