RealtimeSTT
Fala para texto para o modo de gravação. Enquanto você grava, o Subtitld transmite seu microfone para ele: as palavras aparecem conforme você fala, e cada frase concluída preenche a sua legenda. Ele roda modelos faster-whisper no seu próprio computador, baixados uma vez do Hugging Face.
Configurações Complementos RealtimeSTT Instalar
O Subtitld baixa, verifica o SHA-256 e mantém o complemento atualizado.
- Idiomas
- 30
- Download do complemento
- 281–483 MB
- RAM, no mínimo
- 2 GB
O que faz
No modo de gravação, o texto aparece enquanto você fala e é refinado conforme avança. O Subtitld o mostra por conta própria até a frase terminar.
Cada frase concluída traz o momento em que foi dita, então preenche a legenda cortada naquele instante.
Quando você faz uma pausa, ele espera pela frase que você ainda estava dizendo, por até um minuto, e a acrescenta antes de terminar.
De uma gravação para a seguinte, no mesmo idioma, o modelo continua carregado, então as próximas começam sem carregá-lo de novo.
Para usá-lo, escolha-o como Transcription engine na aba Audio, em Gravação.
No painel de transcrição, use Intervalo ou Seleção. O Subtitld corta esses trechos para WAV, o único áudio que este complemento lê. Com Tudo ele recebe o áudio original do vídeo e para com bad_audio. Cada execução gera uma legenda para o trecho inteiro, então ele serve melhor para preencher uma legenda selecionada. Uma execução não pode ser cancelada: ela sempre termina.
Modelos
Escolha o modelo em Modelo: tiny, base, small (o padrão), medium ou large-v3, e as versões .en, apenas em inglês, de todos menos do large-v3. Modelos maiores são mais precisos, mais lentos e mais pesados.
O modelo é baixado do Hugging Face na primeira vez que é usado, e fica guardado para a próxima. Carregá-lo leva de alguns segundos a um minuto para os grandes. No modo de gravação ele é carregado duas vezes, uma para o texto ao vivo e outra para as frases concluídas; então, se o seu computador ficar sem memória, escolha um menor.
Opções
Em Configurações › Complementos › RealtimeSTT › Configurar.
smallO modelo Whisper; veja Modelos acima. Maior é mais preciso, mais lento e mais pesado. Nomes que terminam em .en entendem apenas inglês.
autoOnde o modelo roda. Nas compilações que o Subtitld instala, automático sempre escolhe a CPU: ele pede uma GPU CUDA ao PyTorch, e essas compilações trazem o PyTorch sem CUDA. Escolha cuda para pedir uma GPU NVIDIA diretamente; o CI não testa isso.
defaultA precisão dos números com que o modelo trabalha. default deixa o motor escolher; int8 é o mais rápido na CPU; float16 combina com GPUs.
No painel de transcrição, mostra o texto enquanto uma frase ainda está sendo decodificada; o texto final o substitui. O modo de gravação sempre mostra o texto ao vivo, seja qual for esta opção.
O complemento lê estas opções quando inicia, então uma mudança vale na próxima vez que ele iniciar, por exemplo depois de reiniciar o Subtitld.
Idiomas
Etiquetas regionais vão para o Whisper como seu idioma principal: pt-br é enviado como pt.
enptpt-bresfrdeitnlrupluktrarzhjakohiidsvfidanocselherohucathvi
Plataformas
| Sistema | Download | Testado |
|---|---|---|
| Linux x86-64 | 482.7 MB | No CI, sem modelo |
| macOS (Apple silicon) | 377.0 MB | No CI, sem modelo |
| Windows x86-64 | 280.6 MB | No CI, sem modelo |
Antes de cada versão, o CI executa os testes do complemento em todos os sistemas e inicia o complemento compilado para verificar se a detecção de fala carrega. Nenhuma transcrição roda no CI, pois isso exige um modelo.
Solução de problemas
bad_audioO áudio não é WAV. No painel de transcrição, use Intervalo ou Seleção em vez de Tudo.internalA transcrição falhou; a mensagem diz por quê. No primeiro uso, o modelo pode não ter sido baixado: verifique sua conexão e tente de novo. Se você definiu Device comocuda, volte paraauto.not_installedO motor de fala dentro do complemento não carregou. Reinstale o complemento.
Licença
Adequado para trabalho comercial: o complemento, o RealtimeSTT, o faster-whisper e os pesos do Whisper são todos MIT.
Versões
- 0.1.2