Автоматические субтитры к видео онлайн бесплатно

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. Справа три способа. «Распознать речь» — текст сделает нейросеть Whisper: выберите качество, от самой быстрой модели до самой точной, и язык. Если язык не выбрать, система определит его сама, но это лишнее время. Дальше синяя кнопка «Сделать субтитры». «У меня есть текст» — если сценарий уже написан, вставьте его: сервис ничего не распознаёт, а расставляет ваши слова по звуку. «Есть файл субтитров» — готовый SRT, VTT или ASS сразу откроется в редакторе поверх вашего ролика.
Правьте и настраивайте вид. В окне просмотра вы можете посмотреть, как выглядят субтитры. Справа от окна просмотра есть редактор субтитров с временными метками: там вы можете перенести слово , склеить со следующей репликой 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. Под видео лежит дорожка звука с полосками реплик: потяните край полоски, чтобы поправить время, или всю полоску, чтобы сдвинуть реплику целиком. Рядом с редактором, на вкладке «Стили», собраны готовые пресеты, анимации и тонкая настройка: поставьте себе подложку, измените шрифт, увеличьте или уменьшите текст ползунком — и ещё много чего, пробуйте. Всё, что вы меняете, сразу видно на видео. 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.
Скачайте результат. Большая синяя кнопка вшивает текст прямо в картинку и отдаёт MP4 со встроенными субтитрами. Рядом — файлы субтитров отдельно: SRT, VTT, ASS, TXT. Перед скачиванием субтитры можно перевести на другой язык и разметить, кто из говорящих что сказал.

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.

Инструменты оформления, анимации и рендеринга

Поддерживаемые языки — 10 направлений: русский, украинский, английский, немецкий, французский, испанский, итальянский, польский, турецкий, казахский. Плюс автоопределение.
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

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.

Субтитры на видео