Pobierz

Phonon-2 (offline, English)

Mowa na tekstOfflineTylko CPUUżycie komercyjne dozwolone

Zamienia angielską mowę w twoim wideo na napisy z czasem, na twoim komputerze, za pomocą Phonon-2, modelu mowy od Fermion Research. Działa na procesorze, nie potrzebuje karty graficznej ani konta, i nic nie opuszcza twojego komputera.

Zainstaluj z poziomu Subtitld

Ustawienia Dodatki Phonon-2 (offline, English) Zainstaluj

Subtitld pobiera dodatek, sprawdza jego SHA-256 i utrzymuje go w aktualności.

Źródło na GitHub
Języki
1
Modele
1
Pobranie dodatku
342 MB

Co robi

Offline po jednym pobraniu

Model 164 MB pobiera się raz, przy pierwszym przepisywaniu, i jest sprawdzany względem ustalonego odcisku. Potem internet nie jest potrzebny.

Bez karty graficznej

Działa na procesorze. Ustaw, ilu rdzeni może używać, albo zostaw mu wybór.

Napisy, które dobrze się czyta

Phonon-2 dzieli mowę na zdaniach i pauzach, więc każdy napis zaczyna się i kończy tam, gdzie mówca.

Twoje nazwy, poprawnie zapisane

Wpisz w Hotwords nazwy i terminy używane w twoim wideo, a Phonon-2 będzie je preferować.

Modele

Jest jeden model, Phonon-2. Nie ma go w dodatku: pobiera się do wspólnej pamięci modeli Subtitld przy pierwszym przepisywaniu, więc aktualizacja dodatku nie pobiera go ponownie.

Model PobranieDobry do
Phonon-2 Domyślne
164 MB
Angielska mowa, od wywiadów po wykłady

Pierwsze przepisywanie także wczytuje model, więc trwa dłużej niż kolejne. Phonon-2 przepisuje plik w jednym przebiegu: Anuluj działa dopiero po zakończeniu tego przebiegu.

Opcje

W Ustawieniach › Dodatki › Phonon-2 (offline, English) › Konfiguruj.

Models folder
Domyślnie: pusty

Gdzie przechowywany jest model. Zostaw puste, aby korzystać ze wspólnej pamięci modeli Subtitld, dzięki czemu aktualizacja lub usunięcie dodatku zachowuje model.

CPU threads
Domyślnie: 0

Ile rdzeni procesora używa Phonon-2. 0 wybiera za ciebie. Nowa wartość działa od następnego wczytania modelu.

Hotwords
Domyślnie: pusty

Nazwy i terminy z twojego wideo, oddzielone przecinkami, do 25. Phonon-2 je preferuje, ale decyduje dźwięk.

Języki

Tylko angielski. Pusty język albo wykrywanie i tak przepisuje po angielsku. Projekt ustawiony na inny język jest odrzucany: do takich użyj Whisper (offline).

  • en

Platformy

System PobraniePrzetestowano
Linux x86-64 341.8 MBNa prawdziwych maszynach oraz w czystych kontenerach Ubuntu 22.04, Debian 10, Fedora i Arch

Na razie tylko Linux x86-64, na dystrybucjach od 2018 roku (glibc 2.28 lub nowszy). Wersje na macOS i Windows nie są jeszcze gotowe.

Rozwiązywanie problemów

  • unsupported_languagePhonon-2 zna tylko angielski. Do innych języków użyj Whisper (offline).
  • model_missingNie udało się pobrać ani wczytać modelu. Sprawdź połączenie z internetem przy pierwszym użyciu oraz Models folder, jeśli go ustawiłeś.
  • bad_paramsSubtitld nie zdołał przekazać dźwięku. Komunikat mówi dlaczego.
  • oomBrak pamięci. Zamknij inne programy albo przepisz przedział zamiast całego wideo.
  • disk_fullZa mało miejsca na dysku na model lub zdekodowany dźwięk. Zwolnij trochę i spróbuj ponownie.
  • internalCoś zawiodło wewnątrz dodatku, często ffmpeg przy dekodowaniu dźwięku. Komunikat zawiera szczegóły.

Licencja

Dodatek
Apache-2.0
Silnik
Apache-2.0
fermion-research, od Fermion Research
Model
CC-BY-4.0
Wagi Phonon-2

Można używać komercyjnie. Dodatek i jego silnik są na licencji Apache-2.0. Wagi Phonon-2 są na licencji CC-BY-4.0, która wymaga podania Fermion Research wszędzie, gdzie udostępnia się same wagi; zawiera to plik NOTICE dodatku. Napisy, które tworzysz, należą do ciebie.

Wersje

  • 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.txt lists 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.

Inne dodatki: Mowa na tekst

Zaktualizowano · Z katalogu dodatków Zgłoś problem z tym dodatkiem