Ako to funguje
- Pustite video. Zvuk sa extrahuje vo vašom počítači.
- Vytvorte titulky. Pri prvom použití sa stiahne model rozpoznávania reči (asi 80 MB pre Rýchle, 250 MB pre Presné) a uloží sa do vyrovnávacej pamäte prehliadača — nabudúce sa spustí okamžite. Rozpoznávanie potom beží na vašom procesore; zvuk nikdy neopustí zariadenie.
- Upravte. Kliknutím na čas preskočíte na dané miesto, opravte text v zozname, odstráňte riadky alebo posuňte všetky titulky, ak sú predčasné či oneskorené.
- Uložte. Stiahnite súbor .srt alebo .vtt, alebo uložte video s titulkami vpálenými do obrazu.
Vpálené alebo samostatný súbor?
- Vpálené (open captions) — súčasť obrazu, viditeľné všade: Instagram, TikTok, LinkedIn, WhatsApp, každý televízor. Väčšina videí na sociálnych sieťach sa sleduje bez zvuku, preto je to bežná voľba pre sociálne siete. Video sa prekóduje.
- .srt vedľa videa (closed captions) — diváci ich môžu zapnúť alebo vypnúť. Pomenujte ho rovnako ako video (
holiday.mp4+holiday.srt) a VLC, Plex, Kodi aj väčšina smart TV ho načíta automaticky. YouTube a Vimeo akceptujú aj nahranie SRT a VTT.
Aké presné to je?
Pri zreteľnej reči v tichej miestnosti Whisper rozpozná väčšinu slov správne; opravovať budete najmä mená, značky a odborné termíny. Hudba na pozadí, viacerí hovoriaci naraz a silný prízvuk presnosť znižujú. „Presné“ používa väčší model a robí citeľne menej chýb, približne pri tretinovej rýchlosti.
Ako dlho to trvá?
Na bežnom notebooku z posledných rokov spracuje model Rýchle reč približne 3–4× rýchlejšie než v reálnom čase — 10-minútové video zhruba za 3 minúty. Presné beží približne v reálnom čase. Staršie alebo menej výkonné počítače sú pomalšie; počas práce môžete používať ďalšie karty.
Jazyky a preklad
Whisper rozpoznáva približne 100 jazykov a jazyk určí sám. Reč dokáže aj preložiť do anglických titulkov: zvoľte „angličtina (preklad)“ — hodí sa na zdieľanie videa nahratého v inom jazyku s anglicky hovoriacim publikom.
Súkromie už z princípu
Väčšina generátorov titulkov nahráva vaše video na svoje servery a účtuje poplatok za minútu. Tu model beží lokálne vo vašom prehliadači, takže nič sa neodosiela, nie je tu časový limit ani predplatné — hodí sa to na rozhovory, interné stretnutia a čokoľvek dôverné.
Časté otázky
Je to zadarmo?
Áno, bez limitu minút, bez vodoznaku a bez registrácie.
Nahráva sa moje video?
Nie. Z Hugging Face sa raz stiahne iba model rozpoznávania reči; vaše video a zvuk zostanú vo vašom počítači.
Aký je rozdiel medzi SRT a VTT?
Oba sú textové súbory s titulkami. SRT podporuje takmer každý prehrávač a televízor; VTT je webový štandard používaný prehrávačmi HTML5. Stiahnite si ten, ktorý vyžaduje vaša platforma.
Môžem pridať vlastný súbor SRT a vpáliť ho?
Áno — použite „Importovať SRT/VTT…“, skontrolujte časovanie a uložte video s vpálenými titulkami.
Prečo je prvé spustenie pomalé?
Model rozpoznávania reči sa musí raz stiahnuť (80–250 MB). Potom sa uloží do vyrovnávacej pamäte prehliadača.
Naposledy aktualizované: 30/10/2026