DevToolPal
ID

Transkripsi Langsung

Dikte dalam bahasa Inggris dan lihat ucapan Anda muncul sebagai teks, ditranskripsi langsung di browser oleh model suara Moonshine. Tidak ada audio yang diunggah.

Berjalan lokal, tidak pernah diunggah

Opsi

Model
Urutan

Pengaturan deteksi berlaku saat Anda menekan Mulai berikutnya.

Mikrofon

Model diunduh sekali dari Hugging Face dan disimpan di cache browser, jadi kunjungan berikutnya mulai dalam hitungan detik. Audio tidak pernah meninggalkan perangkat Anda.

Hanya bahasa Inggris. Moonshine dilatih dengan ucapan bahasa Inggris; bahasa lain menjadi bahasa Inggris yang kacau.

Transkrip

Tekan Mulai lalu bicara. Setiap kalimat muncul di sini setelah jeda singkat.

Apa fungsi alat ini

Transkripsi langsung mengubah ucapan Anda menjadi teks saat Anda berbicara. Tekan Mulai, bicaralah ke mikrofon, dan setiap kalimat muncul di transkrip sesaat setelah Anda berhenti sejenak. Cara kerjanya seperti dikte atau mengetik dengan suara, tetapi pengenalan ucapan berjalan sepenuhnya di browser, tanpa akun, tanpa server, dan tanpa audio yang keluar dari komputer Anda.

Model pengenalannya adalah Moonshine, model ucapan ke teks terbuka dari Useful Sensors yang dirancang untuk transkripsi langsung di perangkat. Model ini cepat untuk frasa pendek, sehingga cocok untuk mentranskripsi satu kalimat demi satu kalimat. Alat ini menjalankannya dengan Transformers.js dan ONNX Runtime Web, di WebGPU bila browser Anda mendukung dan di WebAssembly bila tidak.

Alat ini hanya untuk bahasa Inggris.

Cara menggunakan

  1. Pilih model. Base lebih akurat; Tiny lebih kecil dan lebih cepat di komputer lambat.
  2. Klik Unduh model dan mulai. Model diunduh sekali (sekitar 120 MB untuk Base, 50 MB untuk Tiny), lalu browser meminta akses mikrofon. Izinkan.
  3. Bicaralah seperti biasa. Meter level menunjukkan volume input dan berubah hijau saat ucapan terdeteksi. Saat Anda berhenti sejenak, frasa dikirim ke model dan teks muncul sebagai baris baru.
  4. Tekan Berhenti untuk melepas mikrofon. Tekan Mulai lagi untuk melanjutkan; stempel waktu terus menghitung dari titik Anda berhenti.
  5. Gunakan Salin atau Unduh .txt untuk menyimpan transkrip, atau Hapus untuk memulai lagi. Ubah Urutan ke Terbaru dulu agar baris terbaru selalu di atas; Salin dan Unduh mengikuti urutan yang sama.

Contoh

Dengan stempel waktu aktif, catatan pendek yang didiktekan dalam bahasa Inggris terlihat seperti ini:

[00:00] Let's start with the quarterly numbers.
[00:04] Revenue is up twelve percent compared to last year.
[00:09] Next, I want to talk about hiring.

Matikan stempel waktu untuk mendapatkan baris polos yang siap ditempel ke email, dokumen, atau aplikasi catatan.

Menyetel deteksi

Detektor aktivitas suara sederhana mendengarkan kerasnya suara mikrofon dan menentukan di mana kalimat dimulai dan berakhir. Tiga pengaturan mengendalikannya:

  • Ambang suara menentukan seberapa keras bunyi harus terdengar agar dihitung sebagai ucapan. Pilih tingkat yang lebih bising jika suara latar membuat meter tetap hijau, atau yang lebih peka jika suara pelan terlewat.
  • Jeda yang mengakhiri baris adalah lamanya hening yang diperlukan sebelum frasa ditranskripsi. Jeda pendek memberi hasil lebih cepat, jeda panjang menjaga kalimat tetap utuh.
  • Baris terpanjang memotong ucapan yang sangat panjang agar transkrip terus berjalan meski Anda tidak pernah berhenti.

Pengaturan ini berlaku saat Anda menekan Mulai berikutnya. Pilihan model dan stempel waktu disimpan di alamat halaman, jadi Anda bisa menandai atau membagikan pengaturan favorit. Transkripnya sendiri tidak pernah dimasukkan ke tautan.

Model, lisensi, dan batasan

Alat ini memakai onnx-community/moonshine-base-ONNX atau onnx-community/moonshine-tiny-ONNX, konversi ONNX dari model Moonshine bahasa Inggris yang dirilis dengan lisensi MIT. Transformers.js berlisensi Apache-2.0. Akurasi terbaik untuk satu orang yang berbicara jelas di dekat mikrofon; nama, kata langka, dan logat kuat bisa salah dengar, dan tanda baca adalah tebakan model. Untuk file audio rekaman, gunakan alat ucapan ke teks.

FAQ

› Apakah suara saya diunggah ke suatu tempat?

Tidak. Audio mikrofon direkam, dipecah menjadi kalimat, dan ditranskripsi di dalam tab browser Anda. Hanya file model yang diunduh dari Hugging Face saat pertama kali Anda menekan tombol unduh. Transkrip tetap di halaman dan tidak disertakan dalam tautan berbagi.

› Bahasa apa saja yang dipahami?

Hanya bahasa Inggris. Model Moonshine yang dipakai di sini dilatih dengan ucapan bahasa Inggris. Moonshine juga punya model untuk bahasa lain, tetapi dirilis dengan lisensi nonkomersial sehingga alat ini tidak memakainya. Ucapan dalam bahasa lain akan menjadi bahasa Inggris yang kacau.

› Berapa besar unduhannya dan apakah perlu setiap kali?

Model Base sekitar 120 MB dan model Tiny sekitar 50 MB. Browser menyimpan file di cache setelah unduhan pertama, jadi kunjungan berikutnya memuat dalam beberapa detik tanpa mengunduh ulang.

› Browser apa yang didukung?

Chrome, Edge, Firefox, atau Safari versi terbaru dengan akses mikrofon. Dengan WebGPU model berjalan di kartu grafis, tanpanya memakai WebAssembly di CPU. Itu lebih lambat, tetapi masih mengikuti kecepatan bicara normal di kebanyakan laptop.

› Mengapa baris baru muncul hanya setelah saya berhenti bicara?

Moonshine bekerja per frasa utuh, jadi alat ini menunggu jeda singkat sebelum mentranskripsi ucapan Anda. Anda bisa memperpendek jeda di opsi, atau menurunkan baris terpanjang agar ucapan panjang lebih sering dipotong.