Cara kerjanya
- Tarik videonya. Suara diekstrak di komputer Anda.
- Buat subtitle. Pada pemakaian pertama, model suara diunduh (sekitar 80 MB untuk Cepat, 250 MB untuk Akurat) dan disimpan di cache browser Anda — lain kali langsung berjalan. Pengenalan suara lalu berjalan di prosesor Anda; audio Anda tidak pernah meninggalkan perangkat.
- Edit. Klik waktu untuk melompat ke sana, perbaiki teks di daftar, hapus baris, atau geser semua subtitle jika terlalu cepat atau terlambat.
- Simpan. Unduh file .srt atau .vtt, atau simpan video dengan subtitle yang tertanam ke gambar.
Tertanam atau file terpisah?
- Tertanam (open captions) — menjadi bagian dari gambar, terlihat di mana saja: Instagram, TikTok, LinkedIn, WhatsApp, TV apa pun. Sebagian besar video media sosial ditonton tanpa suara, jadi ini pilihan yang lazim untuk media sosial. Videonya di-encode ulang.
- .srt di samping video (closed captions) — penonton bisa menyalakan atau mematikannya. Beri nama sama dengan videonya (
holiday.mp4+holiday.srt) dan VLC, Plex, Kodi, serta sebagian besar smart TV akan memakainya secara otomatis. YouTube dan Vimeo juga menerima unggahan SRT dan VTT.
Seberapa akurat hasilnya?
Untuk ucapan yang jelas di ruangan yang tenang, Whisper menebak sebagian besar kata dengan benar; nama, merek, dan istilah teknis adalah bagian yang akan Anda koreksi. Musik latar, beberapa orang berbicara bersamaan, dan aksen yang kental menurunkan akurasi. “Akurat” memakai model yang lebih besar dan membuat kesalahan yang jauh lebih sedikit, dengan kecepatan sekitar sepertiganya.
Berapa lama prosesnya?
Di laptop biasa buatan beberapa tahun terakhir, model Cepat memproses ucapan sekitar 3–4 kali lebih cepat dari waktu nyata — video 10 menit dalam sekitar 3 menit. Akurat berjalan kira-kira sebesar waktu nyata. Komputer yang lebih tua atau berdaya rendah lebih lambat; Anda tetap bisa memakai tab lain selagi prosesnya berjalan.
Bahasa dan terjemahan
Whisper mengenali sekitar 100 bahasa dan mendeteksi bahasanya sendiri. Whisper juga bisa menerjemahkan ucapan menjadi subtitle bahasa Inggris: pilih “Inggris (terjemahan)” — berguna untuk membagikan video berbahasa lain kepada audiens berbahasa Inggris.
Privat sejak dirancang
Kebanyakan pembuat subtitle mengunggah video Anda ke server mereka dan menarik biaya per menit. Di sini modelnya berjalan secara lokal di browser Anda, jadi tidak ada unggahan, tidak ada batas waktu, dan tidak ada langganan — berguna untuk wawancara, rapat internal, dan segala hal yang bersifat rahasia.
Pertanyaan
Apakah gratis?
Ya, tanpa batas menit, tanpa watermark, dan tanpa pendaftaran.
Apakah video saya diunggah?
Tidak. Hanya model suara yang diunduh sekali dari Hugging Face; video dan audio Anda tetap berada di komputer Anda.
Apa bedanya SRT dan VTT?
Keduanya adalah file subtitle teks biasa. SRT didukung hampir semua pemutar dan TV; VTT adalah standar web yang dipakai pemutar HTML5. Unduh yang diminta platform Anda.
Bisakah saya menambahkan file SRT sendiri dan menanamkannya?
Bisa — pakai “Impor SRT/VTT”, periksa waktunya, lalu simpan video dengan subtitle yang tertanam.
Kenapa pemakaian pertama lambat?
Model suara harus diunduh sekali (80–250 MB). Setelah itu disimpan di cache browser Anda.
Terakhir diperbarui: 30/10/2026