Stažení

Phonon-2 (offline, English)

Řeč na textOfflinePouze CPUKomerční použití povoleno

Promění anglickou řeč ve vašem videu v časované titulky na vašem vlastním počítači pomocí Phonon-2, řečového modelu od Fermion Research. Běží na CPU, nepotřebuje grafickou kartu ani účet a nic neopustí váš počítač.

Nainstalujte ho z Subtitld

Nastavení Doplňky Phonon-2 (offline, English) Instalovat

Subtitld ho stáhne, ověří jeho SHA-256 a bude ho udržovat aktuální.

Zdrojový kód na GitHubu
Jazyky
1
Modely
1
Stažení doplňku
342 MB

Co dělá

Offline po jednom stažení

Model o velikosti 164 MB se stáhne jednou, při prvním přepisu, a ověří se podle pevně daného otisku. Od té doby není internet potřeba.

Bez grafické karty

Běží na CPU. Nastavte, kolik jader smí použít, nebo to nechte na něm.

Titulky, které se dobře čtou

Phonon-2 dělí řeč u vět a pauz, takže každý titulek začíná a končí tam, kde mluvčí.

Vaše jména správně

Zapište do Hotwords jména a výrazy z vašeho videa a Phonon-2 jim dá přednost.

Modely

Je jen jeden model, Phonon-2. Není uvnitř doplňku: stáhne se do sdílené mezipaměti modelů Subtitld při prvním přepisu, takže aktualizace doplňku jej znovu nestahuje.

Model StaženíVhodné pro
Phonon-2 Výchozí
164 MB
Anglická řeč, od rozhovorů po přednášky

První přepis také načítá model, takže trvá déle než ty další. Phonon-2 přepisuje soubor v jednom průchodu: Zrušit zabere, až ten průchod skončí.

Možnosti

V Nastavení › Doplňky › Phonon-2 (offline, English) › Nastavit.

Models folder
Výchozí: prázdné

Kde je model uložen. Nechte prázdné, aby se sdílela mezipaměť modelů Subtitld; při aktualizaci nebo odebrání doplňku pak model zůstane.

CPU threads
Výchozí: 0

Kolik jader CPU Phonon-2 používá. 0 vybere za vás. Nová hodnota platí od dalšího načtení modelu.

Hotwords
Výchozí: prázdné

Jména a výrazy z vašeho videa, oddělené čárkami, nejvýše 25. Phonon-2 jim dává přednost, ale rozhoduje zvuk.

Jazyky

Pouze angličtina. Když necháte jazyk prázdný nebo na automatickém rozpoznání, přepisuje se stejně anglicky. Projekt nastavený na jiný jazyk je odmítnut: pro ty použijte Whisper (offline).

  • en

Platformy

Systém StaženíOtestováno
Linux x86-64 341.8 MBNa skutečných počítačích a v čistých kontejnerech Ubuntu 22.04, Debian 10, Fedora a Arch

Zatím pouze Linux x86-64, na distribucích od roku 2018 (glibc 2.28 nebo novější). Sestavení pro macOS a Windows ještě nejsou hotová.

Řešení potíží

  • unsupported_languagePhonon-2 umí jen anglicky. Pro jiné jazyky použijte Whisper (offline).
  • model_missingModel se nepodařilo stáhnout ani načíst. Při prvním použití zkontrolujte připojení k internetu, a také Models folder, pokud jste ji nastavili.
  • bad_paramsSubtitld nedokázal předat zvuk. Zpráva uvede proč.
  • oomNedostatek paměti. Zavřete jiné programy, nebo přepište rozmezí místo celého videa.
  • disk_fullNa disku není dost místa pro model nebo dekódovaný zvuk. Uvolněte nějaké a zkuste to znovu.
  • internalUvnitř doplňku něco selhalo, často ffmpeg při dekódování zvuku. Zpráva obsahuje podrobnosti.

Licence

Doplněk
Apache-2.0
Engine
Apache-2.0
fermion-research od Fermion Research
Model
CC-BY-4.0
Váhy Phonon-2

Vhodné pro komerční práci. Doplněk i jeho engine jsou pod Apache-2.0. Váhy Phonon-2 jsou pod CC-BY-4.0, která žádá uvést Fermion Research všude, kde se sdílejí samotné váhy; obsahuje to soubor NOTICE doplňku. Titulky, které vytvoříte, jsou vaše.

Verze

  • 0.0.1

    Offline English speech-to-text for Subtitld with Phonon-2 from Fermion Research (fermion-research 0.2.11).

    Linux x86-64 for now. The archive runs on glibc 2.28 and newer, and was tested from the archive in clean Ubuntu 22.04, Debian 10, Fedora 44 and Arch Linux containers, with a real transcription in each. macOS and Windows builds are not done yet.

    The model is not included: Phonon-2 (164 MB, CC-BY-4.0) downloads once on first use into Subtitld's shared model cache, checked against a sha256 pinned in fermion-research. English only; the Whisper (offline) add-on covers other languages. The engine runs on torch, so the download is large, about 340 MB.

    The add-on is Apache-2.0. The archive contains THIRD_PARTY_LICENSES/ with the licences of everything frozen into it; INDEX.txt lists every shared library and the notice that covers it. The Phonon engine and transformers are Apache-2.0, torch and numpy are BSD-3-Clause, and the Python runtime and its libraries are under their own licences.

    The archive also ships LGPL code, and its complete source is attached here:

    • libquadmath (LGPL-2.1-or-later), in two builds, linked by the GCC Fortran runtime of numpy's and scipy's OpenBLAS: phonon2-addon-0.0.1-libquadmath-source.tar.gz.
    • libsndfile (LGPL-2.1-or-later) from soundfile, with LAME and mpg123 (LGPL) and libFLAC, libogg, libvorbis and Opus (BSD) linked into it: phonon2-addon-0.0.1-libsndfile-source.tar.gz.

    Each tarball's README says which build it is and how to rebuild it. The add-on's own source is phonon2-addon-0.0.1-source.tar.gz.

Další doplňky skupiny Řeč na text

Aktualizováno · Z katalogu doplňků Nahlásit problém s tímto doplňkem