Аудио и видео в субтитры (ИИ)

Распознайте речь в SRT, VTT или текст с Whisper прямо в браузере

Работает в вашем браузере

Перетащите аудио- или видеофайл

MP3, WAV, M4A, OGG, MP4, WebM и всё, что умеет воспроизводить браузер

Файл остаётся на вашем устройстве. Скачивается только ИИ-модель, один раз, и браузер её сохраняет.

При первом запуске скачивается модель, затем всё начинается сразу. Длинные файлы без WebGPU обрабатываются долго.

Как работает ИИ-расшифровка в браузере?

Инструмент запускает открытую модель распознавания речи Whisper от OpenAI на вашем устройстве с помощью transformers.js. Браузер декодирует звуковую дорожку, пересэмплирует её в 16 кГц, а модель превращает каждое 30-секундное окно в текст с временем начала и конца. Эти фрагменты становятся репликами SRT или WebVTT или простой расшифровкой. Модель скачивается один раз с Hugging Face Hub и кешируется браузером; сам звук никуда не отправляется. При наличии WebGPU используется видеокарта, иначе процессор.

Примеры использования

  • Добавить субтитры к видео для YouTube, TikTok, CapCut или Premiere, не набирая их вручную
  • Получить расшифровку интервью, лекции, встречи или подкаста
  • Превратить голосовое сообщение или аудиозаметку в текст
  • Перевести речь на другом языке в английские субтитры

Когда использовать?

Подходит для чёткой речи в файлах примерно до часа. Быстрая модель — для коротких клипов и черновиков, Сбалансированная — хороший вариант по умолчанию, Точная заметно лучше справляется с акцентами и шумом, но весит больше и без видеокарты работает медленнее. Укажите язык речи, если знаете его: автоопределение может ошибаться на коротких клипах. Всегда проверяйте результат перед публикацией: типичные ошибки — имена и термины, а сдвинуть тайминг можно в Конвертере субтитров.

Примеры

  1. Создать субтитры SRT для видео

    Ввод

    Двухминутное интервью MP4 на русском. Модель: Сбалансированная. Язык: русский. Результат: Тот же язык.

    Вывод

    Файл .srt примерно с 30 фрагментами на русском с таймингом, готовый для плеера или редактора.

  2. Перевести выступление в английские субтитры

    Ввод

    Отрывок испанского подкаста (M4A). Модель: Точная. Результат: Перевести на английский.

    Вывод

    Английские субтитры с исходным таймингом в формате SRT, VTT или текста.

Вопросы и ответы

Загружается ли моё аудио на сервер?

Нет. Файл декодируется и распознаётся в браузере. Скачивается только ИИ-модель с Hugging Face Hub, которую браузер потом хранит.

Какую модель выбрать?

Начните со Сбалансированной. Быстрая — для коротких клипов и слабых компьютеров, Точная — для акцентов, фонового шума и важной работы, если готовы подождать загрузку побольше.

Почему так медленно?

Распознавание речи — тяжёлая задача. С WebGPU (свежие Chrome, Edge и Safari) оно идёт на видеокарте и намного быстрее, иначе на процессоре. Не закрывайте вкладку до конца.

Какие языки поддерживаются?

Whisper распознаёт около 100 языков, точнее всего распространённые: английский, испанский, русский, китайский, японский. Перевод всегда на английский.

Источники и стандарты

Все инструменты