Vosk (offline ASR)
Vosk を使い、動画の音声を、お使いのコンピューター上で時間付きの字幕に変換します。軽量で CPU のみで動作し、言語ごとの小さなモデルは 31〜48 MB のダウンロードです。ダウンロード後は、データがお使いのマシンの外に出ることはありません。
設定 アドオン Vosk (offline ASR) インストール
Subtitld がダウンロードして SHA-256 を確認し、最新の状態に保ちます。
- 言語
- 16
- モデル
- 19
- アドオンのダウンロード
- 16–31 MB
- RAM(最低)
- 2 GB
機能
言語を初めて文字起こしするとき、そのモデルがダウンロードされ、展開されます。進行状況はバーに表示されます。途中で中断されたダウンロードが、壊れたモデルとして残ることはありません。
Vosk が認識するたびに、各フレーズがすぐにタイムラインに表示されます。
Subtitld は話した各フレーズを Vosk に渡し、読み込まれたモデルはフレーズの間も保持されます。
短い音声チャンクごとと、ダウンロード中にも確認するため、ほぼすぐに停止します。
Vosk は声を区別しません。すべての字幕は話者 A に割り当てられます。
26.03 からアップグレードしますか? Vosk は以前は内蔵されていました。このアドオンはモデルを専用のフォルダーに保存するため、26.03 でダウンロードされたモデルは再利用されません。それぞれ、最初の使用時にもう一度ダウンロードされます。古いモデルは、Subtitld のモデルキャッシュ内の vosk-model-… フォルダーです。削除すると容量を確保できます。
モデル
言語ごとに、既定で使われる小さいモデルと、より高精度な 1〜1.9 GB の完全版モデルがあります。英語には、128 MB の l-graph モデルもあります。
アドオンは、字幕の言語に合った小さいモデルを選びます。別のモデルを使うには、アドオンの設定にある Vosk model に ID を入力します(例:vosk-model-en-us-0.22)。そのモデルはどの言語でも使われるため、別の言語で文字起こしする前には、その欄を空にしてください。
| モデル | 言語 | ダウンロード |
|---|---|---|
| English (US) — small 既定 vosk-model-small-en-us-0.15 | en-us | |
| English (US) — l-graph vosk-model-en-us-0.22-lgraph | en-us | |
| English (US) — full vosk-model-en-us-0.22 | en-us | |
| Portuguese — small 既定 vosk-model-small-pt-0.3 | pt-br | |
| Portuguese — full (Facebook) vosk-model-pt-fb-v0.1.1-20220516_2113 | pt-br | |
| Spanish — small 既定 vosk-model-small-es-0.42 | es | |
| Spanish — full vosk-model-es-0.42 | es | |
| French — small 既定 vosk-model-small-fr-0.22 | fr | |
| French — full vosk-model-fr-0.22 | fr | |
| German — small 既定 vosk-model-small-de-0.15 | de | |
| German — full vosk-model-de-0.21 | de | |
| Italian — small 既定 vosk-model-small-it-0.22 | it | |
| Italian — full vosk-model-it-0.22 | it | |
| Russian — small 既定 vosk-model-small-ru-0.22 | ru | |
| Russian — full vosk-model-ru-0.42 | ru | |
| Chinese — small 既定 vosk-model-small-cn-0.22 | zh-cn | |
| Chinese — full vosk-model-cn-0.22 | zh-cn | |
| Japanese — small 既定 vosk-model-small-ja-0.22 | ja | |
| Japanese — full vosk-model-ja-0.22 | ja |
モデルは、言語ごとに必要になった初回に一度だけ、alphacephei.com からダウンロードされます。
モデルの保存場所
アドオンのデータフォルダーに、モデルごとに1フォルダーずつ、ID の名前で保存されます。
| システム | フォルダー |
|---|---|
| Linux | ~/.local/share/subtitld/addons/vosk/models |
| macOS | ~/Library/Application Support/subtitld/addons/vosk/models |
| Windows | %LOCALAPPDATA%\subtitld\addons\vosk\models |
Linux と macOS では、このフォルダーはアドオン自身のフォルダー内にあるため、アドオンをアップデートまたはアンインストールするとモデルも削除されます。次に必要になったときに再ダウンロードされます。Windows では、削除するまで残ります。別の場所に保存するには、Subtitld を起動する前に SUBTITLD_VOSK_DATA_DIR に別のフォルダーを設定します。その場合、モデルはそのフォルダー内の models フォルダーに保存されます。
モデルを手動でインストールするには、そのフォルダーにモデルを解凍します。ファイルが、ID と同じ名前のフォルダーに入るようにしてください。
オプション
設定 › アドオン › Vosk (offline ASR) › 設定 で変更できます。
空欄の場合は、文字起こしする言語の小さなモデルを使います。上の表にあるモデル ID を入力すると、そのモデルを代わりに使い、すべての言語でそのモデルが使われます。
オン:お使いのコンピューターにないモデルは、必要になったときに alphacephei.com から自動的にダウンロードされます。オフ:モデルフォルダーにすでにあるモデルだけを使います。
言語
9言語があり、以下では16のタグとして示しています。各言語には、基本のタグと地域別のタグ(pt と pt-br)の両方があるためです。一覧にない地域タグは、主要言語を使います。たとえば en-gb にはアメリカ英語のモデルが、ポルトガル語のすべてにはブラジル版のモデルが使われます。
enen-usptpt-breses-esfrfr-frdede-deitit-itruzhzh-cnja
プラットフォーム
| システム | ダウンロード | 動作確認 |
|---|---|---|
| Linux x86-64 | 30.6 MB | CI でビルドのみ、実行はしていない |
| macOS (Apple シリコン) | 15.8 MB | CI でビルドのみ、実行はしていない |
| Windows x86-64 | 24.0 MB | CI でビルドのみ、実行はしていない |
CI は各ダウンロード用のビルドを作成しますが、起動はしません。そのため、リリースは実際の文字起こしでは確認されていません。
トラブルシューティング
model_missingモデルがモデルフォルダーになく、自動ダウンロードがオフになっています。Auto-download models on first use をオンにするか、モデルを手動でそのフォルダーに解凍してください。network_unavailablealphacephei.com からモデルをダウンロードできませんでした。接続を確認して、もう一度試してください。disk_fullモデルのダウンロードに必要な空き容量がありません。容量を空けるか、small モデルを使ってください。unsupported_languageVosk にはこの言語のモデルがありません。Whisper を試してください。internal音声の準備、モデルの展開、認識のいずれかに失敗しました。どこで失敗したかはメッセージに示されます。展開に失敗した場合は、もう一度実行してください。ダウンロードは最初からやり直されます。
ライセンス
商用利用に問題ありません。1つのモデルは Apache-2.0 ではなく GPL-3.0 です。完全版のポルトガル語(Facebook)モデルです。
バージョン
- 1.0.0
他の音声認識アドオン
-
Whisper オフライン
whisper.cpp によるオフライン音声認識。CPU のみで動作します。
-
RealtimeSTT オフライン
録音モード用。話しながら認識します。Whisper モデルを使い、コンピューター上で動作します。
-
AssemblyAI クラウド
話者分離付き。まだ利用できません。