Whistle (offline)
Cactus Compute の音声モデル Whistle 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。17 MB のモデルはアドオンに含まれているため、初回のダウンロードもグラフィックスカードも不要で、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 Whistle (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
- 7
- モデル
- 1
- アドオンのダウンロード
- 23–31 MB
- RAM（最低）
- 512 MB
機能
モデルとエンジンはアドオンに含まれています。インストールすればすぐに、オフラインでも文字起こしできます。
CPU で動作し、メモリもあまり使いません。デスクトップコンピューターでは、20分の音声が約2分で処理されます。
長い音声は約1分ずつ文字起こしされるため、進行バーが動き続け、キャンセルも1分以内に反映されます。
動画で使われる人名や専門用語を「Keywords」に入力すると、Whistle は単語に自信がないときにそれらを優先します。
モデル
モデルは Whistle の1つだけで、すでにアドオンに含まれています。
| モデル | ダウンロード | 向いている用途 |
|---|---|---|
| Whistle 既定 | 対応する7言語のはっきりした音声 |
Whistle は読点や句点を付けないことがあります。付いている場合は1文が1つの字幕になり、付いていない場合は約2行分のテキストまたは7秒ごとに字幕が区切られます。
オプション
設定 › アドオン › Whistle (offline) › 設定 で変更できます。
動画に出てくる人名や専門用語を、カンマで区切って入力します。Whistle は単語に自信がないとき、これらの語を優先するため、誤って綴りがちな名前も正しく出力されます。
言語
英語、ドイツ語、フランス語、スペイン語、イタリア語、オランダ語、ポーランド語。言語を空欄にすると自動検出されます。それ以外の言語のプロジェクトは、推測せずに拒否されます。その場合は Whisper (offline) を使ってください。
endefresitnlpl
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 | 30.8 MB | 実機および CI で確認 |
| macOS (Apple シリコン) | 28.7 MB | CI で確認 |
| Windows x86-64 | 22.6 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、サンプルの文字起こしを行います。
トラブルシューティング
unsupported_languageWhistle はプロジェクトの言語に対応していません。99言語に対応している Whisper (offline) を使ってください。model_missingアドオンのファイルが欠けています。アドオンを再インストールしてください。bad_paramsSubtitld が音声を渡せなかったか、ffmpeg が見つかりませんでした。どちらなのかはメッセージに表示されます。oomメモリが不足しています。ほかのプログラムを閉じるか、動画全体ではなく一部の区間を文字起こししてください。disk_full音声のデコードに必要な空き容量がありません。容量を空けて、もう一度試してください。
ライセンス
商用利用に問題ありません。アドオン、Needle エンジン、Whistle の重みは、いずれも Apache-2.0 です。
バージョン
- 26.10.1
Long audio no longer looks stuck at 20%.
Whistle used to transcribe the whole file in one go: the progress bar stopped at 20% until it finished, Cancel had to wait for the end, and long files slowed down more than their length (20 minutes took about 3 minutes). The audio is now transcribed about a minute at a time, cut at quiet moments so no word is split:
- The progress bar moves after every minute of audio.
- Cancel takes effect within a minute.
- 20 minutes of audio take about 2 minutes instead of 3, with the same words.
- With no language set, the first stretch of speech sets the language for the rest of the file.
Versions now follow Subtitld's own: year, month and the release of that month. 26.10.1 comes after 0.0.2, and Subtitld offers it as an update.
The model, the engine and the add-on are unchanged otherwise: Apache-2.0, offline, CPU only.
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。
-
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。
-
Phonon-2 オフライン
Offline English speech-to-text with Phonon-2 (Fermion Research): a 164 MB model that runs on the CPU, downloaded…