Subformer
ఉచితం · సైన్‌అప్ అవసరం లేదు · మీ బ్రౌజర్లో నడుస్తుంది

35+ భాషలలో ఉచిత స్పీచ్-టు-టెక్స్ట్

ఏ ఆడియో లేదా వీడియో ఫైల్‌ను డ్రాప్ చేయి, ఒక భాషను ఎంచుకుని టైమ్‌స్టాంప్‌లుతో పూర్తి ట్రాన్స్క్రిప్ట్ పొందండి - అన్ని మీ బ్రౌజర్‌లోనే. మోడల్ ఒకసారి (~75 MB) డౌన్లోడ్ చేసి స్థానికంగా క్యాష్ చేయబడుతుంది, కాబట్టి తర్వాతి నడపులు తక్షణంగా ఉంటాయి మరియు ఆఫ్‌లైన్‌లో పనిచేస్తాయి.

డిఫాల్ట్‌గా ప్రైవేట్

గుర్తింపు స్థానికంగా నడుస్తుంది. మీ ఆడియో ఎప్పుడూ మీ పరికరాన్ని విడవదు

మొదటి లోడ్ తర్వాత తక్షణమే

మోడల్ మీ బ్రౌజర్‌లో క్యాష్ చేయబడుతుంది. తదుపరి రన్స్ ఆఫ్‌లైన్‌లో పనిచేస్తాయి.

ఉచితం, సైన్ అప్ అవసరం లేదు

ఖాతా లేదు, క్రెడిట్స్ అవసరం లేదు, వినియోగ పరిమితి లేదు. ఓపెన్ చేసి ఉపయోగించండి.

ఒక భాషను ఎంచుకోండి

తెర వెనుక

స్పీచ్ రికగ్నిషన్ సాధారణంగా మీ ఆడియోను ఎవరిదైనా GPUకి అప్‌లోడ్ చేయడాన్ని సూచిస్తుంది. ఇక్కడ మోడల్ మీ స్వంత మెషీన్‌లో నడుస్తుంది, ఇది సాధనాన్ని ఒకే సమయంలో ఉచితంగా మరియు ప్రైవేట్‌గా చేస్తుంది.

Open-source recognition model
ఓపెన్-సోర్స్ న్యూరల్ స్పీచ్ రికగ్నిషన్ మోడల్ యొక్క క్వాంటైజ్డ్ బిల్డ్, ఒకసారి డౌన్‌లోడ్ చేసి మీ బ్రౌజర్‌లో ఉంచుకోవడానికి సరిపడా చిన్నది.
WebAssembly
ఇన్ఫరెన్స్ రన్‌టైమ్ వెబ్‌అసెంబ్లీకి కంపైల్ చేయబడింది, కాబట్టి సంఖ్యా కోడ్ ప్లగిన్ లేకుండా మరియు ఇన్‌స్టాల్ లేకుండా సాండ్‌బాక్స్డ్ ట్యాబ్‌లో స్థానిక వేగానికి దగ్గరగా నడుస్తుంది.
On-device inference
మోడల్‌ను లోడ్ చేయడం, టోకెనైజ్ చేయడం మరియు డీకోడింగ్ లూప్‌ను అమలు చేయడం అన్నీ క్లయింట్-సైడ్‌లో జరుగుతాయి. పేజీ లోడ్ అయిన తర్వాత పైప్‌లైన్‌లో ఏ భాగం కూడా సర్వర్‌కు కాల్ చేయదు.
Web Audio API
మీ ఫైల్ డీకోడ్ చేయబడుతుంది మరియు బ్రౌజర్ యొక్క స్వంత ఆడియో పైప్‌లైన్‌ను ఉపయోగించి మోడల్ ఆశించే 16 kHz మోనోకు తిరిగి నమూనా చేయబడుతుంది, కాబట్టి మీ బ్రౌజర్ ప్లే చేయగల ఏదైనా ఫార్మాట్ ఆమోదించబడుతుంది.

రాజీ మోడల్ పరిమాణం. ఆన్-డివైస్ వెయిట్స్ హోస్ట్ చేసిన సేవ నడిపే దానిలో ఒక భాగం, కాబట్టి శబ్దం ఉన్న ఆడియో, బలమైన యాసలు మరియు అతివ్యాప్తి చెందుతున్న స్పీకర్లపై ఖచ్చితత్వం తగ్గుతుంది - ఇక్కడే దిగువ క్లౌడ్ ఎంపిక దాని విలువను నిరూపించుకుంటుంది.

అధిక ఖచ్చితత్వం లేదా మరిన్ని భాషలు కావాలా?

క్లౌడ్-ఆధారిత స్పీచ్ టు టెక్స్ట్

ఉచిత ఇన్-బ్రౌజర్ సాధనం చిన్న ఓపెన్-సోర్స్ మోడల్‌ను నడుపుతుంది - ఇది స్పష్టమైన ఆడియోకు బాగానే ఉంటుంది, కానీ ఇది భారీ యాక్సెంట్‌లు, శబ్దం లేదా అతివ్యాప్తి చెందుతున్న స్పీకర్‌లతో ఇబ్బంది పడవచ్చు మరియు పరిమిత భాషలను మాత్రమే కవర్ చేస్తుంది. బ్రాడ్‌కాస్ట్-గ్రేడ్ ఖచ్చితత్వం, విస్తృత భాషా మద్దతు మరియు SRT/VTT/TXT డౌన్‌లోడ్‌ల కోసం, మా చెల్లింపు క్లౌడ్-ఆధారిత స్పీచ్ టు టెక్స్ట్‌ను ఉపయోగించండి.

క్లౌడ్-ఆధారిత స్పీచ్ టు టెక్స్ట్‌ను ప్రయత్నించండి