Is this Farsi 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 Farsi 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

ဝင်ရန်

အခမဲ့ · စာရင်းသွင်းရန် မလို · ဘရောက်ဇာ၌ လည်ပတ်သည်

အခမဲ့ Farsi အသံမှ စာသားပြောင်း

فارسی

Farsi အသံ သို့မဟုတ် ဗီဒီယို ဖိုင်တစ်ခုကို ဆွဲထည့်ပြီး အချိန်မှတ်တမ်းပါ သည့် ပြည့်စုံသော စာတမ်းကို ရယူပါ - အားလုံးကို သင်၏ ဘရောက်ဇာတွင် ဆောင်ရွက်နိုင်ပြီး အကောင့်ဖွင့်ရန် မလိုပါ။ မော်ဒယ်ကို တစ်ကြိမ် (~75 MB) ဒေါင်းယူကာ ဒေသခံတွင် ကက်ရှ် ထိန်းသိမ်းထားသောကြောင့် နောက်ထပ်အသုံးပြုမှုများတွင် ခဏချင်း လည်ပတ်ပြီး အော့ဖ်လိုင်းဖြင့်လည်း အလုပ်လုပ်နိုင်သည်။

ဘရောက်ဇာ၏ အထောက်အပံ့ကို စစ်ဆေးနေသည်…

ပိုမိုတိကျမှု သို့မဟုတ် ဘာသာစကားများ ပိုမိုလိုအပ်ပါသလား။

Cloud-based Farsi စကားပြောကို စာသားပြောင်းလဲခြင်း

အခမဲ့ browser-based ကိရိယာသည် သေးငယ်သော open-source မော်ဒယ်ကို အသုံးပြုသည်။ ၎င်းသည် ကြည်လင်သောအသံအတွက် ကောင်းမွန်သော်လည်း ပြင်းထန်သော Farsi လေယူလေသိမ်းများ၊ ဆူညံသံများ သို့မဟုတ် ထပ်နေသော စကားပြောသူများနှင့် ရုန်းကန်ရနိုင်ပြီး ဘာသာစကားအနည်းငယ်ကိုသာ အကျုံးဝင်သည်။ ထုတ်လွှင့်မှုအဆင့်မီ တိကျမှု၊ ပိုမိုကျယ်ပြန့်သော ဘာသာစကားပံ့ပိုးမှုနှင့် SRT/VTT/TXT ဒေါင်းလုဒ်များအတွက် ကျွန်ုပ်တို့၏ အခပေး cloud-based စကားပြောကို စာသားပြောင်းလဲခြင်းကို အသုံးပြုပါ။

cloud-based စကားပြောကို စာသားပြောင်းလဲခြင်းကို စမ်းကြည့်ပါ

လုပ်ဆောင်ပုံ

1. ဖိုင်တစ်ခုကို ဆွဲထည့်ပါ
မည်သည့် Farsi အသံ သို့မဟုတ် ဗီဒီယို မဆို ထည့်နိုင်သည် - MP3, WAV, M4A, MP4, WEBM အားလုံးကို ပံ့ပိုးသည်။
2. အသံကို စာသားအဖြစ် ရေးထုတ်ပါ
ပထမဆုံး ကလစ်သည် မော်ဒယ် ~75 MB ကို သင်၏ ဘရောက်ဇာသို့ ဒေါင်းယူသည်။ ထို့နောက် အသိမှတ်ပြုမှုသည် ခဏချင်းဖြစ်ပြီး အော့ဖ်လိုင်းတွင်လည်း လုပ်ဆောင်နိုင်သည်။
3. ဒေါင်းလုပ်ပါ
စာရင်းကို TXT, SRT, သို့မဟုတ် VTT အဖြစ် သိမ်းပါ။ သင့်အသံနှင့် ရလဒ်သည် မည်သည့်အချိန်မျှ မိမိကိရိယာမှ ထွက်ခြင်း မရှိပါ။

သင့်အသံသည် သင့်ပစ္စည်းပေါ်တွင်သာ တည်ရှိပါသည်

အသိမှတ်ပြုမှုကို WebAssembly ဖြင့် လုံးဝ သင်၏ ဘရောက်ဇာအတွင်းတွင် လည်ပတ်သည်။ ကွန်ယက်တောင်းဆိုမှုများမှာ မော်ဒယ်နှင့် WebAssembly runtime ကိုသာ ရယူရန်ဖြစ်ပြီး၊ နှစ်ခုလုံးသည် ပြည်သူသုံး static asset များဖြစ်သည်။ ကျွန်ုပ်တို့သည် သင့်အသံကို မမြင်ရဘူး၊ ထိပ်သရုပ်ကိုလည်း မမြင်နိုင်ပါ။

