Video transcriberen

Nee. Het spraakmodel wordt naar je browser gedownload en het transcriberen gebeurt op je eigen machine — de opname gaat niet naar ons en niet naar iemand anders. Je kunt de internetverbinding verbreken zodra het model geladen is en het werkt gewoon door.

Ja, en het vraagt het spraakmodel zelf — hetzelfde model dat transcribeert herkent ook talen. Bij de Nederlandse opname waarmee we testen noemde het Nederlands met 96% zekerheid. De gekozen taal verschijnt in de keuzelijst zodra hij bekend is, dus je ziet dat het klopt — of je stopt binnen enkele seconden. Weet je de taal al, dan is hem zelf kiezen het zekerst.

Dat hangt af van de kwaliteitsinstelling en je computer, en elke instelling laat ongeveer zien hoe lang een minuut opname duurt. De tool gebruikt de grafische chip als de browser er een aanbiedt, en rekent anders op alle processorkernen tegelijk. Op de desktop die we hebben gemeten kostte een video van tien minuten ongeveer anderhalve minuut op Beter met de grafische chip, en ongeveer tweeënhalve minuut op Goed zonder. Best duurt ongeveer even lang als de opname zelf. Tijdens het werk wordt de schatting nauwkeuriger, omdat hij jouw machine meet in plaats van gokt.

Ruim twintig, waaronder Nederlands, Engels, Deens, Duits, Frans, Spaans, Italiaans, Pools, Fins, Zweeds, Noors, Portugees, Russisch, Oekraïens, Turks, Arabisch, Hindi, Japans, Koreaans en Chinees. Kies er een voordat je begint, of laat de taal uit het geluid afleiden — zie hieronder.

Naar het Engels wel, daar is een instelling voor. Het model kan opschrijven wat het hoort, of naar het Engels vertalen, en andere combinaties kan het niet. Nederlands naar Duits zit er dus niet in, en dat bieden we liever niet aan dan slecht.

Alles wat je browser kan afspelen: MP4, MOV, WebM, MKV en AVI voor video, en MP3, M4A, WAV, FLAC, OGG en Opus voor geluid. Het haalt het geluid zelf uit de video, dus je hoeft dat niet eerst te doen.

Als platte tekst, Word (.docx), PDF, Markdown, CSV voor een spreadsheet, JSON, en als SRT- of VTT-ondertitelbestand. De documentformaten kunnen een tijdstempel per alinea meenemen, en de ondertitelbestanden dragen de tijden die een videospeler nodig heeft.

Goed, en eerlijk over niet perfect zijn. Op een Nederlands interview van negen minuten kwam het bijna woord voor woord overeen met een desktopprogramma; wat het misgaat zijn vooral eigennamen, waar spraakherkenning in het algemeen het zwakst is. Lees het door voordat je erop vertrouwt.

Twintig minuten per bestand. Dat is een geheugengrens en geen regel — gedecodeerd geluid staat in het geheugen van je browser, en voorbij twintig minuten neemt een tabblad een gok met je machine. Knip een lange opname eerst met onze audiotrimmer.

Dan wordt het spraakmodel eenmalig gedownload. De grootte hangt af van de instelling en van of je computer een grafische chip heeft: van ongeveer 80 MB voor Snel tot ongeveer 1,6 GB voor Best. Met een grafische chip haalt het versies die voor de chip gemaakt zijn, zonder versies voor de processor. Je browser bewaart het model, dus het volgende bestand begint meteen.

Snel, Goed en Beter, en het model dat naar het Engels vertaalt, worden opgehaald bij Hugging Face, de openbare plek waar ze gepubliceerd zijn. Best is onze eigen browserversie van Whisper large-v3, omdat niemand er een publiceert, en komt van onze eigen bestandsserver. Die downloads zijn de enige verzoeken die deze tool doet, en ze gaan één kant op: bestanden komen binnen, er gaat niets naar buiten. Je opname zit daar nooit in — die wordt binnen je eigen browser aan het model gegeven en raakt het netwerk nooit. Al het andere, ook de code die het model draait, komt van helpyself.com.

Geen cookies, en niets uit je opname of je transcript. De site onthoudt een paar algemene voorkeuren — je thema, of je ingelogd bent — en deze tool voegt één ding toe: het spraakmodel, in de opslag van je browser zodat het volgende bestand meteen begint, één per instelling die je gebruikt hebt. Dat is de download hierboven, tussen ongeveer 80 MB en 1,6 GB, en die blijft staan tot je de sitegegevens in je browser wist, en dan is hij helemaal weg.

Omdat iets in de opname geen spraak was. Muziek, applaus, een aangehouden toon of een kamer met een ventilator brengt elk spraakmodel in een herhaallus — het schrijft dezelfde zin steeds opnieuw, vloeiend en in de juiste taal, en niets aan de uitvoer verraadt dat hij verzonnen is. Gebeurt dat, dan wordt het stuk een paar keer opnieuw gedecodeerd met meer toeval; blijft de lus, dan valt het weg en zegt de samenvatting dat. Een zichtbaar gat is beter dan een alinea dialoog die nooit is uitgesproken.

De tool kiest Beter op een computer met een grafische chip en Goed zonder, en dat klopt meestal. Ga van Goed naar Beter als het geluid lastig is — een accent, een rumoerige ruimte, meerdere sprekers of zang. Het verschil is echt en is gemeten op liedjes, het moeilijkste geval: over drie nummers met bekende tekst vond Beter 47%, 57% en 100% van de kenmerkende woorden, tegen 33%, 40% en 83% voor Goed. Best is het nauwkeurigst en het traagst, voor als elk woord telt. Snel geeft een ruwe eerste versie.