Parakeet & Nemotron sin conexión, 33 idiomas

Qué hace

Cómo se usa

Para transcribir un archivo, abre la pestaña Importar, elige Parakeet & Nemotron como Motor de transcripción, ajusta el Idioma del subtítulo y pulsa Iniciar la transcripción. Los subtítulos aparecen en la línea de tiempo mientras el resto aún se transcribe: el audio va de minuto en minuto (de medio minuto en medio minuto con Nemotron), así que la barra de progreso no se detiene y Cancelar surte efecto en pocos segundos.

Para los subtítulos en vivo, abre la pestaña Audio y elígelo como Motor de transcripción bajo Grabación.

Modelos

Hay tres modelos, y ninguno viene dentro del complemento. Cada uno se descarga en la caché de modelos compartida de Subtitld la primera vez que hace falta, desde las propias páginas de NVIDIA en Hugging Face, fijado a una revisión y comprobado con su huella. Una descarga interrumpida continúa donde se quedó. Actualizar o quitar el complemento los conserva.

El ajuste Model del complemento decide qué modelo transcribe un archivo. En Automatic, el predeterminado, Parakeet se encarga de los 25 idiomas que conoce y Nemotron de los otros ocho. También puedes elegir Nemotron para un idioma que conocen los dos; aun así, Parakeet sigue siendo la mejor opción.

Parakeet sitúa cada palabra en el momento en que la oye. Nemotron sitúa una palabra cuando la escribe, cerca de su final, así que el complemento lleva cada palabra de vuelta al punto en que se dice. En una película de prueba, el 76 % de los subtítulos de Nemotron empiezan a menos de medio segundo de los subtítulos originales de la película, frente al 85 % de Parakeet. Sobre música y efectos de sonido, Nemotron a menudo no escribe puntuación, así que sus subtítulos también terminan en una pausa de 0,8 segundos.

Medido en el procesador de un portátil (Intel i7-13700T):

Dónde se guardan los modelos

Los tres modelos ocupan unos 1,6 GB. Borra la carpeta para liberar el espacio; cada modelo se vuelve a descargar la próxima vez que haga falta.

Subtítulos en vivo

Mientras grabas, Nemotron escucha un poco más allá de cada palabra (560 ms por defecto; consulta Live caption delay) y escribe las palabras mientras hablas. Subtitld las muestra hasta que termina la frase, y entonces la frase rellena su subtítulo. Una frase termina tras 0,8 segundos sin una palabra nueva.

La primera vez se descarga el modelo Nemotron de 742 MB, y el progreso de la descarga se muestra donde aparecerán las palabras. Los subtítulos en vivo salen en minúsculas y sin puntuación más a menudo que los de archivos: para un texto limpio, transcribe después la grabación con Parakeet. Las etiquetas de hablante son solo para archivos.

Opciones

En Ajustes › Complementos › Parakeet & Nemotron (offline, 33 languages) › Configurar.

Idiomas

33 idiomas. Parakeet conoce 25: alemán, búlgaro, checo, croata, danés, eslovaco, esloveno, español, estonio, finés, francés, griego, húngaro, inglés, italiano, letón, lituano, maltés, neerlandés, polaco, portugués, rumano, ruso, sueco y ucraniano. Nemotron conoce 28: todos esos salvo el griego, el letón, el lituano, el maltés y el esloveno, y además árabe, chino, hindi, japonés, coreano, noruego, turco y vietnamita. Los subtítulos en vivo cubren los 28 de Nemotron.

Deja el idioma vacío y Parakeet averigua cuál de sus 25 se habla. A Nemotron se le indica el idioma y, para inglés, español, francés y portugués, también la variante: en-gb, es-es, fr-ca y pt-br dan inglés británico, español de España, francés canadiense y portugués de Brasil. Sin región, espera inglés americano, español de América, francés de Francia y portugués europeo. Un idioma que no conoce ningún modelo recibe un mensaje con la lista de los que sí conocen.

• ar
• bg
• cs
• da
• de
• el
• en
• es
• et
• fi
• fr
• hi
• hr
• hu
• it
• ja
• ko
• lt
• lv
• mt
• nb
• nl
• pl
• pt
• ro
• ru
• sk
• sl
• sv
• tr
• uk
• vi
• zh

Plataformas

Linux x86-64 (cualquier distribución desde 2018), macOS en Apple Silicon y Windows x86-64. En x86-64 el procesador necesita AVX2: Intel desde 2013 y AMD desde 2015. ffmpeg viene con Subtitld.

En un Mac, el complemento prueba una vez el procesador gráfico (Metal), en un proceso aparte, y usa el procesador si falla. El resultado se guarda en la carpeta de modelos, en metal-check.json. Para elegir tú, define PARAKEET_NEMOTRON_DEVICE como cpu o gpu antes de iniciar Subtitld.

Cada versión se compila en los tres sistemas, y en cada uno la CI instala el complemento como lo hace Subtitld, descarga los modelos y transcribe un archivo con cada modelo, con etiquetas de hablante, y en vivo.

Solución de problemas

• unsupported_languageEl modelo no puede transcribir el idioma del proyecto; el mensaje indica los que sí puede. Pon Model en Automatic, o elige otro motor. El griego, el letón, el lituano, el maltés y el esloveno no tienen subtítulos en vivo: transcribe el archivo después.
• network_unavailableNo se pudo descargar un modelo, o un archivo descargado no pasó su comprobación y se descartó. Comprueba tu conexión y vuelve a intentarlo: la descarga continúa donde se quedó.
• disk_fullNo hay espacio en disco suficiente para los modelos o el audio decodificado. Los tres modelos ocupan unos 1,6 GB.
• oomSin memoria. Cierra otros programas: una película larga necesita unos 1,3 GB.
• bad_paramsSubtitld no pudo entregar el audio; el mensaje indica por qué.
• internalAlgo falló dentro del complemento, a menudo ffmpeg al decodificar el audio o un modelo que no se pudo cargar. El mensaje da los detalles. Si dice que al procesador le falta AVX2, este ordenador no puede ejecutar el complemento.

Licencia

Apto para uso comercial. El complemento y NeMo-Speech.cpp de NVIDIA son Apache-2.0. Parakeet es CC-BY-4.0, que pide reconocer a NVIDIA allí donde se compartan los propios pesos. Los dos modelos Nemotron están bajo OpenMDW-1.1, una licencia permisiva para modelos que no pone límites a lo que hagas con ellos. Los modelos se descargan de NVIDIA; el complemento no los incluye. Los subtítulos que haces son tuyos.