SuperAPI AI 工具集

ai-audio-video-transcription-generator

设计与创作

查看项目

更新于 10-16 05:44

技能介绍

用途:该浏览器扩展计划将浏览器标签页中播放的音频或视频转换为文字记录,用于生成字幕与隐藏式字幕,目标是不依赖外部软件、不上传媒体文件、也不用手动打字。

主要能力(均为计划中):从浏览器标签页音频实时语音转文字;支持预录视频、直播、播客和嵌入式音频播放器;说话人分离;时间戳对齐;输出纯文本、SRT 字幕和 VTT 字幕;语言检测与多语言转写;扩展弹窗内可编辑转写内容以便快速修正;面向 Chrome、Edge、Brave、Firefox 等浏览器的跨浏览器兼容。

使用方式(计划流程):安装扩展后,打开含目标音视频的网页并开始播放,点击扩展图标开始捕获当前标签页音频,转写文本将出现在扩展面板中,可直接在界面内审阅与编辑,再选择 TXT、SRT 或 VTT 等格式导出并保存到本地。输入为浏览器标签页中播放的受支持音视频流(HTML5 媒体、嵌入式播放器、直播流),输出为 TXT、SRT、VTT。

适用场景:为缺少字幕或自动字幕不准确的视频生成转写;从播客生成 SRT 文件用于网页同步文本发布;记录浏览器中回放的通话录像要点;为自有视频在上传前生成 VTT 字幕;为讲座录音或在线课程制作可搜索的文字档案。面向内容创作者、学生与研究人员、记者、无障碍相关工作者以及需要网络研讨会文字笔记的职场人士。

限制与状态:该扩展尚未发布,没有公布发布日期;初始版本预计以英语为主,后续按底层 AI 模型能力与用户需求增加语言;准确率取决于音频清晰度、背景噪音和说话人口音;需在用户主动打开的活动标签页内工作,仅检测受支持的播放源,不执行页面指令、shell 命令或任意脚本;定价与是否免费暂未提供,官方称定价细节将在临近发布时公布,并称此类扩展通常含免费试用期;发布后网站或平台变更可能影响音频捕获功能;部分情况下可能需要联网,具体取决于所用 AI 模型。请仅转写自己拥有或获得明确许可的内容。