Cara ia berfungsi
- Letakkan video. Bunyi diekstrak pada komputer anda.
- Cipta sari kata. Kali pertama, model pertuturan dimuat turun (kira-kira 80 MB untuk Pantas, 250 MB untuk Tepat) dan disimpan dalam cache oleh pelayar anda — kali seterusnya ia bermula serta-merta. Pengecaman kemudian berjalan pada pemproses anda; audio anda tidak pernah meninggalkan peranti.
- Sunting. Klik pada masa untuk melompat ke sana, betulkan teks dalam senarai, padam baris, atau anjakkan semua sari kata jika terlalu awal atau lewat.
- Simpan. Muat turun fail .srt atau .vtt, atau simpan video dengan sari kata yang dibakar pada gambar.
Dibakar atau fail berasingan?
- Dibakar (kapsyen terbuka) — sebahagian daripada gambar, kelihatan di mana-mana: Instagram, TikTok, LinkedIn, WhatsApp, mana-mana TV. Kebanyakan video sosial ditonton tanpa bunyi, jadi ini pilihan biasa untuk media sosial. Video dikod semula.
- .srt di sebelah video (kapsyen tertutup) — penonton boleh menghidupkan atau mematikannya. Namakan seperti video (
holiday.mp4+holiday.srt) dan VLC, Plex, Kodi serta kebanyakan TV pintar mengesannya secara automatik. YouTube dan Vimeo turut menerima muat naik SRT dan VTT.
Setepat mana?
Untuk pertuturan yang jelas dalam bilik yang senyap, Whisper mendapat kebanyakan perkataan dengan betul; nama, jenama dan istilah teknikal ialah tempat anda akan membuat pembetulan. Muzik latar, beberapa orang bercakap serentak dan loghat yang kuat merendahkan ketepatan. “Tepat” menggunakan model yang lebih besar dan membuat kesilapan yang jauh lebih sedikit, pada kira-kira satu pertiga kelajuan.
Berapa lama ia mengambil masa?
Pada komputer riba biasa dalam beberapa tahun kebelakangan ini, model Pantas memproses pertuturan kira-kira 3–4 kali lebih pantas daripada masa nyata — video 10 minit dalam kira-kira 3 minit. Tepat berjalan pada kira-kira masa nyata. Komputer yang lebih lama atau berkuasa rendah lebih perlahan; anda boleh terus menggunakan tab lain semasa ia bekerja.
Bahasa dan terjemahan
Whisper mengenali kira-kira 100 bahasa dan mengesan bahasa itu sendiri. Ia juga boleh menterjemah pertuturan kepada sari kata Bahasa Inggeris: pilih “Bahasa Inggeris (terjemahan)” — berguna untuk berkongsi video yang dirakam dalam bahasa lain dengan khalayak berbahasa Inggeris.
Peribadi sejak awal
Kebanyakan penjana sari kata memuat naik video anda ke pelayan mereka dan mengenakan bayaran seminit. Di sini model berjalan secara setempat dalam pelayar anda, jadi tiada muat naik, tiada had masa dan tiada langganan — berguna untuk temu bual, mesyuarat dalaman dan apa-apa yang sulit.
Soalan lazim
Adakah ia percuma?
Ya, tanpa had minit, tanpa tera air dan tanpa pendaftaran.
Adakah video saya dimuat naik?
Tidak. Hanya model pertuturan dimuat turun sekali daripada Hugging Face; video dan audio anda kekal pada komputer anda.
Apakah perbezaan antara SRT dan VTT?
Kedua-duanya fail sari kata teks biasa. SRT disokong oleh hampir setiap pemain dan TV; VTT ialah piawaian web yang digunakan oleh pemain HTML5. Muat turun mana-mana yang diminta platform anda.
Bolehkah saya menambah fail SRT sendiri dan membakarnya?
Boleh — gunakan “Import SRT/VTT”, semak masa, dan simpan video dengan sari kata yang dibakar.
Mengapa larian pertama perlahan?
Model pertuturan perlu dimuat turun sekali (80–250 MB). Selepas itu ia disimpan dalam cache oleh pelayar anda.
Kemas kini terakhir: 30/10/2026