Jak to funguje
- Přetáhněte video. Zvuk se extrahuje ve vašem počítači.
- Vytvořte titulky. Poprvé se stáhne model rozpoznávání řeči (asi 80 MB pro Rychlé, 250 MB pro Přesné) a prohlížeč ho uloží do mezipaměti — příště se spustí hned. Rozpoznávání pak běží na vašem procesoru; zvuk nikdy neopustí zařízení.
- Upravte. Kliknutím na čas přeskočíte na dané místo, opravte text v seznamu, mažte řádky, nebo posuňte všechny titulky, jsou-li brzy či pozdě.
- Uložte. Stáhněte soubor .srt nebo .vtt, nebo uložte video s titulky vloženými do obrazu.
Vložené do obrazu, nebo samostatný soubor?
- Vložené do obrazu (pevné titulky) — součást obrazu, viditelné všude: Instagram, TikTok, LinkedIn, WhatsApp, jakákoli televize. Většina videí na sociálních sítích se sleduje bez zvuku, takže je to obvyklá volba pro sociální sítě. Video se překóduje.
- .srt vedle videa (volitelné titulky) — diváci je mohou zapnout či vypnout. Pojmenujte ho stejně jako video (
holiday.mp4+holiday.srt) a VLC, Plex, Kodi i většina chytrých televizí si ho načtou automaticky. YouTube a Vimeo přijímají i nahrání SRT a VTT.
Jak je to přesné?
Při srozumitelné řeči v tichém prostředí Whisper trefí většinu slov; opravovat budete hlavně jména, značky a odborné termíny. Hudba na pozadí, více mluvčích najednou a silné přízvuky přesnost snižují. „Přesné“ používá větší model a dělá znatelně méně chyb, zhruba při třetinové rychlosti.
Jak dlouho to trvá?
Na běžném notebooku z posledních let zpracuje model Rychlé řeč zhruba 3–4× rychleji než v reálném čase — 10minutové video asi za 3 minuty. Přesné běží zhruba v reálném čase. Starší nebo méně výkonné počítače jsou pomalejší; během práce můžete používat jiné karty.
Jazyky a překlad
Whisper rozpozná asi 100 jazyků a jazyk určí sám. Umí také překládat řeč do anglických titulků: zvolte „angličtina (překlad)“ — hodí se ke sdílení videa natočeného v jiném jazyce s anglicky mluvícím publikem.
Soukromí už od návrhu
Většina generátorů titulků nahrává vaše video na své servery a účtuje poplatek za minutu. Tady model běží lokálně ve vašem prohlížeči, takže se nic nenahrává, není časový limit ani předplatné — hodí se pro rozhovory, interní schůzky i cokoli důvěrného.
Časté dotazy
Je to zdarma?
Ano, bez minutových limitů, bez vodoznaku a bez registrace.
Nahrává se moje video?
Ne. Jednou se z Hugging Face stáhne jen model rozpoznávání řeči; vaše video i zvuk zůstávají ve vašem počítači.
Jaký je rozdíl mezi SRT a VTT?
Oba jsou textové soubory s titulky. SRT podporuje téměř každý přehrávač a televize; VTT je webový standard pro přehrávače HTML5. Stáhněte ten, který vaše platforma požaduje.
Mohu přidat vlastní soubor SRT a vložit ho do obrazu?
Ano — použijte „Importovat SRT/VTT“, zkontrolujte časování a uložte video s vloženými titulky.
Proč je první spuštění pomalé?
Model rozpoznávání řeči se musí jednou stáhnout (80–250 MB). Poté ho prohlížeč uloží do mezipaměti.
Naposledy aktualizováno: 30/10/2026