Audio e video in sottotitoli (IA)

Trascrivi il parlato in SRT, VTT o testo con Whisper, nel browser

Funziona nel tuo browser

Trascina un file audio o video

MP3, WAV, M4A, OGG, MP4, WebM e tutto ciò che il browser riproduce

Il file resta sul tuo dispositivo. Solo il modello IA viene scaricato, una volta, e conservato dal browser.

La prima volta scarica il modello, poi parte subito. I file lunghi richiedono tempo senza WebGPU.

Come funziona la trascrizione IA nel browser?

Questo strumento esegue Whisper, il modello aperto di riconoscimento vocale di OpenAI, sul tuo dispositivo con transformers.js. Il browser decodifica la traccia audio, la ricampiona a 16 kHz e il modello trasforma ogni finestra di 30 secondi in testo con inizio e fine. Quei segmenti diventano battute SRT o WebVTT, o una trascrizione semplice. Il modello viene scaricato una volta da Hugging Face Hub e messo in cache dal browser; l'audio non viene mai inviato. Usa la scheda grafica tramite WebGPU se disponibile, altrimenti il processore.

Casi d'uso

  • Aggiungere sottotitoli a un video per YouTube, TikTok, CapCut o Premiere senza scriverli
  • Ottenere la trascrizione di un'intervista, lezione, riunione o podcast
  • Trasformare un messaggio vocale o una nota audio in testo
  • Tradurre il parlato di un'altra lingua in sottotitoli inglesi

Quando usarlo?

Adatto a parlato chiaro in file fino a circa un'ora. Veloce va bene per clip brevi e bozze; Bilanciato è una buona scelta predefinita; Preciso è molto migliore con accenti e rumore, ma il download è più grande ed è più lento senza scheda grafica. Scegli la lingua parlata se la conosci, perché il rilevamento automatico può sbagliare su clip brevi. Rileggi sempre il risultato prima di pubblicare: nomi e termini tecnici sono gli errori tipici, e con il Convertitore di sottotitoli puoi spostare i tempi dopo.

Esempi

  1. Creare sottotitoli SRT per un video

    Input

    Un'intervista MP4 di 2 minuti in italiano. Modello: Bilanciato. Lingua: italiano. Risultato: Stessa lingua.

    Output

    Un file .srt con circa 30 segmenti temporizzati in italiano, pronto per un player o un editor.

  2. Tradurre un intervento in sottotitoli inglesi

    Input

    Un estratto di podcast in spagnolo (M4A). Modello: Preciso. Risultato: Traduci in inglese.

    Output

    Sottotitoli in inglese con i tempi originali, in SRT, VTT o testo.

Domande e risposte

Il mio audio viene caricato su un server?

No. Il file viene decodificato e trascritto nel browser. L'unico download è il modello IA da Hugging Face Hub, che il browser poi conserva.

Quale modello scegliere?

Inizia con Bilanciato. Veloce per clip brevi o computer lenti, Preciso per accenti, rumore di fondo o lavori importanti, se puoi attendere il download più grande.

Perché è lento?

Il riconoscimento vocale è un lavoro pesante. Con WebGPU (Chrome, Edge e Safari recenti) gira sulla scheda grafica ed è molto più veloce; altrimenti sul processore. Tieni aperta la scheda fino alla fine.

Quali lingue sono supportate?

Whisper riconosce circa 100 lingue, con la precisione migliore per quelle più diffuse come inglese, spagnolo, italiano, cinese e giapponese. La traduzione è sempre verso l'inglese.

Fonti e standard

Tutti gli strumenti