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

เข้าสู่ระบบ

ฟรี · ไม่ต้องลงทะเบียน · ทำงานในเบราว์เซอร์ของคุณ

แปลงเสียงเป็นข้อความ Mandarin ฟรี

中文

ลากไฟล์เสียงหรือวิดีโอ Mandarin แล้วรับทรานสคริปต์ฉบับเต็มพร้อมเครื่องหมายเวลา - ทั้งหมดทำได้ในเบราว์เซอร์ของคุณ โดยไม่ต้องสมัครใช้งาน. โมเดลจะถูกดาวน์โหลดเพียงครั้งเดียว (~75 MB) และถูกเก็บไว้ในแคชบนเครื่อง ดังนั้นการรันในครั้งถัดไปจะเร็วทันทีและสามารถทำงานแบบออฟไลน์ได้.

กำลังตรวจสอบการรองรับของเบราว์เซอร์…

ต้องการความแม่นยำสูงขึ้นหรือภาษาเพิ่มเติมหรือไม่?

การแปลงเสียงเป็นข้อความ Mandarin บนคลาวด์

เครื่องมือฟรีในเบราว์เซอร์ใช้โมเดลโอเพนซอร์สขนาดเล็ก ซึ่งเหมาะสำหรับเสียงที่ชัดเจน แต่ก็อาจมีปัญหาในการจัดการกับสำเนียง Mandarin ที่หนักหน่วง เสียงรบกวน หรือผู้พูดที่พูดทับซ้อนกัน และรองรับเพียงชุดภาษาที่จำกัดเท่านั้น สำหรับความแม่นยำระดับออกอากาศ การรองรับภาษาที่กว้างขวางยิ่งขึ้น และการดาวน์โหลด SRT/VTT/TXT โปรดใช้บริการแปลงเสียงเป็นข้อความบนคลาวด์แบบชำระเงินของเรา

ลองใช้การแปลงเสียงเป็นข้อความบนคลาวด์

วิธีการทำงาน

1. ลากไฟล์มาวาง
วางไฟล์เสียงหรือวิดีโอ Mandarin ใดก็ได้ - รองรับ MP3, WAV, M4A, MP4 และ WEBM.
2. ถอดความ
การคลิกครั้งแรกจะดาวน์โหลดโมเดลขนาดประมาณ 75 MB ไปยังเบราว์เซอร์ของคุณ. หลังจากนั้น การรู้จำจะเป็นแบบทันทีและสามารถใช้งานแบบออฟไลน์ได้.
3. ดาวน์โหลด
บันทึกคำถอดความเป็นไฟล์ TXT, SRT หรือ VTT. เสียงของคุณและผลลัพธ์จะไม่ออกจากอุปกรณ์ของคุณ.

ไฟล์เสียงของคุณจะอยู่บนอุปกรณ์ของคุณ

การรู้จำทำงานทั้งหมดในเบราว์เซ์เซอร์ของคุณโดยใช้ WebAssembly. การร้องขอเครือข่ายเพียงอย่างเดียวคือการดึงโมเดลและรันไทม์ WebAssembly - ทั้งคู่เป็นทรัพยากรสาธารณะแบบคงที่. เราไม่เห็นไฟล์เสียงของคุณและเราไม่เห็นคำถอดความ.

การถอดเสียง Mandarin ทำงานในเบราว์เซอร์ของคุณอย่างไร

การรู้จำเสียงพูดโดยปกติหมายถึงการอัปโหลดเสียงของคุณไปยัง GPU ของผู้อื่น ที่นี่โมเดลทำงานบนเครื่องของคุณเองแทน ซึ่งทำให้สิ่งนี้ฟรีและเป็นส่วนตัวในเวลาเดียวกัน

Open-source recognition model: โมเดลโครงข่ายประสาทเทียมโอเพนซอร์สที่ฝึกฝนจากเสียงหลายภาษา ซึ่งเป็นเหตุผลว่าทำไมการดาวน์โหลดครั้งเดียวจึงรองรับ Mandarin โดยไม่ต้องดึงโมเดลเฉพาะภาษา
WebAssembly: รันไทม์การอนุมานถูกคอมไพล์เป็น WebAssembly ดังนั้นโค้ดเชิงตัวเลขจึงทำงานด้วยความเร็วใกล้เคียงเนทีฟภายในแท็บแซนด์บ็อกซ์โดยไม่มีปลั๊กอินและไม่ต้องติดตั้ง
On-device inference: โมเดลที่ถูกควอนไทซ์ขนาด ~75 MB ถูกโหลด และลูปการถอดรหัสถูกขับเคลื่อนทั้งหมดฝั่งไคลเอ็นต์ ไม่มีอะไรในไปป์ไลน์ที่เรียกใช้เซิร์ฟเวอร์เมื่อหน้าเว็บโหลดเสร็จแล้ว
Web Audio API: ไฟล์ของคุณจะถูกถอดรหัสและสุ่มตัวอย่างใหม่เป็นโมโน 16 kHz ที่โมเดลคาดหวัง โดยใช้ไปป์ไลน์เสียงของเบราว์เซอร์เอง ดังนั้นรูปแบบใดๆ ที่เบราว์เซอร์ของคุณสามารถเล่นได้จะได้รับการยอมรับ

Premium - จาก Subformer เช่นกัน

แปลและพากย์

แปลและพากย์วิดีโอเป็นกว่า 30 ภาษา ด้วยคลิกเดียว.

แปลคำบรรยาย

วางไฟล์ SRT หรือ VTT แล้วรับการแปลที่เรียบร้อยเป็นภาษาใดก็ได้.

ตัวแก้ไขคำบรรยาย

ขัดเกลา ปรับเวลา และปรับสไตล์คำบรรยายของคุณในตัวแก้ไขฟรีภายในเบราว์เซอร์.

แปลงเสียงเป็นข้อความ Mandarin ฟรี

การแปลงเสียงเป็นข้อความ Mandarin บนคลาวด์

วิธีการทำงาน

1. ลากไฟล์มาวาง

2. ถอดความ

3. ดาวน์โหลด

ไฟล์เสียงของคุณจะอยู่บนอุปกรณ์ของคุณ

การถอดเสียง Mandarin ทำงานในเบราว์เซอร์ของคุณอย่างไร

คำถามที่พบบ่อย

ลองใช้ภาษาอื่นๆ สำหรับการถอดเสียงฟรี