RealtimeSTT
Spracherkennung für den Aufnahmemodus. Während Sie aufnehmen, streamt Subtitld Ihr Mikrofon dorthin: Die Wörter erscheinen, während Sie sprechen, und jeder fertige Satz füllt seinen Untertitel. Es nutzt faster-whisper-Modelle auf Ihrem eigenen Computer, die einmal von Hugging Face geladen werden.
Einstellungen Erweiterungen RealtimeSTT Installieren
Subtitld lädt sie herunter, prüft ihren SHA-256-Wert und hält sie aktuell.
- Sprachen
- 30
- Download der Erweiterung
- 281–483 MB
- RAM, mindestens
- 2 GB
Was sie tut
Im Aufnahmemodus erscheint der Text, während Sie sprechen, und wird laufend verfeinert. Subtitld zeigt ihn für sich, bis der Satz fertig ist.
Jeder fertige Satz trägt die Zeit, zu der er gesprochen wurde, und füllt den Untertitel, der an diesem Moment geschnitten wurde.
Wenn Sie eine Pause machen, wartet es bis zu einer Minute auf den Satz, den Sie noch sprachen, und fügt ihn hinzu, bevor er fertig ist.
Von einer Aufnahme zur nächsten in derselben Sprache bleibt das Modell geladen, sodass spätere Aufnahmen starten, ohne es erneut zu laden.
Um sie zu verwenden, wählen Sie sie als Transkriptions-Engine im Tab Audio unter Aufnahme.
Im Transkriptionsfenster verwenden Sie Bereich oder Auswahl. Subtitld schneidet diese in WAV, das einzige Audio, das diese Erweiterung liest. Mit Alles erhält sie das eigene Audio des Videos und stoppt mit bad_audio. Jeder Lauf ergibt einen Untertitel für den ganzen Abschnitt, daher eignet sie sich am besten, um einen ausgewählten Untertitel zu füllen. Ein Lauf lässt sich nicht abbrechen: Er läuft immer zu Ende.
Modelle
Wählen Sie das Modell unter Modell: tiny, base, small (der Standard), medium oder large-v3, dazu die nur auf Englisch laufenden .en-Versionen aller außer large-v3. Größere Modelle sind genauer, langsamer und schwerer.
Das Modell wird beim ersten Gebrauch von Hugging Face geladen und für das nächste Mal aufbewahrt. Das Laden dauert bei den großen Modellen von Sekunden bis zu einer Minute. Im Aufnahmemodus wird es zweimal geladen, einmal für den Live-Text und einmal für die fertigen Sätze; wenn Ihrem Computer der Arbeitsspeicher knapp wird, wählen Sie ein kleineres.
Optionen
In Einstellungen › Erweiterungen › RealtimeSTT › Konfigurieren.
smallDas Whisper-Modell; siehe Modelle oben. Größer ist genauer, langsamer und schwerer. Namen, die auf .en enden, verstehen nur Englisch.
autoWo das Modell läuft. In den Builds, die Subtitld installiert, wählt auto immer die CPU: Es fragt PyTorch nach einer CUDA-GPU, und diese Builds enthalten PyTorch ohne CUDA. Wählen Sie cuda, um direkt eine NVIDIA-GPU anzufordern; CI testet das nicht.
defaultDie Genauigkeit der Zahlen, mit denen das Modell rechnet. default überlässt die Wahl der Engine; int8 ist auf einer CPU am schnellsten; float16 eignet sich für GPUs.
Zeigt im Transkriptionsfenster Text, während eine Phrase noch dekodiert wird; der endgültige Text ersetzt ihn. Der Aufnahmemodus zeigt immer Live-Text, egal was hier steht.
Die Erweiterung liest diese Einstellungen beim Start, daher gilt eine Änderung erst beim nächsten Start, zum Beispiel nachdem Sie Subtitld neu gestartet haben.
Sprachen
Regionale Kennungen gehen an Whisper als ihre Hauptsprache: pt-br wird als pt gesendet.
enptpt-bresfrdeitnlrupluktrarzhjakohiidsvfidanocselherohucathvi
Plattformen
| System | Download | Getestet |
|---|---|---|
| Linux x86-64 | 482.7 MB | In CI, ohne Modell |
| macOS (Apple Silicon) | 377.0 MB | In CI, ohne Modell |
| Windows x86-64 | 280.6 MB | In CI, ohne Modell |
Vor jeder Veröffentlichung führt CI die Tests der Erweiterung auf jedem System aus und startet die gebaute Erweiterung, um zu prüfen, dass ihre Spracherkennung lädt. In CI läuft keine Transkription, da dafür ein Modell nötig wäre.
Fehlerbehebung
bad_audioDas Audio ist kein WAV. Verwenden Sie im Transkriptionsfenster Bereich oder Auswahl statt Alles.internalDie Transkription ist fehlgeschlagen; die Meldung sagt, warum. Beim ersten Gebrauch wurde das Modell vielleicht nicht heruntergeladen: Prüfen Sie Ihre Verbindung und versuchen Sie es erneut. Wenn Sie Device aufcudagestellt haben, stellen Sie es wieder aufauto.not_installedDie Spracherkennung in der Erweiterung wurde nicht geladen. Installieren Sie die Erweiterung neu.
Lizenz
Unbedenklich für kommerzielle Arbeit: die Erweiterung, RealtimeSTT, faster-whisper und die Whisper-Gewichte sind alle MIT.
Versionen
- 0.1.2