使い方
- 録音ファイルや動画をボックスにドロップします。
- 精度と言語を選び、「文字起こしを開始」をクリックします。初回は必要なファイルをダウンロードします。
- 文字起こし結果が下に順次表示されます。編集してから、テキストまたはSRT字幕としてダウンロードできます。
仕組み
音声を無音部分で約30秒ずつに区切り、すべてブラウザの中で処理します。
録音がアップロードされることはありません。初回に必要なファイルだけをHugging Faceからダウンロードし、ブラウザに保存します。
速度と精度
最新のChromeやEdgeでグラフィックアクセラレーション(WebGPU)が使える場合、実時間よりかなり速く処理できることが多いです。使えない場合、標準はCPUで動作し、録音の長さ以上の時間がかかることがあります。話者の声が重なったり雑音が大きかったりすると精度が下がります。人名や専門用語は必ず確認してください。
よくある質問
無料ですか?時間制限はありますか?
無料で、利用回数の制限もありません。1ファイルあたり最長2時間まで対応しています。
録音はアップロードされますか?
いいえ。音声はブラウザの中でのみ処理されます。初回に必要なファイルだけをHugging Faceからダウンロードします。
初回のダウンロードサイズは?
標準は約220MB、高精度は約560MBです。キャッシュされるため、2回目以降はすぐに始められます。
SRTファイルは何に使いますか?
YouTube Studioの字幕や、Premiere、DaVinci Resolve、CapCutなどの編集ソフトに読み込むと、タイミング付きの字幕を追加できます。
話者を区別できますか?
現時点ではできません。話された内容を時間順に書き起こします。