ऑडिओचे टेक्स्टमध्ये रूपांतर करा

नाही. Fizzdoc हे काम तुमच्या ब्राउझर टॅबमध्येच करतो, WebAssembly आणि JavaScript मध्ये कंपाइल केलेल्या ओपन-सोर्स इंजिनांचा वापर करून. तुमची फाइल तुमच्या डिव्हाइसवरून वाचली जाते, स्थानिक पातळीवर प्रोसेस होते आणि निकाल थेट तुमच्या डिव्हाइसवर सेव्ह होतो. हे तुम्ही स्वतः पडताळून पाहू शकता: ब्राउझरचे डेव्हलपर टूल्स उघडा, Network टॅबवर जा आणि एखादे काम चालवा — कोणतीही रिक्वेस्ट तुमची फाइल घेऊन जात नाही.

Fizzdoc Whisper tiny वापरतो, जे OpenAI च्या ओपन स्पीच मॉडेलचे छोटे व्हर्जन आहे आणि पूर्णपणे तुमच्या ब्राउझरमध्ये चालते. स्पष्ट इंग्रजी बोलणे चांगले येते; गोंगाटाचे रेकॉर्डिंग, तीव्र हेल आणि इतर भाषांमध्ये निकाल कमी चांगले असतात, म्हणून भरवसा ठेवण्यापूर्वी मजकूर एकदा वाचून घ्या.

पहिल्यांदा तुमचा ब्राउझर स्पीच मॉडेल (सुमारे 58 MB) डाउनलोड करून ठेवतो, त्यामुळे पुढच्या वेळी ते काही सेकंदांत सुरू होते, ऑफलाइनसुद्धा. लांब रेकॉर्डिंगचे ट्रान्स्क्रिप्शन व्हायला वेळ लागतो: वेग तुमच्या डिव्हाइसवर अवलंबून असतो, आणि फोनपेक्षा लॅपटॉप खूप वेगवान असतो.

होय, आणि हा कायम मोफत राहील: साइन-अप नाही, वॉटरमार्क नाही, रोजची मर्यादा नाही आणि प्रीमियम प्लॅनही नाही. Fizzdoc हा Apache-2.0 लायसन्स अंतर्गत ओपन सोर्स आहे, त्यामुळे कोणीही स्वतःची कॉपी चालवू शकतो.