Whisper jalan di dalam aplikasi
HookWise menjalankan Whisper lewat whisper.cpp di komputermu, dan di Mac memakai Metal. Audio dibaca langsung dari file lalu diubah jadi teks, dan setiap kata diberi waktu mulai dan selesai. Transkripnya tersimpan di proyek, jadi caption, hapus filler dan AI Clipping memakai teks yang sama.
Ada tiga model. Base, sekitar 148 MB, sudah ikut di installer. Small, sekitar 488 MB, dan Medium, sekitar 1,5 GB, diunduh dari dalam aplikasi lewat Hugging Face, dan HookWise mengecek file unduhannya sebelum dipakai. Model yang sudah diunduh bisa dihapus lagi kalau ruang disk mulai penuh.
Memilih model sesuai rekamanmu
Mulai dari Base untuk rekaman yang bersih, misalnya mic podcast atau mic clip-on di ruangan yang tenang. Naik ke Small atau Medium kalau ruangannya bergema, ada musik di bawah suara, logat pembicaranya kuat, atau topiknya penuh istilah teknis. Model yang lebih besar biasanya lebih akurat dan butuh waktu lebih lama di komputer yang sama.
Tentukan bahasanya sendiri kalau kamu sudah tahu. Auto-detect praktis untuk file yang belum jelas bahasanya, sedangkan bahasa yang ditetapkan bisa mencegah tebakan keliru saat video dibuka dengan musik atau salam dalam bahasa lain. Untuk video YouTube yang sudah punya auto-caption, impor saja caption-nya dan kamu bisa melewati transkripsi.
Soal kecepatan dan ketepatan
Transkripsi jalan offline di semua paket dan tidak ada yang diupload. Internet hanya dipakai untuk mengunduh Small atau Medium, atau untuk impor dari link. Lamanya proses tergantung durasi video, model dan komputermu. HookWise tidak mencantumkan angka kecepatan, jadi coba satu episode yang biasa kamu buat selama trial 7 hari.
Tidak ada model yang selalu benar di setiap kata. Cek nama orang, merek dan kalimat yang campur bahasa, lalu edit barisnya di panel transkrip. Selama jumlah katanya sama, setiap kata tetap memegang timestamp-nya, jadi caption tetap pas setelah kamu betulkan. Untuk draf cepat, pakai Base dulu, lalu ulangi dengan model yang lebih besar kalau hasilnya banyak salah.
