Phonon-2 (offline, English)
Convierte la voz en inglés de tu vídeo en subtítulos sincronizados, en tu propio ordenador, con Phonon-2, el modelo de voz de Fermion Research. Funciona en la CPU, no necesita tarjeta gráfica ni cuenta, y nada sale de tu equipo.
Ajustes Complementos Phonon-2 (offline, English) Instalar
Subtitld lo descarga, comprueba su SHA-256 y lo mantiene actualizado.
- Idiomas
- 1
- Modelos
- 1
- Descarga del complemento
- 342 MB
Qué hace
El modelo de 164 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.
Funciona en la CPU. Indica cuántos núcleos puede usar, o deja que elija.
Phonon-2 corta la voz en frases y pausas, así que cada subtítulo empieza y termina donde lo hace quien habla.
Indica en Hotwords los nombres y términos que usa tu vídeo, y Phonon-2 los prefiere.
Modelos
Hay un solo modelo, Phonon-2. No viene dentro del complemento: 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 |
|---|---|---|
| Phonon-2 Predeterminado | Voz en inglés, de entrevistas a clases |
La primera transcripción también carga el modelo, por eso tarda más que las siguientes. Phonon-2 transcribe un archivo de una sola pasada: Cancelar surte efecto cuando esa pasada termina.
Opciones
En Ajustes › Complementos › Phonon-2 (offline, English) › Configurar.
Dónde se guarda el modelo. Déjalo vacío para usar la caché de modelos compartida de Subtitld, así al actualizar o quitar el complemento se conserva el modelo.
0Cuántos núcleos de la CPU usa Phonon-2. 0 elige por ti. Un valor nuevo se aplica la próxima vez que se cargue el modelo.
Nombres y términos de tu vídeo, separados por comas, hasta 25. Phonon-2 los prefiere, pero el audio sigue decidiendo.
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 | 341.8 MB | En equipos reales, y en contenedores limpios de Ubuntu 22.04, Debian 10, Fedora y Arch |
Por ahora, solo Linux x86-64, en distribuciones de 2018 en adelante (glibc 2.28 o más reciente). Las versiones para macOS y Windows aún no están listas.
Solución de problemas
unsupported_languagePhonon-2 solo conoce el inglés. Para otros idiomas, usa Whisper (sin conexión).model_missingNo se pudo descargar o cargar el modelo. Revisa tu conexión a internet en el primer uso, y la carpeta de Models folder si indicaste una.bad_paramsSubtitld no pudo entregar el audio. El mensaje indica por qué.oomSin memoria. Cierra otros programas, o transcribe un tramo en lugar del vídeo entero.disk_fullNo hay espacio en disco suficiente para el modelo o el audio decodificado. Libera algo e inténtalo de nuevo.internalAlgo falló dentro del complemento, a menudo ffmpeg al decodificar el audio. El mensaje da los detalles.
Licencia
Apto para uso comercial. El complemento y su motor son Apache-2.0. Los pesos de Phonon-2 son CC-BY-4.0, que pide reconocer a Fermion Research allí donde se compartan los propios pesos; el archivo NOTICE del complemento lo incluye. Los subtítulos que haces son tuyos.
Versiones
- 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.txtlists 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. - libquadmath (LGPL-2.1-or-later), in two builds, linked by the GCC Fortran runtime of numpy's and scipy's OpenBLAS:
Otros complementos de Voz a texto
-
Whisper Sin conexión
Voz a texto sin conexión con whisper.cpp, solo CPU.
-
Vosk Sin conexión
Ligero y solo CPU. Modelos desde unos 40 MB.
-
RealtimeSTT Sin conexión
Para el modo de grabación, mientras hablas. Modelos Whisper, en tu ordenador.
-
AssemblyAI Nube
Con separación de hablantes. Aún no disponible.
-
Whistle Sin conexión
Pequeño, sin conexión y solo CPU. Siete idiomas europeos.