Convierte la voz en inglés de tu vídeo en subtítulos sincronizados, en tu propio ordenador, con Bark 3.0, el modelo de voz de Conway Research. Funciona en la CPU, no necesita tarjeta gráfica ni cuenta, y nada sale de tu equipo.

Qué hace

Sin conexión tras una descarga

El modelo de 163 MB se descarga una vez, la primera vez que transcribes, y se comprueba con una huella fija. A partir de ahí, no hace falta internet.

Ninguna tarjeta gráfica

Funciona en la CPU, muchas veces más rápido de lo que dura el audio: un vídeo de diez minutos tarda menos de un minuto en un ordenador de sobremesa.

Puntuación y mayúsculas

Bark 3.0 escribe frases, no un chorro de palabras: comas, puntos, mayúsculas y números salen como los escribirías tú.

Un subtítulo por frase

Cada palabra tiene su propio tiempo, así que cada subtítulo es una frase entera, como con AssemblyAI. Desactiva One cue per sentence y las frases largas se dividen para que se lean bien.

Modelos

Hay cuatro modelos de Bark 3.0. Se usa Bark 3.0 salvo que elijas otro en Model; los demás solo se descargan si los eliges. Ninguno viene dentro del complemento: el que usas se descarga en la caché de modelos compartida de Subtitld la primera vez que transcribes, así que actualizar el complemento no lo descarga otra vez.

Modelo	Descarga	Ideal para
Bark 3.0 (0.6B, verbatim) Predeterminado bark3	163 MB	Inglés hablado del día a día, palabra por palabra
Bark 3.0 Plus (0.6B, verbatim, more accurate) bark3-plus	180 MB	Algo más preciso, palabra por palabra
Bark 3.0 Clean (0.6B, drops fillers and false starts) bark3-clean	179 MB	Subtítulos limpios: quita los «um», «uh» y los arranques en falso
Bark 3.0 Pro (0.6B, full precision) bark3-pro	1.3 GB	El más preciso, para el audio más difícil

Tras la descarga, el complemento prepara el modelo para tu ordenador, una sola vez, en cerca de medio minuto. Ya preparado, cada modelo ocupa unos 650 MB de disco y necesita unos 1,2 GB de memoria mientras transcribe, y los cuatro van a la misma velocidad. Clean quita muletillas como «um» y «uh» y los arranques en falso de una frase, que suele ser lo que debe mostrar un subtítulo; elige Bark 3.0 o Plus para una transcripción palabra por palabra.

Los vídeos largos se transcriben en tramos de unos 30 segundos, así que la barra de progreso no se detiene y Cancelar surte efecto en pocos segundos.

Opciones

En Ajustes › Complementos › Bark 3.0 (offline, English) › Configurar.

Model

Predeterminado: bark3

Qué modelo de Bark 3.0 transcribe. Cada uno se descarga la primera vez que lo eliges; los demás no se descargan nunca.

CPU threads

Predeterminado: 0

Cuántos núcleos de la CPU usa Bark 3.0. 0 elige la mitad, 8 como máximo. Un valor nuevo se aplica la próxima vez que se cargue el modelo.

One cue per sentence

Predeterminado: activado

Activado: un subtítulo por frase, por larga que sea, como en AssemblyAI. Desactivado: una frase larga se divide en subtítulos de unas dos líneas o 7 segundos como máximo.

Idiomas

Solo inglés. Dejar el idioma vacío, o en detectar, sigue transcribiendo inglés. Un proyecto en otro idioma se rechaza: para esos, usa Whisper (sin conexión).

en

Plataformas

Sistema	Descarga	Probado
Linux x86-64	57.9 MB	En equipos reales y en CI
macOS (Apple silicon)	39.8 MB	En CI
Windows x86-64	34.7 MB	En CI

Linux x86-64, macOS en Apple silicon y Windows x86-64. ffmpeg viene con Subtitld.

Solución de problemas

unsupported_languageBark 3.0 solo conoce el inglés. Para otros idiomas, usa Whisper (sin conexión).
networkNo se pudo descargar el modelo. Revisa tu conexión a internet e inténtalo de nuevo: una descarga interrumpida continúa donde se quedó.
model_missingNo se pudo cargar el modelo preparado. El mensaje indica su carpeta: bórrala, y la próxima transcripción lo preparará de nuevo.
bad_paramsSubtitld no pudo entregar el audio, o el ajuste del modelo es desconocido. El mensaje indica por qué.
oomSin memoria. Cierra otros programas e inténtalo de nuevo.
disk_fullNo hay espacio en disco suficiente para preparar el modelo o decodificar el audio. Bark 3.0 necesita unos 900 MB mientras se prepara, Pro unos 2 GB.
internalAlgo falló dentro del complemento, a menudo ffmpeg al decodificar el audio. El mensaje da los detalles.

Licencia

Complemento

Apache-2.0

Motor

MIT

ONNX Runtime, de Microsoft

Modelo

CC-BY-4.0

Pesos de Bark 3.0, de Conway Research, a partir de NVIDIA Parakeet

Apto para uso comercial. El complemento es Apache-2.0 y ONNX Runtime es MIT. Los pesos de Bark 3.0 son CC-BY-4.0, de Conway Research, creados a partir del modelo Parakeet de NVIDIA; la licencia pide reconocimiento allí donde se compartan los propios pesos, y el archivo NOTICE del complemento lo incluye. Los subtítulos que haces son tuyos.

Bark 3.0 (offline, English)