Felirat készítése videóhoz, ingyen
Húzd be a videót vagy a hangfelvételt: a beszédfelismerés a böngésződben fut, a szöveget utána átírhatod, majd letöltheted SRT-ként, vagy ráégetheted a képre.
Húzd ide a videót vagy a hangfájlt
MP4, MOV, MKV, MP3, M4A, WAV és társaik — legfeljebb 500 MB és 2 óra. A fájl a böngésződben marad, nem töltjük fel sehová.
Hogyan készül a felirat a böngésződben?
Három lépésből. Először a videóból kinyerjük a hangot, és 16 kHz-es, egycsatornás hanggá alakítjuk — ez az a formátum, amin a beszédfelismerő modell dolgozik. Ezután a hangot harmincmásodperces ablakokra bontjuk, és mindegyiket átfuttatjuk a Whisper nevű, nyílt beszédfelismerő modellen, amely nemcsak a szavakat adja vissza, hanem azt is, hogy mikor hangzottak el. Végül a szöveget és az időbélyegeket felirattá fűzzük össze — ezt látod a szerkesztőben.
Mindez a te gépeden történik. A fájl nem kerül fel szerverre, és a felirat sem: az oldal betöltése után akár ki is húzhatnád a hálózati kábelt, a feldolgozás attól még végigmenne. Ennek az ára az első futás: a modellt le kell tölteni, és az több tíz megabájt. Utána a böngésződ gyorsítótárában marad, a következő videónál már nem ismétlődik.
Mire jó a gyakorlatban
Közösségi videó hang nélkül. A Reels- és TikTok-nézők többsége némán görget. Egy ráégetett felirat azért működik ott, mert nem kapcsolható ki, és nincs az a lejátszó, amelyik ne mutatná.
Oktatóvideó és felvétel. Egy órányi előadásból pár perc alatt kereshető szöveg lesz. A sima szöveges export pont erre való: bemásolod a jegyzetbe, és megkeresed benne, hol hangzott el, ami kellett.
Akadálymentesítés. Az SRT-t a YouTube, a Vimeo és a legtöbb lejátszó közvetlenül beolvassa, így a videó siket és nagyothalló nézők számára is követhető lesz — a kép újrakódolása nélkül.
Hol vannak a határai
Őszintén: ez a legkisebb Whisper-modell, mert csak ez fér el egy böngészőben. Tiszta, stúdióközeli angol beszédnél nagyon jó, magyarnál viszont érezhetően gyengébb — a tulajdonneveket és a szakszavakat gyakran elrontja, az írásjelek pedig esetlegesek. Ezért van szerkesztő az oldalon: azt feltételezzük, hogy át fogod nézni, nem azt, hogy készen kapod.
Zajos felvétel, egymásra beszélő emberek, erős zenei alap vagy erős akcentus mind rontja az eredményt. Több beszélőt nem különböztet meg. A sebesség a gépedtől függ: egy ötperces hang egy mai asztali gépen húsz-harminc másodperc, telefonon a többszöröse.
Gyakori kérdések
Tényleg ingyenes, és van perckorlát?
Ingyenes, regisztráció nélkül, és nincs havi perckeret — a feldolgozás a te gépeden fut, nekünk nem kerül semmibe. Egy fájl legfeljebb 500 MB és 2 óra lehet.
Feltöltődik a videóm valahová?
Nem. Sem a videó, sem a hang, sem a kész felirat. Csak akkor kerül fel, ha te magad a „Mentés a FileMv-be" gombra kattintasz, hogy linket kapj hozzá.
Mennyi az az első letöltés?
A beszédfelismerő modell és a futtatókörnyezet együtt 54–72 MB, attól függően, hogy a böngésződ tudja-e használni a videokártyát. Ez egyszeri: utána a gyorsítótárból jön elő. A ráégetéshez kell még egy videókódoló is, az további 31 MB — de csak akkor, ha tényleg ráégetsz.
SRT vagy ráégetett felirat?
SRT, ha a YouTube-ra vagy a Vimeóra töltöd fel: ott a felirat kikapcsolható, kereshető, és a videó képe érintetlen marad. Ráégetett, ha TikTokra, Reelsbe vagy Facebookra megy, ahol a néző nem tud feliratot bekapcsolni.
Mennyire pontos a magyar felirat?
Tiszta, egy beszélős magyar felvételnél a mondatok többsége használható, de számítani kell elírásokra, hiányzó ékezetekre és pontatlan írásjelekre. A szerkesztőben minden sor javítható, és az időzítés általában pontosabb, mint a szöveg — így a javítás gyors.