Sesi Yazıya Çevirme: Kayıt ve Videoları Deşifre Edin, Altyazı Oluşturun
Ses veya video dosyasındaki konuşmayı Whisper ses tanıma modeliyle doğrudan tarayıcınızda yazıya çevirin; metni ya da SRT ve VTT altyazılarını kaydedin. Kayıt yüklenmez.
Ses veya video dosyasını buraya bırakın ya da seçin
MP3, M4A, WAV, OGG, OPUS, FLAC, WebM ve MP4 çoğu tarayıcıda çalışır. Diğer biçimler, tarayıcınız oynatabiliyorsa çalışır.
Bu kayıt bir saatten uzun. Deşifre, kayıt kadar ya da daha uzun sürebilir ve çok uzun dosyalarda tarayıcının belleği yetmeyebilir. Böyle olursa dosyayı parçalara bölün.
Tarayıcınız mobil veri ya da veri tasarrufu modu bildiriyor. Wi-Fi beklemeniz önerilir.
Dili ve modeli seçin, ardından bir dosya ekleyin.
Notlar
- Kayıt tarayıcınızda çözülür ve yazıya çevrilir. LeedyBox'a ya da başka bir yere yüklenmez; araç çalışırken yalnızca leedybox.com'a bağlanabilir.
- İlk seferde tarayıcınız ses tanıma motorunu ve seçtiğiniz modeli leedybox.com'dan indirir: base için yaklaşık 90 MB, small için 250 MB, large-v3-turbo için 750 MB. Sonra bunlar bu tarayıcının depolama alanına kaydedilir; sonraki ziyaretlerde yeniden indirilmez. Model seçiminin altındaki "Kayıtlı modelleri sil" düğmesiyle ya da tarayıcıda sitenin verilerini temizleyerek silebilirsiniz.
- Base ve small işlemcinizde, large-v3-turbo ekran kartınızda, 30 saniyelik pencereler hâlinde sırayla çalışır. Test bilgisayarımızda base kaydın yaklaşık yarısı, small yaklaşık bir buçuk katı, large-v3-turbo ise yaklaşık üçte biri kadar sürdü; telefonlar ve eski bilgisayarlar daha yavaştır. Bitene kadar bu sekmeyi açık tutun.
- En iyi sonuç, mikrofona yakın ve net konuşan tek bir kişiyle alınır. Fon müziği, gürültü, aynı anda konuşan birden çok kişi, ağız ve uzmanlık terimleri hataya yol açar; isimler de sık sık yanlış yazılır. Whisper ayrıca bir cümleyi tekrarlayabilir ya da söylenmemiş kelimeler yazabilir, özellikle sessiz veya gürültülü bölümlerde.
- Dosyanın tamamı için tek bir dil kullanılır. Başka dildeki bölümler, modelin yapabildiği kadar o dilde yazılır ya da çevrilir. Konuşmacılar ayırt edilmez.
- Altyazılar Whisper'ın bulduğu bölümleri izler; genellikle her biri bir cümle ya da cümlenin bir parçasıdır. Yayımlamadan önce zamanlamayı bir oynatıcıda kontrol edin; uzun bölümlerin okunabilmesi için bölünmesi gerekebilir.
- Çok uzun kayıtlar çok bellek ister: bir saatlik ses çözüldükten sonra yaklaşık 220 MB yer kaplar, buna model de eklenir. Tarayıcı sayfayı durdurursa dosyayı daha kısa parçalara bölün.
Bir sorun mu var? Bir dosya açılmıyorsa, model yüklenmiyorsa, sayfa duruyorsa ya da deşifre beklenenden çok daha kötüyse bize e-posta gönderin. Seçtiğiniz modeli ve dili, dosya türünü ve süresini, cihazınızı ve tarayıcınızı yazın. Kaydı göndermeyin.
Bu sayfadaki bir cümle dilinizde doğal durmuyorsa bunu da bize bildirin.
Nasıl kullanılır
- Kayıtta konuşulan dili seçin ya da "Otomatik algıla"da bırakın.
