Автоматически распознаём речь с помощью ИИ, показываем реплики в редакторе, вшиваем в ролик бесплатно
Загрузите видео или аудио
MP4, MOV, WebM, MP3, WAV, M4A — или перетащите файл сюда
Нет файла под рукой?
Откуда взять текст субтитров?
Качество распознавания
Работает для русской и английской речи
Реплики из файла сразу откроются в редакторе поверх этого ролика
Подготовка…
0:00
0:00
×1
Полоски под волной — реплики. Нажмите на полоску, потом тяните белый край или всю полоску, чтобы поправить время. Плюс и минус увеличивают шкалу
Готовый стиль
Анимация слов
Тонкая настройка
Или только субтитры файлом
Перевод субтитров
Для каждого языка модель скачивается один раз, около 105 МБ
Кто говорит
Разберёт, где говорит первый человек, а где второй. Имена можно вписать свои — они попадут в SRT, VTT и TXT.
Как автоматически создать и наложить субтитры онлайн
Сервис делает субтитры для видео и аудио без сторонних программ и без серверов — всё считается прямо в браузере.
Загрузите файл. Перетащите в зону загрузки медиафайл: MP4, MOV, WebM, MP3, WAV, M4A. Жёсткий фильтр типов файлов мы убрали намеренно — с iPhone или Android всё принимается. Максимальная длина записи — 60 минут.
Выберите, откуда взять текст. Слева вы увидите свой загруженный файл — его можно проиграть и убедиться, что это тот самый ролик. Если файл не тот — кнопка «Другой файл». Справа три способа:
«Распознать речь» — текст сделает нейросеть Whisper.
«У меня есть текст» — если сценарий уже написан, вставьте его: сервис ничего не распознаёт, а расставляет ваши слова по звуку. Работает для русской и английской речи.
«Есть файл субтитров» — готовый SRT, VTT или ASS сразу откроется в редакторе поверх вашего ролика.
Выберите качество и язык речи. Для способа «Распознать речь» есть три модели, от самой быстрой до самой точной:
«Быстрая» — чистая речь, короткие ролики.
«Точная» — подходит почти всегда, она выбрана заранее.
«Самая точная» — шум, акцент, тихий голос. Только на компьютере.
На карточке каждой модели написано, сколько времени займёт распознавание и сколько она весит. В поле «Язык речи» — русский, украинский, английский, немецкий, французский, испанский, итальянский, польский, турецкий и казахский. Если язык не выбрать, система определит его сама, но это лишнее время. Дальше синяя кнопка «Сделать субтитры». Передумали — кнопка «Отменить» под полосой загрузки.
Исправьте текст в редакторе. В окне просмотра вы можете посмотреть, как выглядят субтитры. Справа от окна просмотра, на вкладке «Текст», есть редактор субтитров с временными метками: там вы можете перенести слово , склеить со следующей репликой , добавить новую реплику или удалить . Удобно менять, добавлять и исправлять мелкие ошибки. ВАЖНО: все исправления в этом редакторе автоматически сохраняются во все файлы субтитров — SRT, VTT, ASS, TXT.
Поправьте время реплик. Под видео лежит дорожка звука с полосками реплик: потяните край полоски, чтобы поправить время, или всю полоску, чтобы сдвинуть реплику целиком. Точнее — цифрами в редакторе: у каждой реплики есть начало и конец, стрелки вверх и вниз на клавиатуре двигают время на 0,05 секунды, с Shift — на 0,5 секунды. Значок ставит начало или конец реплики на то место, где сейчас стоит видео.
Настройте вид. Рядом с редактором, на вкладке «Стили», собраны готовые пресеты, анимации и тонкая настройка:
Готовый стиль — «Обычные», «TikTok», «Reels», «Shorts», «Белая плашка».
Анимация слов — «Караоке», «Подсветка», «Подсветка и рост», «Плашка за словом», «Появление слов», «По одному слову» или «Без анимации».
Тонкая настройка — шрифт, размер, положение внизу, ниже центра, по центру или вверху, цвет текста и обводки, обводка, подложка с выбором плотности или текст без обводки, толщина, заглавные буквы, цвет подсветки.
