Subtitle untuk video dan transkripsi video menjadi teks

Unggah berkas dan tekan “Buat subtitle”. Setelah pengenalan selesai, di atas transkrip muncul tombol “Salin” dan “TXT” — teks bisa diambil mengalir atau dengan penanda waktu. Sakelar “Teks mengalir” menampilkan hasil sebagai dokumen biasa, siap ditempel ke catatan atau artikel.

SRT untuk hampir semuanya: YouTube, pemutar, dan perangkat penyuntingan sama-sama membacanya, dan ia membawa baris berwaktu yang sederhana. VTT adalah format web — itulah yang diharapkan peramban di elemen trek video. ASS dipilih ketika gayanya harus ikut selamat sampai tujuan: fonta, posisi, dan warna tersimpan di dalam berkas, jadi takarir yang Anda rancang di sini tetap terancang saat orang lain membukanya.

Ia mendengarkan dulu lalu memutuskan sendiri: Whisper mengenali bahasa dari suaranya di antara lebih dari sembilan puluh bahasa, sehingga klip yang bukan Anda rekam pun keluar dalam bahasa yang benar. Bahasa Rusia melewati model khusus yang dilatih untuknya, bukan model umum. Kalau bahasanya berganti di tengah rekaman, atau logat yang kental mengacaukan pengenalan, tetapkan bahasanya secara manual sebelum dijalankan dan tebak-tebakan itu hilang.

Ya. Sebelum pengenalan, Silero VAD menandai bagian yang benar-benar berisi ucapan, sehingga keheningan di pembuka, jeda, dan penutup dilewati dan akurasi tetap terjaga pada berkas panjang. Teks muncul di editor seiring proses — tidak perlu menunggu selesai untuk mulai membaca dan memperbaiki. Video di atas 30 menit lebih nyaman diproses di komputer dengan RAM 8 GB.

Bisa. “Unduh MP4 dengan subtitle” merakit berkas yang teksnya tergambar di atas gambar, sehingga terlihat di media sosial mana pun dan di pemutar yang tidak membaca SRT. Perakitan berjalan di browser lewat FFmpeg WASM: video dikodekan ke H.264 dan jalur audio disalin tanpa dikodekan ulang.

Klik penanda waktu di kiri baris pada transkrip lalu ketik waktu baru, atau geser dengan tombol panah (Shift = langkah satu detik). Video ikut melompat saat Anda menyunting, jadi hasilnya langsung terdengar. Waktu tiap kata dihitung ulang dari baris itu, sehingga sorotan karaoke tetap seirama.

Whisper menurunkan batas kata dari dekode cross-attention, dengan akurasi sekitar ±200 md — cukup untuk sorotan gaya karaoke dan untuk subtitle biasa. Bila dekode berjalan lambat, mode cepat menyebar kata secara merata di dalam segmen. Waktu awal sebuah baris juga bisa disetel manual di transkrip.

Ekspor VTT adalah format standar closed caption untuk pemutar web (HTML5 track, YouTube, Vimeo) yang diterima pemeriksaan WCAG, ADA, dan EAA. Subtitle memuat penanda waktu, label pembicara bila detektor aktif, dan tanda baca yang rapi. MP4 yang disatukan memakai garis tepi dan bayangan untuk kontras serta tetap di dalam zona aman.

Buka “Glosarium” di pengaturan pengenalan dan tuliskan istilah Anda, satu per baris. Istilah itu diteruskan ke model sebagai petunjuk awal, sehingga nama produk, nama orang, singkatan, dan jargon profesi tertulis dengan benar. Ini peningkatan akurasi terbesar pada presentasi teknis dan konten merek.