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.

Korter dan de opname zelf, op elke machine die we gemeten hebben. Een video van tien minuten kostte ongeveer 100 seconden op een laptop met een grafische chip en zo'n zes en een halve minuut op een laptop zonder. Tijdens het werk zie je een schatting, en die wordt 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 gedownload. Op een machine met een grafische chip is dat ongeveer 920 MB, omdat alleen volledige precisie correct transcribeert — we hebben de kleinere versies gemeten: de ene was tien keer trager, de andere maakte stilletjes onzin. Zonder grafische chip is het ongeveer 240 MB. Je browser bewaart het hoe dan ook, dus het tweede bestand begint meteen, en „Sneller, ruwer” gebruikt een model van ongeveer een zesde daarvan.

Het wordt opgehaald bij Hugging Face, de openbare plek waar het model gepubliceerd is. Dat is het enige verzoek dat deze pagina aan iemand anders doet, en het gaat de andere 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 dit gereedschap voegt één ding toe: het spraakmodel zelf, in de opslag van je browser, zodat het tweede bestand meteen begint. Dat zijn de 920 MB hierboven (of 240 MB zonder grafische chip). Het blijft staan tot je de sitegegevens in je browser wist, en dan is het 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.