Subtitle AI Otomatis untuk Video Apa Saja Online

OpenAI Whisper dikompilasi ke WebAssembly melalui Transformers.js. Empat ukuran tersedia: Tiny (~40 MB, tercepat), Base (~75 MB, seimbang), Small (~240 MB, akurat), dan Large v3 Turbo (~600 MB, kualitas siaran, disembunyikan di balik tombol model lanjutan). Model diunduh sekali dari Hugging Face dan di-cache di browser Anda. Akselerasi WebGPU digunakan otomatis ketika tersedia.

Ya. Silero VAD melakukan pra-segmentasi audio menjadi area ucapan aktual sebelum Whisper berjalan, yang meningkatkan akurasi pada file panjang dan melewati intro, outro, dan jeda yang sunyi. Subtitle muncul di editor secara langsung saat Whisper men-decode — Anda tidak perlu menunggu transkripsi penuh selesai sebelum meninjau awal. Video besar (lebih dari 30 menit) bekerja paling baik di desktop dengan setidaknya 8 GB RAM.

Anda dapat mengekspor ke SRT, VTT atau ASS — VTT adalah format standar untuk closed captions WCAG / ADA / EAA pada pemutar web (HTML5 , YouTube, Vimeo). Subtitle menyertakan waktu, label pembicara (saat deteksi pembicara aktif), dan tanda baca yang bersih. MP4 yang dibakar menempatkan subtitle di zona aman dan mendukung garis tepi + bayangan untuk keterbacaan kontras tinggi.

Whisper menerima initial prompt — teks yang dikondisikannya sebelum generasi. Kami meneruskan istilah glosarium Anda sebagai prompt itu, sehingga nama merek ("Anthropic"), nama produk ("Claude", "GPT-4"), kata benda khas, dan jargon teknis ditulis dengan benar. Ini adalah peningkatan akurasi terbesar untuk podcast teknologi, pembicaraan konferensi, dan konten berat merek. Satu istilah per baris, tanpa pemformatan khusus.

Whisper menyimpulkan batas kata melalui decoding cross-attention. Akurasi sekitar ±200 ms — cocok untuk sorotan gaya karaoke dan kebanyakan kasus penggunaan subtitle. Jika decoding terlalu lambat di perangkat Anda, aktifkan mode cepat dan kata-kata didistribusikan secara linear di dalam setiap segmen. Penandaan kepercayaan menandai kata yang Whisper tidak yakin sehingga Anda dapat memverifikasinya dengan cepat.

Ya. Model Opus-MT menangani sepuluh pasangan bahasa teratas (en, ru, es, fr, de, pt, it, ja, ko, zh). Jika pasangan langsung tidak ada, alat ini kembali ke NLLB-200 distilled. Pertahankan asli sebagai baris subtitle kedua untuk output dwibahasa — berguna untuk konten pembelajaran bahasa dan audiens global.

Ya. Alat ini mengunduh PNG Twemoji untuk setiap kata kunci yang cocok dan menyusunnya ke video melalui filter overlay FFmpeg, diposisikan di atas baris subtitle dan sinkron dengan kata yang diucapkan. Ekspor SRT dan VTT juga mempertahankan karakter emoji.

SRT (universal), VTT (closed captions web/HTML5), dan ASS (animasi penuh dengan semua gaya template dipertahankan — terbuka di Aegisub, DaVinci Resolve, mpv atau pemutar mana pun yang kompatibel libass). MP4 yang dibakar menggunakan H.264, AAC, dan stream audio asli disalin tanpa di-encode ulang.

Setelah model Whisper di-cache setelah penjalanan pertama, alat ini berjalan sepenuhnya di browser Anda melalui WebAssembly — transkripsi, styling, pembakaran, dan ekspor semua dijalankan secara lokal. Model terjemahan juga di-cache pada penggunaan pertama. Halaman itu sendiri dimuat dari server kami, tetapi pemrosesan video aktual tidak memerlukan koneksi internet.

Ya, di Chrome dan Safari modern. Pada perangkat dengan kurang dari 4 GB RAM, model Small dan Large v3 Turbo disembunyikan dan kami default ke Tiny untuk menghindari crash. Untuk video panjang, laptop direkomendasikan.