Ses ve video kayıtlarını OpenAI Whisper ile doğrudan tarayıcınızda metne, SRT ve VTT altyazıya dönüştürün. %100 yerel, gizli konuşma tanıma.
Ses ve video transkripsiyonu tarihsel olarak kullanıcıların gizli ses kayıtlarını bulut sunucularına yüklemesini zorunlu kılmış; bu durum gizlilik ihlallerine, yüksek gecikmeye ve veri güvenliği risklerine yol açmıştır. GoToolstack Konuşmadan Metne aracı, modern yapay zekâ konuşma tanıma (ASR) gücünü kuantize edilmiş OpenAI Whisper (whisper-tiny) modeli, @huggingface/transformers ve ONNX Runtime Web motorlarıyla doğrudan tarayıcınıza taşır. Donanımsal WebGPU hızlandırma ve güvenli CPU WebAssembly (WASM) yedekleme mekanizmasıyla çalışan sistem, medya dosyalarınızı hiçbir uzak sunucuya göndermeden %100 yerel ve gizli olarak metne döker.
Somut Uygulama Senaryosu: Bir podcast yayıncısı veya içerik üreticisi, gizlilik içeren bir röportaj kaydını metne dökmek ister. Dosyayı üçüncü taraf bir servise yüklemek yerine GoToolstack Konuşmadan Metne aracına bırakır. İstemci tarafı önişlemci sesi 16 kHz mono standardına dönüştürür, 1 saniye bindirmeli 30 saniyelik pencerelere böler ve RMS enerji filtresiyle sessiz aralıkları temizler. Tarayıcının GPU'su her parçayı monoton cümle zamanlamalarıyla transkribe eder. Kullanıcı tek tıkla 'Altyazı Editöründe Aç' butonuna basarak çıkarılan tüm altyazıları doğrudan Altyazı Stüdyosu'na aktarır; orada ses dalga biçimi üzerinde milisaniyelik zaman ayarı ve doğrusal drift kalibrasyonu yapar.
Sistem, doğrulanabilir monoton zaman kodları, anında düzenlenebilir metin tablosu ve düz metin (.txt), SubRip (.srt) ve WebVTT (.vtt) formatlarında kayıpsız dışa aktarma sunar.
Konuşma Tanıma İş Akışı = Web Audio 16kHz Mono Dönüşümü → RMS Sessizlik Filtresi → 30sn Pencereleme → Whisper Enkoder/Dekoder (WebGPU/WASM) → Monoton Altyazı Üretimi (SRT/VTT)
Yerel ASR boru hattı: Çok kanallı sesi 16kHz mono Float32 dizisine indirgeme, RMS enerji eşiği (< -50 dBFS) filtreleme, 30.0 saniyelik pencereler, derin öğrenme çıkarımı ve doğrusal zaman damgası üretimi.