वीडियो की स्पीच को टेक्स्ट में बदलें

नहीं। लिप्यंतरण मॉडल (OpenAI का Whisper) WebAssembly के माध्यम से पूरी तरह आपके ब्राउज़र में चलता है। वीडियो आपके डिवाइस से कभी नहीं जाता।

Whisper मॉडल वज़न (टाइनी के लिए ~40 MB, बेस के लिए ~80 MB, क्वांटाइज़्ड) उस आकार का उपयोग करने पर पहली बार डाउनलोड होते हैं, फिर ब्राउज़र उन्हें कैश करता है — उसके बाद यह ऑफ़लाइन काम करता है और तुरंत शुरू होता है।

समर्थित भाषा में स्पष्ट भाषण के लिए बेस ठोस है; टाइनी काफी खुरदरा लेकिन बहुत तेज़ है। दोनों भारी लहजे, क्रॉसटॉक, संगीत पृष्ठभूमि और खराब ऑडियो से जूझते हैं — आउटपुट प्रूफरीड करें।

सादा टेक्स्ट, या SRT या VTT के रूप में समयबद्ध उपशीर्षक। SRT/VTT समय मॉडल के खंड टाइमस्टैम्प से आते हैं।

नहीं — यहाँ हर टूल आपकी फ़ाइलों को पूरी तरह आपके डिवाइस पर प्रोसेस करता है, और सर्वर पर कुछ भी अपलोड नहीं होता। एकमात्र अपवाद AI टूल्स हैं, जो अपना काम करने के लिए निकाला गया टेक्स्ट (फ़ाइल नहीं) Claude को भेजते हैं।

हम कोई कृत्रिम सीमा नहीं लगाते, लेकिन चूंकि प्रोसेसिंग आपके ब्राउज़र में होती है, बहुत बड़ी फ़ाइलें (500+ MB या 1,000+ पेज) हमारी ओर से नहीं बल्कि आपके डिवाइस की मेमोरी द्वारा सीमित होती हैं।