- Modeli seçin: base en hızlısı, small daha doğrudur; tarayıcınız WebGPU destekliyorsa görünen large-v3-turbo ise en doğrusudur.
- Ses veya video dosyasını kutuya bırakın ya da seçin, ardından "Yazıya çevirmeyi başlat"a basın. İlk seferde motor ve model leedybox.com'dan indirilir.
- Kaydın her bölümü yazıya çevrildikçe metin görünür. İstediğiniz an durdurabilir, o ana kadarki metni saklayabilirsiniz.
- Metni kayıtla karşılaştırın, sonra kopyalayın ya da .txt dosyası veya video için .srt ya da .vtt altyazısı olarak indirin.
Sık sorulan sorular
Kaydım bir sunucuya yükleniyor mu?
Hayır. Dosya tarayıcınızda çözülür ve yazıya çevrilir. LeedyBox tarayıcınıza yalnızca ses tanıma motorunu ve modeli gönderir; ses ve metin hiçbir yere gönderilmez, modeli çalıştıran bölümün de başka sitelere bağlanması engellenmiştir.
Hangi diller destekleniyor?
Çok dilli Whisper modellerinin 99 dili; aralarında Türkçe, İngilizce, Almanca, Fransızca, İspanyolca, İtalyanca, Rusça, Arapça, Farsça, Azerbaycanca, Kazakça, Çince, Japonca ve Korece var. Doğruluk diller arasında çok değişir: en iyi sonuç, çok konuşulan ve eğitim verisi bol olan dillerde alınır.
Hangi modeli seçmeliyim?
Bilgisayarınızdaki tarayıcı large-v3-turbo'yu sunuyorsa onu kullanın: testlerimizde base ve small'un yaptığı hataların hiçbirini yapmadı ve ekran kartında çalıştığı için en hızlısı oldu; bir kez yaklaşık 750 MB indirir. Sunmuyorsa base ile başlayın (yaklaşık 90 MB, yeni bir bilgisayarda kaydın yaklaşık yarısı kadar sürer), metinde çok hata varsa small'a geçin (yaklaşık 250 MB, yaklaşık üç kat yavaş). Telefonda base kullanın.
Kayıt ne kadar uzun olabilir?
Sabit bir sınır yok, ancak süre uzadıkça işlem de uzar ve her şey kendi cihazınızda yapılır. Bilgisayarda yaklaşık bir saate kadar kayıtlar sorunsuz çalışır. Daha uzun dosyalar saatler sürebilir ve belleği aşabilir; parçalara bölmek daha güvenlidir.
SRT ile VTT arasındaki fark nedir?
İkisi de metni ve görüneceği zamanı içeren altyazı dosyalarıdır. SRT (SubRip), video düzenleme programları ve oynatıcılar tarafından en yaygın kabul edilen biçimdir. VTT (WebVTT), web sayfaları ve HTML5 video için W3C altyazı biçimidir. Oynatıcınızın ya da platformunuzun istediğini seçin.
Neden bazı kelimeler yanlış ya da uydurma?
Whisper sesten en olası metni tahmin eder. Gürültü, müzik, üst üste binen sesler, ağız, isimler ve teknik terimler hataya yol açar; sessiz ya da çok gürültülü bölümlerde bazen cümleleri tekrarlar veya söylenmemiş şeyler yazar. Dili kendiniz seçmek, small modelini kullanmak ve mikrofona daha yakın kaydetmek işe yarar.
Tarayıcımda neden large-v3-turbo görünmüyor?
Bu model, GPU üzerinde hesap yapmayı sağlayan tarayıcı özelliği WebGPU ile ekran kartında çalışır. Windows, macOS ve ChromeOS'ta Chrome ile Edge'in güncel sürümleri ve yeni Mac'lerde Safari bunu sunar; bazı diğer tarayıcılar ve birçok telefon sunmaz. Yalnızca işlemciyle bu model kaydın birkaç katı kadar süreceği için yalnızca WebGPU olan yerlerde gösterilir.