Tooltoss

Ljud och video till undertexter

Skapa SRT- eller VTT-undertexter och en transkription från MP3, MP4 och andra ljud- och videofiler med Whisper-AI. Taligenkänningen körs i webbläsaren, så filen laddas aldrig upp.

Släpp en ljud- eller videofil här eller klicka för att välja

MP3 · MP4 · M4A · WAV · WebM, upp till 500 MB · Laddas aldrig upp

Modell

Talmodellen (tiotals till hundratals MB) laddas ned en gång från Hugging Face och cachas. Ditt ljud lämnar aldrig den här enheten.

Så skapar du undertexter från en video

  1. Släpp en ljud- eller videofil (MP3, MP4, M4A, WAV, WebM) i rutan.
  2. Välj talat språk (förvalt är sidans språk). Välj ”Noggrann” för svårt ljud.
  3. Klicka på Starta. Första gången laddas talmodellen ned en gång; sedan startar det direkt.
  4. Kontrollera texten och ladda ned SRT för videospelare, VTT för webben eller TXT som transkription.

Undertextformat jämförda

FormatBäst förExempel på tidsrad
SRTVideospelare och redigering (VLC, Premiere, YouTube-uppladdning)00:00:01,000 --> 00:00:03,500
VTTWebbvideo (HTML5 <track>), onlinespelare00:00:01.000 --> 00:00:03.500
TXTTranskriptioner, anteckningar, blogginlägg—

Vanliga frågor

Q. Laddas min video eller mitt ljud upp?
Nej. Filen avkodas och transkriberas i din webbläsare. Bara den öppna Whisper-talmodellen laddas ned från Hugging Face första gången och sparas sedan på enheten.
Q. Vilka språk stöds?
Whisper känner igen över 90 språk, bland annat svenska, engelska, tyska, franska, japanska och koreanska. Den kan också översätta tal från alla dessa till engelska undertexter.
Q. Hur lång tid tar det?
Det beror på enheten. Med GPU (WebGPU) tar en tio minuter lång fil oftast en till två minuter; med bara CPU kan det ta flera gånger ljudets längd. Snabb modell går fortare, Noggrann gör färre fel.
Q. Vad är skillnaden mellan SRT och VTT?
Båda är undertextfiler med tidskoder. SRT stöds brett (VLC, Premiere, YouTube). VTT är webbstandarden för HTML5-video och de flesta onlinespelare.

Relaterade verktyg

Senast uppdaterad: