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

Prijavite se

Besplatno · Bez prijave · Radi u pregledaču

Besplatno Mandarin pretvaranje govora u tekst

中文

Prevucite Mandarin audio ili video fajl i dobijte kompletan transkript sa vremenskim oznakama - sve u vašem pregledaču, bez registracije. Model se preuzima jednom (~75 MB) i kešira lokalno, pa su naredna pokretanja instantna i rade offline.

Proverava se podrška pregledača…

Potrebna vam je veća preciznost ili više jezika?

Mandarin Prepoznavanje govora u tekstu zasnovano na oblaku

Besplatni alat u pregledaču koristi mali model otvorenog koda – dobar je za čist zvuk, ali može imati problema sa jakim Mandarin akcentima, bukom ili preklapajućim govornicima, i pokriva samo ograničen skup jezika. Za preciznost emitovanja, mnogo širu podršku za jezike i preuzimanja SRT/VTT/TXT, koristite našu plaćenu uslugu Prepoznavanja govora u tekstu zasnovanu na oblaku.

Isprobajte prepoznavanje govora u tekstu zasnovano na oblaku

Kako to funkcioniše

1. Prevucite fajl
Ubacite bilo koji Mandarin audio ili video - MP3, WAV, M4A, MP4 i WEBM su podržani.
2. Transkribuj
Prvim klikom se preuzima model od oko ~75 MB u vaš pregledač. Nakon toga, prepoznavanje je trenutačno i može da radi offline.
3. Preuzmi
Сачувајте транскрипт као TXT, SRT или VTT. Ваш аудио и резултат никада не напуштају ваш уређај.

Ваш аудио остаје на вашем уређају

Препознавање се у потпуности одвија у вашем прегледачу користећи WebAssembly. Једини мрежни захтеви су за преузимање модела и WebAssembly runtime-а - оба су јавни, статички ресурси. Ми не видимо ваш аудио и не видимо транскрипт.

Kako Mandarin transkripcija radi u vašem pregledaču

Prepoznavanje govora obično znači otpremanje vašeg zvuka na tuđi GPU. Ovde model radi na vašoj mašini, što ovo čini besplatnim i privatnim u isto vreme.

Open-source recognition model: Neuronska mreža otvorenog koda obučena na višejezičnom zvuku – zbog čega jedno preuzimanje obrađuje Mandarin bez potrebe za preuzimanjem modela specifičnog za jezik.
WebAssembly: Vreme izvršavanja inferencije je kompajlirano u WebAssembly, tako da numerički kod radi skoro nativnom brzinom unutar izolovanog taba bez dodataka i instalacije.
On-device inference: ~75 MB kvantizovani model se učitava i petlja dekodiranja se u potpunosti pokreće na strani klijenta. Nijedan deo pipeline-a ne poziva server nakon što se stranica učita.
Web Audio API: Vaša datoteka se dekodira i ponovo uzorkuje na 16 kHz mono što model očekuje koristeći sopstveni audio cevovod pretraživača, tako da je prihvaćen bilo koji format koji vaš pretraživač može da reprodukuje.

Премиум - такође од Subformer-а

Prevedi i sinhronizuj

Prevedi i sinhronizuj video zapise na preko 30 jezika jednim klikom.

Преведи титлове

Ubacite SRT ili VTT i dobijte uređeni prevod na bilo koji jezik.

Уређивач титлова

Унесите побољшања, подесите временске ознаке и промените стил титлова у бесплатном едитору у прегледачу.

Besplatno Mandarin pretvaranje govora u tekst

Mandarin Prepoznavanje govora u tekstu zasnovano na oblaku

Kako to funkcioniše

1. Prevucite fajl

2. Transkribuj

3. Preuzmi

Ваш аудио остаје на вашем уређају

Kako Mandarin transkripcija radi u vašem pregledaču

Često postavljana pitanja

Пробајте друге бесплатне језике за претварање говора у текст