သင့်ဘရောက်ဆာတွင် Farsi စာသားမှတ်တမ်းကူးယူခြင်း လုပ်ဆောင်ပုံ

အသံမှတ်မိစနစ်သည် ပုံမှန်အားဖြင့် သင့်အသံကို အခြားသူတစ်ဦး၏ GPU သို့ အပ်လုဒ်လုပ်ခြင်းကို ဆိုလိုပါသည်။ ဤနေရာတွင် မော်ဒယ်သည် သင့်ကိုယ်ပိုင်စက်တွင် လုပ်ဆောင်သောကြောင့် ၎င်းကို အခမဲ့နှင့် တစ်ချိန်တည်းတွင် သီးသန့်ဖြစ်စေပါသည်။

Open-source recognition model: ဘာသာစကားမျိုးစုံသုံး အသံများဖြင့် လေ့ကျင့်ထားသော open-source အာရုံကြောစနစ်သုံး မော်ဒယ်တစ်ခုဖြစ်ပြီး ထို့ကြောင့် တစ်ကြိမ်ဒေါင်းလုဒ်လုပ်ရုံဖြင့် ဘာသာစကားသီးသန့် မော်ဒယ်ကို ထပ်မံရယူစရာမလိုဘဲ Farsi ကို ကိုင်တွယ်နိုင်ပါသည်။
WebAssembly: inference runtime ကို WebAssembly သို့ ပြောင်းလဲထားသောကြောင့် ဂဏန်းဆိုင်ရာ code များသည် plugin မပါဘဲ၊ ထည့်သွင်းစရာမလိုဘဲ sandboxed tab အတွင်းတွင် မူရင်းအမြန်နှုန်းနီးပါးဖြင့် အလုပ်လုပ်ပါသည်။
On-device inference: ~75 MB ပမာဏသတ်မှတ်ထားသော မော်ဒယ်ကို တင်ပြီး decoding loop ကို client-side တွင် လုံးဝလုပ်ဆောင်ပါသည်။ စာမျက်နှာတင်ပြီးသည်နှင့် လုပ်ငန်းစဉ်၏ မည်သည့်အရာကမျှ ဆာဗာသို့ ခေါ်ဆိုခြင်းမရှိပါ။
Web Audio API: သင့်ဖိုင်ကို decode လုပ်ပြီး ဘရောက်ဆာ၏ ကိုယ်ပိုင် audio pipeline ကို အသုံးပြု၍ မော်ဒယ်မျှော်လင့်ထားသည့် 16 kHz mono သို့ ပြန်လည်နမူနာယူသည်။ ထို့ကြောင့် သင့်ဘရောက်ဆာဖွင့်နိုင်သည့် မည်သည့် format ကိုမဆို လက်ခံပါသည်။

ပရီမီယမ် - Subformer မှလည်း

ဘာသာပြန်နှင့် ဒပ်

ဗီဒီယိုများကို တစ်ချက်နဲ့ ဘာသာပြန်၍ ဘာသာစကား 30 ကျော်သို့ ဒပ်ပြုလုပ်နိုင်သည်။

စာတန်းများဘာသာပြန်ခြင်း

SRT သို့ VTT ထည့်ပြီး ဘာသာစကား မည်သည့်မျိုးဖြစ်ဖြစ် အလှပြင်ပြီး ဘာသာပြန်ကို ပြန်လည်ရယူပါ။

စာတန်း အယ်ဒီတာ

အခမဲ့ ဘရောက်ဇာအတွင်း စာတန်း အယ်ဒီတာဖြင့် သင့်စာတန်းများကို တောက်ပစေ၊ အချိန်ပြင်ဆင်စေ၊ ပုံစံပြင်ဆင်နိုင်သည်။

အခမဲ့ Farsi အသံမှ စာသားပြောင်း

Cloud-based Farsi စကားပြောကို စာသားပြောင်းလဲခြင်း

လုပ်ဆောင်ပုံ

1. ဖိုင်တစ်ခုကို ဆွဲထည့်ပါ

2. အသံကို စာသားအဖြစ် ရေးထုတ်ပါ

3. ဒေါင်းလုပ်ပါ

သင့်အသံသည် သင့်ပစ္စည်းပေါ်တွင်သာ တည်ရှိပါသည်

သင့်ဘရောက်ဆာတွင် Farsi စာသားမှတ်တမ်းကူးယူခြင်း လုပ်ဆောင်ပုံ

မကြာခဏမေးလေ့ရှိသောမေးခွန်းများ

အခြား အခမဲ့ စကားမှ စာသားသို့ ဘာသာစကားများကို စမ်းကြည့်ပါ