Поставьте себе подложку, измените шрифт, увеличьте или уменьшите текст ползунком — и ещё много чего, пробуйте. Всё, что вы меняете, сразу видно на видео.
Переведите субтитры на другой язык. Шаг по желанию. Под кнопками скачивания есть блок «Перевод субтитров»: выберите язык в списке «на язык» и нажмите «Перевести». Реплики переводятся прямо в браузере, время при этом не сбивается. В списке стоят только те языки, на которые можно перевести с языка вашего ролика:
С итальянского и казахского перевода пока нет — блок перевода для них не появится. Модель для каждой пары языков весит около 105 МБ и скачивается один раз. Перевод можно поправить в том же редакторе. Не понравилось — кнопка «Вернуть исходные».
Отметьте, кто говорит. Тоже по желанию — для интервью и подкастов. Кнопка «Разметить по голосам» слушает голоса и помечает, где говорит один человек, а где другой. Имена вписываете сами — они попадут в SRT, VTT и TXT. Кнопка «Убрать метки» возвращает всё как было.
Скачайте результат. Большая синяя кнопка «Скачать видео с субтитрами» вшивает текст прямо в картинку и отдаёт MP4 со встроенными субтитрами. Рядом — файлы субтитров отдельно, кнопки со значком : SRT, VTT, ASS, TXT. Если вы загрузили аудиофайл, то на него субтитры не вшиваются: они просто генерируются, и вы можете скачать нужный вам формат SRT, VTT, ASS, TXT и в видеоредакторе подложить созданные субтитры под ваше аудио.
Что вы получите на выходе
Коротко о главном: размер кадра не меняется. Загрузили 4К — скачаете 4К, загрузили вертикальный ролик с телефона — он останется вертикальным. Меняется только контейнер и сжатие.
Что
Как отдаёт сервис
Формат видео
Всегда MP4: картинка H.264, звук AAC. Загрузили MOV, WebM или MKV — скачаете MP4. К имени файла добавляется «-sub»
Разрешение и частота кадров
Как в исходнике: 720p, 1080p, 4К, вертикальное или горизонтальное
Качество картинки
Видео пересжимается — иначе текст в кадр не вписать. Битрейт подбирается под размер кадра: около 4,4 Мбит/с для 1080p и около 17 Мбит/с для 4К при 30 кадрах в секунду
Звук
Переносится как есть, без пересжатия. Если скопировать дорожку нельзя, она кодируется в AAC 128 кбит/с
HDR
Не сохраняется: HDR-ролики с телефона на выходе становятся обычными, 8 бит
Файлы субтитров
SRT, VTT, ASS и TXT — со всеми вашими правками из редактора
Если загружен звук
Вшивать не во что, поэтому отдаются только файлы субтитров
Водяные знаки
Нет
Не только распознавание: свой текст, готовые субтитры, перевод
Свой текст вместо распознавания. Нужен, когда ролик записан по сценарию. Нейросеть может ошибиться в имени, термине или названии, а ваш текст останется вашим, слово в слово — сервис только находит, в какой момент звучит каждое слово. Работает для русской и английской речи; модель сверки скачивается один раз — 302 МБ для русского и 91 МБ для английского.
Готовые субтитры. Если SRT, VTT или ASS у вас уже есть, распознавать ничего не надо: файл открывается в редакторе, и дальше вы правите время, выбираете стиль и вшиваете текст в видео. Так можно красиво оформить чужие или старые субтитры.
Перевод субтитров. Готовые реплики переводятся прямо в браузере, время при этом не сбивается. С русского — на английский, украинский и испанский; с английского — на русский, украинский, испанский, немецкий, французский, итальянский, китайский и арабский; на английский — с украинского, испанского, немецкого, французского, турецкого, польского и китайского. Модель для каждой пары языков весит около 105 МБ и скачивается один раз. Не понравилось — кнопка «Вернуть исходные».
Кто говорит. Для интервью и подкастов: сервис слушает голоса и помечает, где говорит один человек, а где другой. Имена вписываете сами — они попадут в SRT, VTT и TXT.
