MP3や録音を無料でテキストに変換

これは音声録音 — 講義、インタビュー、ボイスメモ、ポッドキャスト — をテキストと任意のSRT/VTT字幕に変換します。ファイルをどこにも送信することはありません。OpenAIのWhisperモデルがWebAssemblyを通じてブラウザ内でローカルに実行されます。

モデルの重みは一度だけダウンロードされます（Tinyで約40MB、Base量子化で約80MB）。その後、ブラウザによってキャッシュされるため、以降の実行はすぐに始まり、オフラインでも機能します。Baseはより正確です。Tinyは速度を優先します。Whisperは独自の句読点と大文字化を処理し、話されている言語を自動検出し（または設定できます）、要求に応じて他の言語を英語に翻訳することもできます。話者のラベル付けや段落分けは行いません。

文字起こしはWebAssembly上で実時間の約1～5倍の速度で実行されるため、長い録音には時間がかかります — 必要なセクションにトリムするか、Tinyを使用すると処理が速くなります。精度は、音質が悪い場合、強いアクセントの場合、話者の重複がある場合に低下するため、結果は校正すべき良い最初の草稿として扱ってください。