RealtimeSTT
Riconoscimento vocale per la modalità di registrazione. Mentre registra, Subtitld invia il suo microfono a questo componente: le parole compaiono mentre parla, e ogni frase completata riempie il suo sottotitolo. Usa modelli faster-whisper sul suo computer, scaricati una volta sola da Hugging Face.
Impostazioni Componenti aggiuntivi RealtimeSTT Installa
Subtitld lo scarica, ne verifica lo SHA-256 e lo tiene aggiornato.
- Lingue
- 30
- Download del componente
- 281–483 MB
- RAM, almeno
- 2 GB
Cosa fa
In modalità di registrazione il testo compare mentre parla e si affina man mano. Subtitld lo mostra da solo finché la frase non è completata.
Ogni frase completata porta l'ora in cui è stata detta, così riempie il sottotitolo tagliato in quel momento.
Quando fa una pausa, attende la frase che stava ancora dicendo, fino a un minuto, e la aggiunge prima di terminare.
Da una registrazione alla successiva nella stessa lingua il modello resta caricato, quindi le successive partono senza ricaricarlo.
Per usarlo, lo scelga come Motore di trascrizione nella scheda Audio, sotto Registrazione.
Nel pannello di trascrizione, usi Intervallo o Selezione. Subtitld riduce questi a WAV, l'unico audio che questo componente legge. Con Tutto riceve l'audio proprio del video e si ferma con bad_audio. Ogni esecuzione produce un solo sottotitolo per l'intero tratto, quindi è più adatto a riempire un sottotitolo selezionato. Un'esecuzione non si può annullare: termina sempre.
Modelli
Scelga il modello in Modello: tiny, base, small (il predefinito), medium o large-v3, e le versioni solo inglese .en di tutti tranne large-v3. I modelli più grandi sono più precisi, più lenti e più pesanti.
Il modello si scarica da Hugging Face la prima volta che viene usato, e viene conservato per la volta successiva. Il caricamento richiede da pochi secondi a un minuto per i modelli grandi. In modalità di registrazione viene caricato due volte, una per il testo in diretta e una per le frasi completate, quindi se il suo computer ha poca memoria scelga un modello più piccolo.
Opzioni
In Impostazioni › Componenti aggiuntivi › RealtimeSTT › Configuri.
smallIl modello Whisper; vedi Modelli sopra. Più grande significa più preciso, più lento e più pesante. I nomi che terminano con .en capiscono solo l'inglese.
autoDove gira il modello. Nelle build installate da Subtitld, auto sceglie sempre la CPU: chiede a PyTorch una GPU CUDA, e quelle build includono PyTorch senza CUDA. Scelga cuda per chiedere direttamente una GPU NVIDIA; la CI non lo verifica.
defaultLa precisione dei numeri con cui lavora il modello. default lascia scegliere il motore; int8 è il più veloce su CPU; float16 è adatto alle GPU.
Nel pannello di trascrizione, mostra il testo mentre una frase è ancora in decodifica; il testo finale lo sostituisce. La modalità di registrazione mostra sempre il testo in diretta, qualunque sia questa impostazione.
Il componente legge queste impostazioni all'avvio, quindi una modifica si applica alla prossima partenza, per esempio dopo aver riavviato Subtitld.
Lingue
I tag regionali vengono passati a Whisper come lingua principale: pt-br viene inviato come pt.
enptpt-bresfrdeitnlrupluktrarzhjakohiidsvfidanocselherohucathvi
Piattaforme
| Sistema | Download | Testato |
|---|---|---|
| Linux x86-64 | 482.7 MB | In CI, senza modello |
| macOS (Apple silicon) | 377.0 MB | In CI, senza modello |
| Windows x86-64 | 280.6 MB | In CI, senza modello |
Prima di ogni rilascio, la CI esegue i test del componente su ogni sistema e avvia il componente compilato per verificare che il riconoscimento del parlato si carichi. Nessuna trascrizione viene eseguita in CI, perché richiede un modello.
Risoluzione dei problemi
bad_audioL'audio non è in WAV. Nel pannello di trascrizione usi Intervallo o Selezione invece di Tutto.internalLa trascrizione non è riuscita; il messaggio dice perché. Al primo utilizzo il modello potrebbe non essersi scaricato: controlli la connessione e riprovi. Se ha impostato Device sucuda, torni suauto.not_installedIl motore di riconoscimento vocale interno al componente non si è caricato. Reinstalli il componente.
Licenza
Va bene per uso commerciale: il componente, RealtimeSTT, faster-whisper e i pesi Whisper sono tutti MIT.
Versioni
- 0.1.2