Правка времени мышкой. Реплики лежат полосками на дорожке звука под видео: тянете край — меняете начало или конец, тянете всю полоску — двигаете реплику. Цифры набирать не нужно.
Пример без своего файла. Кнопка «Попробовать на примере» под окном загрузки подставит короткий ролик — можно пройти весь путь и посмотреть, что получится.
Сравнительные характеристики моделей распознавания
Скорость и точность расшифровки зависят от выбранной модели Whisper. Ниже — честные замеры, снятые на стационарном компьютере; на смартфоне обработка занимает больше времени.
Характеристика
«Быстрая» whisper-base
«Точная» whisper-small
«Самая точная» large-v3-turbo
Объём модели
76 МБ
240 МБ
760 МБ
Время подготовки
~8 секунд
~18 секунд
~62 секунды
Вычислительный множитель
×0,09
×0,41
×2,8
1 минута записи
~13 секунд
~43 секунды
~3,5 минуты
10 минут записи
~1 минута
~4,5 минуты
~29 минут
Ручной выбор языка вместо «Определить» экономит самой точной модели около полутора минут — иначе она отдельно прогоняет начало записи, чтобы угадать язык. Эта же модель самая тяжёлая: на телефоне ей, скорее всего, не хватит памяти.
Устойчивость моделей к фоновому шуму
Мы прогнали распознавание в разных акустических условиях и замерили долю ошибок по словам.
Акустическая обстановка
Модель «Точная»
Модель «Самая точная»
Чистая студийная запись
5 % ошибок
5 % ошибок
Сжатый телефонный канал
5 % ошибок
—
Постоянный шум вровень с голосом
5 % ошибок
—
Шум громче полезного голоса
40 % ошибок
10–15 % ошибок
Сильно гулкая комната
30 % ошибок
5 % ошибок
Шум вдвое громче голоса
95 % ошибок
60 % ошибок
Самое интересное здесь — эхо. Гулкая комната сбивает «Точную» сильнее любого шума, а «Самая точная» её попросту не замечает.
Гибкая разбивка — от 24 до 42 знаков в строке или автоподбор под кадр, максимум 3 слова в одной реплике, длительность показа от 1 до 7 секунд, зазор между репликами 0,08 секунды.
Визуальный стиль — 4 шрифта (Montserrat, Oswald, Rubik, стандартный), размер от 10 до 60, готовые цвета: 6 для текста, 5 для обводки, 5 для подсветки, и в каждом наборе палитра для своего оттенка. На выбор контурная обводка букв или непрозрачная подложка, положение внизу, вверху или по центру кадра.
Кинетические анимации — 6 режимов: статичное отображение, динамическое караоке, пословная подсветка, умная подсветка с увеличением слова на 12 %, появление слов одно за другим по мере речи и последовательный вывод строго по одному слову.
Почти идеальная синхронность
Тайминги слов подтягиваются к границам реального голоса: сервис строит огибающую звука с частотой 100 кадров в секунду, находит отрезки речи и сдвигает к ним слова, которые иначе загорелись бы в тишине.
В тестах 0 слов из 20 стартуют в тишине против 3 без подгонки. Остаточный промах — 10–30 мс, тогда как человек замечает рассинхрон примерно от 100 мс.
На компьютере для русской и английской речи есть ещё один шаг: отдельная модель сверяет каждое слово со звуком и уточняет его время. На телефоне этот шаг пропускается, чтобы вкладке хватило памяти.
Стек локального кодирования
Быстрое вшивание. Обычные ролики с телефона и камеры — MP4 и MOV с картинкой H.264 и звуком AAC — собирает встроенный кодировщик браузера: работу берёт на себя видеочип, поэтому выходит в разы быстрее, а качать отдельный движок не нужно. Поворот кадра, который телефон записывает в файл, учитывается.
Запасной путь. Всё остальное — WebM, MKV, ролики в HEVC — пересобирается движком FFmpeg, собранным в WebAssembly, силами процессора вашего устройства. Картинка кодируется libx264 в режиме ultrafast с качеством crf 26 и цветом yuv420p. Звуковая дорожка копируется без пересжатия, а при технической невозможности кодируется в AAC 128 кбит/с. Текст рисует библиотека libass с подгрузкой шрифта прямо в сборку.
