Whisper (offline)
whisper.cpp 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。クラウドアカウントもグラフィックスカードも、Python のインストールも不要です。モデルは一度選ぶだけで、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 Whisper (offline) 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
- 99
- モデル
- 9
- アドオンのダウンロード
- 21–46 MB
- RAM（最低）
- 512 MB
機能
デコード中にセグメントがタイムラインに表示され、その後、断片ではなく1文が1つの字幕になるよう再グループ化されます。
動画全体、一部の区間、または選択した字幕だけを文字起こしできます。
モデルはフレーズの間も読み込まれたままになるため、待つのは最初のフレーズだけです。
約1秒以内に停止します。デコードの途中でも停止し、中途半端な結果が残ることはありません。
26.03 からアップグレードしますか？ このエンジンは以前は内蔵されていました。ID、設定、モデルファイルはそのまま引き継がれるため、設定やダウンロード済みのモデルは、新たにダウンロードしなくても使えます。
モデル
大きいモデルほど間違いが少なくなりますが、時間がかかります。Base が既定で、最初に使うのに適しています。人名、アクセント、ノイズの多い音声には Small や Medium を試してください。.en 版は英語のみを認識しますが、少し速くなります。
| モデル | ダウンロード | RAM | 向いている用途 |
|---|---|---|---|
| Tiny tiny · tiny.en | ~0.3 GB | 簡単な下書き、遅いコンピューター | |
| Base 既定 base · base.en | ~0.4 GB | はっきりした音声、ほとんどの動画 | |
| Small small · small.en | ~0.9 GB | アクセント、人名、インタビュー | |
| Medium medium · medium.en | ~2.1 GB | ノイズの多い音声、複数の言語 | |
| Large v3 large-v3 | ~3.9 GB | 最高の結果、時間に余裕があるとき |
モデルは、初めて使うときに一度だけ、Hugging Face の ggerganov/whisper.cpp からダウンロードされます。
モデルの保存場所
モデルは Subtitld の共有モデルキャッシュに保存され、アドオンの中には保存されないため、アップデートしても削除されません。アドオンをアンインストールしてもモデルは残ります。空き容量を確保するには、フォルダーを手動で削除してください。
| システム | フォルダー |
|---|---|
| Linux | ~/.cache/subtitld/models/whispercpp |
| macOS | ~/Library/Caches/subtitld/models/whispercpp |
| Windows | %LOCALAPPDATA%\subtitld\subtitld\Cache\models\whispercpp |
オプション
設定 › アドオン › Whisper (offline) › 設定 で変更できます。
base使用するモデル。上の表を参照してください。
0「自動」では最大4スレッドを使用します。コア数の多いコンピューターでは、値を上げるとより速くなります。
1文につき1字幕になります。オフにすると Whisper 独自のセグメントを保持しますが、文の途中で区切られることがよくあります。
空欄の場合は、Subtitld の共有モデルキャッシュを使います。別のドライブにモデルを保存する場合は、別の場所を指定してください。
言語
99言語に対応しています。言語を空欄にすると自動検出されます。pt-br などの地域タグは、主要言語として扱われます。中国語のすべての地域版は zh になります。Subtitld の対応言語のうち、ズールー語だけは未対応です。
afamarasazbabebgbnbobrbscacscydadeeleneseteufafifofrglguhahawhehihrhthuhyidisitjajwkakkkmknkolalblnloltlvmgmimkmlmnmrmsmtmynenlnnnoocpaplpsptrorusasdsiskslsnsosqsrsusvswtatetgthtktltrttukuruzviyiyozh
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 | 46.3 MB | 実機および CI で確認 |
| macOS (Apple シリコン) | 21.4 MB | CI で確認 |
| Windows x86-64 | 21.7 MB | CI で確認 |
リリースのたびに、各ビルドは CI 上で、Subtitld がインストールするのと同じ方法でインストールされた状態から、実際の文字起こしを行います。
トラブルシューティング
model_missingモデルファイルが見つからないか、破損しています。メッセージにファイル名が表示されます。そのファイルを削除してから、もう一度実行すると新たにダウンロードされます。network_unavailableモデルをダウンロードできませんでした。もう一度試してください。プロキシで HTTPS を検査している場合は、SSL_CERT_FILEにその証明書を設定してください。disk_fullモデルの保存に必要な空き容量がありません。容量を空けるか、モデルのフォルダーを移動してください。oomメモリが不足しています。小さいモデルを選んでください。unsupported_languageWhisper がこの言語に対応していません。Vosk を試すか、自動検出を使ってください。
ライセンス
商用利用に問題ありません。ほかのアドオンの中には、モデルを非商用利用に限定しているものもあります。その場合は、各ページの冒頭に記載されています。
バージョン
- 0.0.1
Offline speech-to-text for Subtitld with whisper.cpp (pywhispercpp 1.5.1).
Models are not included: the selected GGML model downloads once on first use into Subtitld's shared model cache, so models downloaded by earlier Subtitld versions are reused.
The add-on is Apache-2.0. Each archive contains
THIRD_PARTY_LICENSES/with the licences of the third-party components frozen into it: whisper.cpp and pywhispercpp are MIT, pybind11 and numpy are BSD-3-Clause, and the Python runtime and its libraries are under their own permissive licences.The Linux archive also ships, inside numpy's OpenBLAS, the GCC Fortran runtime (GPL-3.0 with the GCC Runtime Library Exception) and libquadmath (LGPL-2.1-or-later). The complete source of that libquadmath build is attached here as
whispercpp-addon-<version>-libquadmath-source.tar.gz; the add-on's own source iswhispercpp-addon-<version>-source.tar.gz.
他の音声認識アドオン
-
Vosk オフライン
軽量で CPU のみで動作。モデルは約 40 MB から。
-
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。