Блог

Cloudflare Workers can't run a multi-minute GPU job or Modal's gRPC SDK — so ScribeToAny treats Modal as a plain HTTP endpoint, fires a fire-and-forget spawn, and lets the GPU box call back over a signed webhook. A walk through the async design, the reconciliation backstop, and the sharp edges.

Скрытые титры (captions) — для зрителей, которые не слышат звук, и включают неречевые звуки; субтитры (subtitles) — для тех, кто не понимает язык, и переводят только диалог. Понятное сравнение и правила доступности, которые решают, что именно вам нужно.

Понятное объяснение частоты ошибок по словам (WER) — как на самом деле измеряют точность транскрипции, что означают цифры, почему даже люди не достигают 100% и какие факторы двигают точность вверх или вниз.

Справочник по форматам файлов, которые выдаёт транскрипция — SRT, VTT, TXT, TSV, CSV, JSON, а также ASS, SSA, SMI и TTML — с реальными примерами каждого и таблицей, когда какой использовать.

Диаризация говорящих — это шаг, который разделяет запись по говорящим, превращая стену текста в размеченный диалог. Что это, чем она отличается от распознавания говорящего, как работает и где буксует.

Превратите эпизод подкаста в аккуратные шоуноуты и субтитры с метками времени — транскрибируйте аудио, затем экспортируйте в SRT, VTT или обычный текст. Бесплатный тариф, без банковской карты.