Phonon-2 (offline, English)
Превращает английскую речь в вашем видео в субтитры с таймингом на вашем компьютере, с помощью Phonon-2, модели распознавания речи от Fermion Research. Работает на процессоре, не требует ни видеокарты, ни учётной записи, и ничто не покидает ваш компьютер.
Настройки Дополнения Phonon-2 (offline, English) Установка
Subtitld скачает его, проверит SHA-256 и будет поддерживать его в актуальном состоянии.
- Языки
- 1
- Модели
- 1
- Загрузка дополнения
- 342 MB
Что он делает
Модель размером 164 МБ загружается один раз, при первой расшифровке, и проверяется по закреплённому отпечатку. После этого интернет не нужен.
Работает на процессоре. Укажите, сколько ядер он может использовать, или оставьте выбор ему.
Phonon-2 делит речь по предложениям и паузам, поэтому каждый субтитр начинается и заканчивается там же, где и говорящий.
Перечислите имена и термины из вашего видео в поле Hotwords, и Phonon-2 отдаёт им предпочтение.
Модели
Модель одна, Phonon-2. Её нет внутри дополнения: она загружается в общий кэш моделей Subtitld при первой расшифровке, поэтому при обновлении дополнения она не загружается заново.
| Модель | Загрузка | Подходит для |
|---|---|---|
| Phonon-2 По умолчанию | Английская речь, от интервью до лекций |
Первая расшифровка также загружает модель, поэтому длится дольше последующих. Phonon-2 расшифровывает файл за один проход: Отмена срабатывает, когда этот проход заканчивается.
Настройки
В разделе «Настройки › Дополнения › Phonon-2 (offline, English)» нажмите «Настроить».
Где хранится модель. Оставьте пустым, чтобы использовать общий кэш моделей Subtitld: тогда при обновлении или удалении дополнения модель сохранится.
0Сколько ядер процессора использует Phonon-2. 0 — выбрать автоматически. Новое значение применяется при следующей загрузке модели.
Имена и термины из вашего видео через запятую, до 25. Phonon-2 отдаёт им предпочтение, но решает всё равно звук.
Языки
Только английский. Если оставить язык пустым или на автоопределении, всё равно расшифровывается английский. Проект на другом языке отклоняется: для таких языков используйте Whisper (офлайн).
en
Платформы
| Система | Загрузка | Проверено |
|---|---|---|
| Linux x86-64 | 341.8 MB | На реальных машинах и в чистых контейнерах Ubuntu 22.04, Debian 10, Fedora и Arch |
Пока только Linux x86-64, на дистрибутивах начиная с 2018 года (glibc 2.28 или новее). Сборки для macOS и Windows ещё не готовы.
Устранение неполадок
unsupported_languagePhonon-2 знает только английский. Для других языков используйте Whisper (офлайн).model_missingНе удалось загрузить модель. При первом использовании проверьте подключение к интернету, а также папку Models folder, если вы её указали.bad_paramsSubtitld не смог передать аудио. В сообщении сказано почему.oomНе хватает памяти. Закройте другие программы или расшифруйте диапазон вместо всего видео.disk_fullНедостаточно места на диске для модели или декодированного аудио. Освободите место и попробуйте снова.internalВнутри дополнения произошёл сбой, часто при декодировании аудио в ffmpeg. Подробности в сообщении.
Лицензия
Подходит для коммерческой работы. Дополнение и его движок распространяются под Apache-2.0. Веса Phonon-2 распространяются под CC-BY-4.0, которая требует указывать Fermion Research везде, где распространяются сами веса; это указание есть в файле NOTICE дополнения. Созданные вами субтитры принадлежат вам.
Версии
- 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.txtlists 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. - libquadmath (LGPL-2.1-or-later), in two builds, linked by the GCC Fortran runtime of numpy's and scipy's OpenBLAS:
Другие дополнения группы «Распознавание речи»
-
Whisper Офлайн
Офлайн-распознавание речи с whisper.cpp, только на процессоре.
-
Vosk Офлайн
Легкий, только на процессоре. Модели от 40 МБ.
-
RealtimeSTT Офлайн
Для режима записи, по мере речи. Модели Whisper, на вашем компьютере.
-
AssemblyAI Облако
С разделением по говорящим. Пока недоступно.
-
Whistle Офлайн
Маленькое, офлайн и только на процессоре. Семь европейских языков.