Transforma a fala em inglês do seu vídeo em legendas com tempo marcado, no seu próprio computador, com o Bark 3.0, o modelo de fala da Conway Research. Roda na CPU, não precisa de placa de vídeo nem de conta, e nada sai da sua máquina.

O que faz

Offline depois de um download

O modelo de 163 MB é baixado uma vez, na primeira transcrição, e conferido com uma impressão digital fixa. A partir daí, não precisa de internet.

Nenhuma placa de vídeo

Roda na CPU, muitas vezes mais rápido que a duração do áudio: um vídeo de dez minutos leva menos de um minuto num computador de mesa.

Pontuação e maiúsculas

O Bark 3.0 escreve frases, não uma enxurrada de palavras: vírgulas, pontos, maiúsculas e números saem como você os digitaria.

Uma legenda por frase

Cada palavra tem seu próprio tempo, então cada legenda é uma frase inteira, como no AssemblyAI. Desligue One cue per sentence e as frases longas são divididas para continuar fáceis de ler.

Modelos

Há quatro modelos do Bark 3.0. O Bark 3.0 é o usado, a menos que você escolha outro em Model; os outros só são baixados se você os escolher. Nenhum deles vem dentro do complemento: o que você usa é baixado para o cache de modelos compartilhado do Subtitld na primeira transcrição, então atualizar o complemento não o baixa de novo.

Modelo	Download	Ideal para
Bark 3.0 (0.6B, verbatim) Padrão bark3	163 MB	Fala em inglês do dia a dia, palavra por palavra
Bark 3.0 Plus (0.6B, verbatim, more accurate) bark3-plus	180 MB	Um pouco mais preciso, palavra por palavra
Bark 3.0 Clean (0.6B, drops fillers and false starts) bark3-clean	179 MB	Legendas limpas: deixa de fora "um", "uh" e começos falsos
Bark 3.0 Pro (0.6B, full precision) bark3-pro	1.3 GB	O mais preciso, para o áudio mais difícil

Depois do download, o complemento prepara o modelo para o seu computador, uma única vez, em cerca de meio minuto. Preparado, cada modelo ocupa cerca de 650 MB de disco e precisa de cerca de 1,2 GB de memória enquanto transcreve, e os quatro rodam na mesma velocidade. O Clean deixa de fora hesitações como "um" e "uh" e os começos falsos de uma frase, que costuma ser o que uma legenda deve mostrar; escolha o Bark 3.0 ou o Plus para uma transcrição palavra por palavra.

Vídeos longos são transcritos uns 30 segundos por vez, então a barra de progresso continua andando e Cancelar tem efeito em poucos segundos.

Opções

Em Configurações › Complementos › Bark 3.0 (offline, English) › Configurar.

Model

Padrão: bark3

Qual modelo do Bark 3.0 transcreve. Cada um é baixado na primeira vez que você o escolhe; os outros nunca são baixados.

CPU threads

Padrão: 0

Quantos núcleos da CPU o Bark 3.0 usa. 0 escolhe metade deles, no máximo 8. Um novo valor vale a partir da próxima vez que o modelo for carregado.

One cue per sentence

Padrão: ligado

Ligado: uma legenda por frase, por mais longa que seja, como no AssemblyAI. Desligado: uma frase longa é dividida em legendas de no máximo cerca de duas linhas ou 7 segundos.

Idiomas

Somente inglês. Deixar o idioma vazio, ou em detectar, ainda transcreve inglês. Um projeto em outro idioma é recusado: para esses, use o Whisper (offline).

en

Plataformas

Sistema	Download	Testado
Linux x86-64	57.9 MB	Em máquinas reais e na CI
macOS (Apple silicon)	39.8 MB	Na CI
Windows x86-64	34.7 MB	Na CI

Linux x86-64, macOS em Apple silicon e Windows x86-64. O ffmpeg vem com o Subtitld.

Solução de problemas

unsupported_languageO Bark 3.0 só conhece inglês. Para outros idiomas, use o Whisper (offline).
networkNão foi possível baixar o modelo. Verifique sua conexão com a internet e tente de novo: um download interrompido continua de onde parou.
model_missingNão foi possível carregar o modelo preparado. A mensagem indica a pasta dele: apague essa pasta, e a próxima transcrição o prepara de novo.
bad_paramsO Subtitld não conseguiu entregar o áudio, ou a configuração do modelo é desconhecida. A mensagem informa o motivo.
oomMemória insuficiente. Feche outros programas e tente de novo.
disk_fullNão há espaço em disco suficiente para preparar o modelo ou decodificar o áudio. O Bark 3.0 precisa de cerca de 900 MB, o Pro de cerca de 2 GB enquanto é preparado.
internalAlgo falhou dentro do complemento, muitas vezes o ffmpeg ao decodificar o áudio. A mensagem traz os detalhes.

Licença

Complemento

Apache-2.0

Motor

MIT

ONNX Runtime, da Microsoft

Modelo

CC-BY-4.0

Pesos do Bark 3.0, da Conway Research, a partir do NVIDIA Parakeet

Adequado para trabalho comercial. O complemento é Apache-2.0 e o ONNX Runtime é MIT. Os pesos do Bark 3.0 são CC-BY-4.0, da Conway Research, feitos a partir do modelo Parakeet da NVIDIA; a licença pede crédito onde quer que os próprios pesos sejam compartilhados, e o arquivo NOTICE do complemento traz esse crédito. As legendas que você faz são suas.

Bark 3.0 (offline, English)