Работа с диска. Тяжёлые исходные файлы не занимают оперативную память целиком: они монтируются в движок напрямую через виртуальную файловую систему WORKERFS.
🔒 Приватность и автономность
Никаких серверов. Распознавание речи нейросетью Whisper и вшивание субтитров через FFmpeg происходят исключительно внутри вашего браузера. Ни видео, ни звук, ни полученный текст не передаются в сеть.
Автономная работа. Интернет нужен для первой загрузки модели, движка и шрифта — дальше браузер держит их у себя, и повторные запуски идут без сети.
Какой формат выбрать
SRT — понимают все плееры и видеоредакторы, его же принимают YouTube, ВКонтакте и Rutube.
VTT — для субтитров на сайтах, в теге <track> у HTML-видео.
ASS — хранит ещё и оформление: шрифт, цвет, обводку, положение.
TXT — просто текст по репликам, без времени: на вычитку или перевод.
❓ Часто задаваемые вопросы
На какие видео чаще всего добавляют автоматические субтитры?
Чаще всего автоматические субтитры добавляют на короткие видео для Shorts, TikTok, Reels, поскольку это быстро и бесплатно, не нужно загружать никакие программы.
Будет ли зависать страница на тяжёлом часовом видео?
От веса файла — нет: благодаря виртуальной файловой системе WORKERFS движок монтирует видео напрямую с диска, а не грузит его в оперативную память. Но распознавание разворачивает весь звук в памяти — час записи это около 230 МБ, — а вшивание пересобирает видео целиком силами процессора, и готовый файл всё это время копится в памяти браузера. Для часовой записи надёжнее скачать SRT и подключить его в плеере или монтажной программе.
Почему субтитры не убегают вперёд и не отстают от голоса?
Это заслуга внутренней калибровки таймингов. Сервис анализирует огибающую звуковой волны со скоростью 100 кадров в секунду, находит моменты, где речь действительно началась, и притягивает к ним маркеры фраз — погрешность остаётся в пределах 10–30 миллисекунд, незаметных для человека.
В каком формате и качестве скачивается видео с субтитрами?
Всегда в MP4 (H.264 и AAC), какой бы файл вы ни загрузили. Разрешение и частота кадров остаются исходными: 4К остаётся 4К, 1080p — 1080p. Картинка при этом пересжимается, потому что текст вписывается прямо в кадр, а звук переносится без изменений. HDR не сохраняется.
Можно ли вшить в видео свои готовые субтитры?
Да. Загрузите видео, выберите «Есть файл субтитров» и укажите SRT, VTT или ASS — реплики откроются в редакторе. Там же можно поправить время, выбрать стиль и анимацию, а потом скачать ролик с уже вшитым текстом.
У меня есть сценарий. Зачем распознавать речь заново?
Незачем. Выберите «У меня есть текст» и вставьте сценарий: слова останутся вашими, без ошибок распознавания, а сервис сам найдёт, когда каждое из них звучит. Сейчас это работает для русской и английской речи.
Насколько точно распознаётся речь?
На чистой записи одного говорящего — хорошо. Хуже становится от музыки на фоне, нескольких голосов разом, сильного акцента и плохого микрофона. Имена, названия и термины модель часто пишет по-своему: их стоит проверить глазами. Поэтому здесь и есть редактор — результат распознавания это черновик, а не готовый файл.
Как сохранить субтитры в формате SRT для YouTube?
После окончания распознавания нажмите кнопку «SRT» в ряду форматов — файл скачается сразу. Он распознаётся творческой студией YouTube, плеерами VLC, ВКонтакте, Rutube и видеоредакторами.
Нужен ли интернет?
Только чтобы скачать модель, движок и шрифт в первый раз. Дальше распознавание и вшивание идут без сети.
Это действительно бесплатно?
Да. Сервис полностью бесплатен, работает без ограничений по количеству файлов, не накладывает водяных знаков на готовое видео и не требует регистрации.