AI 音声からテキストへ
Audiofilterはブラウザー内で動く音声認識により、録音を編集可能なテキストと字幕に変換します。音声を追加するかマイクで録音し、言語を選んでTXT、SRT、VTT、JSONで書き出せます。音声は端末に保存されたままです。
ローカルオーディオラボ
音声認識の精度を高めるため、できるだけ雑音や背景ノイズの少ない、明瞭な音声を使用してください。雑音やノイズは認識精度を低下させることがあります。
言語の自動検出には Whisper Tiny を使用しますが、特に雑音のある音声では検出が不正確な場合があります。可能な限り、音声の言語を手動で選択してください。
モデルを手動で選ぶ場合は、中国語、英語、広東語、日本語、韓国語には SenseVoice Small を、それ以外の言語には Whisper Base を使用してください。
言語を手動で選択すると、対応するモデルが自動的に選ばれます。
認識キーワードとビーム探索の効果はモデルによって異なります。Whisper はキーワードを認識の文脈として使います。
始めに音声を追加します。モデルは必要な場合にのみダウンロードされます。
SenseVoice は中国語、英語、広東語、日本語、韓国語を扱います。 Whisper は他の言語と不確実な検出を処理します。言語とモデルは自分で選択できます。
オーディオはデバイスに残ります。モデルは一度ダウンロードされると、このブラウザーにキャッシュされます。今後の実行では、ページのリロード後も含めてキャッシュが再利用されます。
Whisper Tiny は言語を検出します。 SenseVoice および Whisper ベースは音声を文字に起こします。デスクトップブラウザを推奨します。
録音は、録音を停止した後に転写されます。長いファイルは別のウィンドウを使用します。ウィンドウの境界付近の単語を確認します。タイムスタンプは個々の単語ではなく、セグメントを参照します。
短い、静かな、騒々しい、または混合言語の録音は、誤って認識される可能性があります。必要に応じて、音声言語を手動で選択します。