Як це працює
- Перетягніть відео. Звук видобувається на вашому комп'ютері.
- Створіть субтитри. Під час першого запуску завантажується модель розпізнавання мовлення (близько 80 МБ для «Швидко», 250 МБ для «Точно») і кешується вашим браузером — наступного разу вона запускається одразу. Далі розпізнавання виконується на вашому процесорі; звук ніколи не залишає пристрій.
- Відредагуйте. Натисніть на час, щоб перейти до цього місця, виправте текст у списку, видаліть рядки або зсуньте всі субтитри, якщо вони з'являються зарано чи запізно.
- Збережіть. Завантажте файл .srt або .vtt або збережіть відео із субтитрами, вшитими в зображення.
Вшиті субтитри чи окремий файл?
- Вшиті (відкриті субтитри) — частина зображення, видимі всюди: в Instagram, TikTok, LinkedIn, WhatsApp, на будь-якому телевізорі. Більшість відео в соцмережах дивляться без звуку, тому для соцмереж це звичайний вибір. Відео перекодовується.
- .srt поруч із відео (закриті субтитри) — глядачі можуть вмикати й вимикати їх. Назвіть файл так само, як відео (
holiday.mp4+holiday.srt), і VLC, Plex, Kodi та більшість смарт-телевізорів підхоплять його автоматично. YouTube і Vimeo також приймають завантаження SRT і VTT.
Наскільки це точно?
Для чіткого мовлення в тихому приміщенні Whisper розпізнає більшість слів правильно; виправляти доведеться переважно імена, назви брендів і технічні терміни. Фонова музика, кілька людей, що говорять одночасно, і сильний акцент знижують точність. «Точно» використовує більшу модель і робить помітно менше помилок, але працює приблизно втричі повільніше.
Скільки це займає часу?
На типовому ноутбуці останніх кількох років модель «Швидко» обробляє мовлення приблизно в 3–4 рази швидше за реальний час — 10-хвилинне відео приблизно за 3 хвилини. «Точно» працює приблизно в реальному часі. Старіші або малопотужні комп'ютери повільніші; поки триває робота, можна користуватися іншими вкладками.
Мови та переклад
Whisper розпізнає близько 100 мов і сам визначає мову. Він також може перекладати мовлення в англійські субтитри: виберіть «англійська (переклад)» — це зручно, щоб показати відео, записане іншою мовою, англомовній аудиторії.
Приватність закладена в основу
Більшість генераторів субтитрів завантажують ваше відео на свої сервери й беруть плату за хвилину. Тут модель працює локально у вашому браузері, тому немає ні завантаження, ні обмеження за часом, ні підписки — це зручно для інтерв'ю, внутрішніх нарад і всього конфіденційного.
Поширені запитання
Чи безкоштовно це?
Так, без обмежень за хвилинами, без водяного знака й без реєстрації.
Чи завантажується моє відео?
Ні. З Hugging Face один раз завантажується лише модель розпізнавання мовлення; ваше відео та звук залишаються на вашому комп'ютері.
Яка різниця між SRT і VTT?
Обидва — це текстові файли субтитрів. SRT підтримують майже всі програвачі та телевізори; VTT — веб-стандарт, який використовують програвачі HTML5. Завантажуйте той, який вимагає ваша платформа.
Чи можна додати власний файл SRT і вшити його у відео?
Так — скористайтеся «Імпортувати SRT/VTT…», перевірте таймінг і збережіть відео з вшитими субтитрами.
Чому перший запуск повільний?
Модель розпізнавання мовлення потрібно один раз завантажити (80–250 МБ). Після цього вона кешується вашим браузером.
Оновлено: 30/10/2026