録音をドロップすると、言葉がテキストとタイミング付きの字幕で返ってきます。すべてあなたのパソコンやスマホの中で行われるので、ファイルが外に出ることはありません。
ファイルを選ぶと、話し声をテキストにします。
ファイルはあなたの端末の中で読み込まれ、どこにもアップロードされません。私たちにも、他の誰にも。
初回だけ、ブラウザが音声認識モデルをダウンロードします(端末により約80〜200 MB)。次回からは保存済みのものを使います。処理の速さは端末によって変わります。
ブラウザがファイルを開いて、再生するときと同じように音声を読み込みます。一度だけダウンロードしてブラウザに保存された小さな音声認識モデルが、30秒ずつ聞き取り、聞こえたことを各行の時間付きで書き出します。
すべてあなたの端末の中で動くので、何も送信されず、順番待ちもありません。その代わり、処理するのはあなたの端末です。最近のノートパソコンなら録音の長さの3分の1ほど、速いグラフィックチップがない場合や古いスマホでは、録音と同じくらいかそれ以上かかることがあります。処理中はこのタブを開いたままにしてください。
長い動画、YouTube や Twitch のリンク、いちばん正確な文字起こしが必要なら、SnapDub の文字起こしをどうぞ。私たちのサーバーで処理し、文字起こしと字幕をファイルでお渡しします。
いいえ。ファイルはこのページの中、あなたの端末で読み込まれます。ダウンロードされるのは音声認識モデルだけで、それも一度きりです。
ブラウザがまず音声認識モデルをダウンロードするためです。保存されるので、次のファイルからはすぐに始まります。
よく使われる言語のはっきりした話し声なら良好です。ブラウザに収まる小さなモデルなので、固有名詞、強いなまり、音楽、話し声の重なりには大きなモデルより弱めです。
決まった上限はありませんが、処理するのはあなたの端末なので、長い録音は時間がかかり、メモリも多く使います。10分くらいまでなら、ほとんどの端末で快適です。