Litteroi video

Ei. Puhemalli ladataan selaimeesi ja litterointi tapahtuu omalla koneellasi — tallenne ei tule meille eikä kenellekään muulle. Voit katkaista verkkoyhteyden mallin latauduttua, ja työ jatkuu silti.

Kyllä, ja se kysyy sitä puhemallilta itseltään — sama malli, joka litteroi, myös tunnistaa kielet. Hollantilaisella testitallenteellamme se nimesi hollannin 96 %:n varmuudella. Valittu kieli ilmestyy valikkoon heti kun se on tiedossa, joten näet sen osuneen oikeaan — tai keskeytät sekunneissa. Jos tiedät kielen, sen valitseminen itse on silti varmin tapa.

Vähemmän aikaa kuin tallenne itse, jokaisella mittaamallamme koneella. Kymmenminuuttinen video vei noin 100 sekuntia näytönohjaimellisella kannettavalla ja noin kuusi ja puoli minuuttia ilman. Työn aikana näkyy arvio, joka tarkentuu, koska se mittaa konettasi eikä arvaa.

Yli kaksikymmentä: suomi, englanti, tanska, hollanti, saksa, ranska, espanja, italia, puola, ruotsi, norja, portugali, venäjä, ukraina, turkki, arabia, hindi, japani, korea ja kiina. Valitse se ennen aloitusta tai anna kielen päätellä äänestä — katso alta.

Englanniksi kyllä, siihen on asetus. Malli osaa kirjoittaa ylös kuulemansa tai kääntää sen englanniksi, muita kielipareja se ei osaa. Suomesta saksaksi se ei taivu, ja mieluummin jätämme sen tarjoamatta kuin tarjoamme sen huonosti.

Kaiken, mitä selaimesi osaa toistaa: MP4, MOV, WebM, MKV ja AVI videolle sekä MP3, M4A, WAV, FLAC, OGG ja Opus äänelle. Se poimii äänen videosta itse, joten sitä ei tarvitse erottaa etukäteen.

Pelkkänä tekstinä, Word-tiedostona (.docx), PDF:nä, Markdownina, CSV:nä taulukkolaskentaan, JSON:na sekä SRT- tai VTT-tekstityksinä. Asiakirjamuotoihin voi liittää aikaleiman kappaleittain, ja tekstitystiedostot kantavat ajat, joita videosoitin tarvitsee.

Hyvä, ja rehellisen epätäydellinen. Yhdeksänminuuttisessa hollantilaisessa haastattelussa se osui lähes sanasta sanaan työpöytäohjelman kanssa; virheet koskevat enimmäkseen erisnimiä, joissa puheentunnistus on yleisestikin heikoimmillaan. Lue teksti läpi ennen kuin luotat siihen.

Kaksikymmentä minuuttia tiedostoa kohti. Se on muistiraja eikä sääntö — purettu ääni on selaimen muistissa, ja kahdenkymmenen minuutin jälkeen välilehti ottaa riskin koneellasi. Pilko pitkä tallenne ensin äänileikkurillamme.

Silloin ladataan puhemalli. Näytönohjaimellisella koneella se on noin 920 Mt, koska vain täysi tarkkuus litteroi oikein — mittasimme pienemmät versiot: toinen oli kymmenen kertaa hitaampi, toinen tuotti hiljaa puutaheinää. Ilman näytönohjainta se on noin 240 Mt. Selain säilyttää sen kummassakin tapauksessa, joten toinen tiedosto alkaa heti, ja ”Nopeampi, karkeampi” käyttää noin kuudesosan kokoista mallia.

Se ladataan Hugging Facesta, julkisesta hakemistosta, johon malli on julkaistu. Se on ainoa pyyntö, jonka tämä sivu tekee ulkopuoliselle, ja se kulkee toiseen suuntaan: tiedostoja tulee alas, mitään ei lähde ylös. Tallenteesi ei ole siinä koskaan mukana — se annetaan mallille omassa selaimessasi eikä se kosketa verkkoa. Kaikki muu, myös mallin ajava koodi, tarjoillaan osoitteesta helpyself.com.

Ei evästeitä eikä mitään tallenteestasi tai litteroinnistasi. Sivusto muistaa muutaman yleisen asetuksen — teeman ja sen, oletko kirjautunut — ja tämä työkalu lisää yhden asian: itse puhemallin, selaimesi muistiin, jotta toinen tiedosto alkaa heti. Kyse on yllä mainitusta 920 megatavusta (tai 240 megatavusta ilman näytönohjainta). Se säilyy, kunnes tyhjännät tämän sivuston tiedot selaimestasi, jolloin se poistuu kokonaan.

Koska jokin kohta tallenteesta ei ollut puhetta. Musiikki, aplodit, pitkä sävel tai huone jossa hurisee tuuletin vievät minkä tahansa puhemallin silmukkaan — se kirjoittaa saman lauseen yhä uudelleen, sujuvasti ja oikealla kielellä, eikä tuloksesta näe että se on keksitty. Silloin kohta puretaan muutaman kerran uudelleen suuremmalla satunnaisuudella; jos silmukka jatkuu, kohta jätetään pois ja yhteenveto kertoo siitä. Näkyvä aukko on parempi kuin kappale vuoropuhelua, jota kukaan ei sanonut.