録音から始める
音声・動画ファイルのアップロード、マイクでの録音、またはメディアのHTTPS直接リンクの読み込みができます。リンク先のメディアはブラウザーからのアクセスを許可している必要があります。YouTubeは、ご自身が所有するか、処理の許可を得た保存済みファイルをご利用ください。
モデルを選択
Baseは速度と精度のバランスに優れています。低速なデバイスではTinyから始めるのがおすすめです。Smallはより多くのメモリと長いダウンロード時間が必要です。互換モードはWebAssemblyを使用します。GPUモードにはWebGPU対応のブラウザーとデバイスが必要です。
初めての文字起こし
初回は、選択したWhisperモデルをHugging Faceからダウンロードします。空き容量がある場合、ブラウザーがモデルファイルをキャッシュします。ローカルのメディアはデバイス上でデコード・文字起こしされます。モデルのキャッシュ後は、このページを開いたままであれば、ネットワーク接続なしでも文字起こしを続けられます。
確認して書き出す
名前、数字、重要な引用を録音と照合してください。字幕のテキストやタイミングの編集、欠けている字幕の追加、削除の取り消しができます。テキスト用にはTXTまたはJSON、タイミング付き字幕にはSRTまたはVTTで書き出せます。Wordは幅広いUnicode文字に対応していますが、PDFでは内蔵フォントで表示できない文字を書き出せません。
ローカル履歴とクラウド履歴
ローカル履歴は、このブラウザーとデバイスに保存されます。ブラウザーのストレージを消去すると削除されます。Proのクラウド履歴はログイン中のアカウントに紐づき、複数のデバイスからアクセスできます。クラウドへのアップロードを選ぶと、そのメディアが処理のために送信されます。
対応形式
音声・動画をデコードできるかどうかはブラウザーによって異なります。MP3、WAV、WebMは広くサポートされています。デコードできない場合は、いずれかの形式に変換して再度お試しください。無料モードでは1ファイルあたり200 MB、20分まで対応しています。