RealtimeSTT
Распознавание речи для режима записи. Пока вы записываете, Subtitld передаёт ему поток с микрофона: слова показываются по мере речи, а каждое законченное предложение заполняет свой субтитр. Работает на моделях faster-whisper на вашем компьютере, загружаемых один раз с Hugging Face.
Настройки Дополнения RealtimeSTT Установка
Subtitld скачает его, проверит SHA-256 и будет поддерживать его в актуальном состоянии.
- Языки
- 30
- Загрузка дополнения
- 281–483 MB
- ОЗУ, не меньше
- 2 GB
Что он делает
В режиме записи текст появляется, пока вы говорите, и уточняется по ходу. Subtitld показывает его отдельно, пока предложение не закончено.
У каждого законченного предложения есть время, когда его произнесли, поэтому оно заполняет субтитр, созданный в этот момент.
Когда вы делаете паузу, оно ждёт предложение, которое вы ещё говорили, до минуты, и добавляет его до завершения.
От одного дубля к следующему на том же языке модель остаётся загруженной, поэтому следующие дубли начинаются без повторной загрузки.
Чтобы использовать его, выберите его как Движок транскрипции на вкладке Звук, в разделе Запись.
На панели транскрипции используйте Диапазон или Выделение. Subtitld обрезает эти области в WAV, единственный звук, который читает это дополнение. При Все оно получает собственный звук видео и останавливается с ошибкой bad_audio. Каждый запуск даёт один субтитр на весь отрезок, поэтому оно лучше всего подходит для заполнения выбранного субтитра. Запуск нельзя отменить: он всегда доходит до конца.
Модели
Выберите модель в Модель: tiny, base, small (по умолчанию), medium или large-v3, а также версии .en только для английского для всех, кроме large-v3. Большие модели точнее, но медленнее и тяжелее.
Модель загружается с Hugging Face при первом использовании и сохраняется для следующего раза. Загрузка занимает от нескольких секунд до минуты для больших моделей. В режиме записи она загружается дважды: один раз для живого текста и один раз для законченных предложений, поэтому, если памяти на вашем компьютере не хватает, выберите меньшую модель.
Настройки
В разделе «Настройки › Дополнения › RealtimeSTT» нажмите «Настроить».
smallМодель Whisper; см. раздел Модели выше. Больше значит точнее, медленнее и тяжелее. Названия с окончанием .en понимают только английский.
autoГде работает модель. В сборках, которые устанавливает Subtitld, авто всегда выбирает процессор: оно запрашивает у PyTorch графический процессор CUDA, а эти сборки содержат PyTorch без CUDA. Выберите cuda, чтобы напрямую запросить видеокарту NVIDIA; CI этого не проверяет.
defaultТочность чисел, с которыми работает модель. default позволяет движку выбрать; int8 самый быстрый на процессоре; float16 подходит для видеокарт.
На панели транскрипции показывать текст, пока фраза ещё декодируется; итоговый текст его заменяет. Режим записи всегда показывает живой текст, что бы здесь ни стояло.
Дополнение читает эти настройки при запуске, поэтому изменение применяется при следующем запуске, например после перезапуска Subtitld.
Языки
Региональные метки передаются Whisper как основной язык: pt-br отправляется как pt.
enptpt-bresfrdeitnlrupluktrarzhjakohiidsvfidanocselherohucathvi
Платформы
| Система | Загрузка | Проверено |
|---|---|---|
| Linux x86-64 | 482.7 MB | В CI, без модели |
| macOS (Apple silicon) | 377.0 MB | В CI, без модели |
| Windows x86-64 | 280.6 MB | В CI, без модели |
Перед каждым выпуском CI запускает тесты дополнения на каждой системе и запускает собранное дополнение, чтобы проверить, что его распознавание речи загружается. Расшифровка в CI не выполняется, так как нужна модель.
Устранение неполадок
bad_audioЗвук не в формате WAV. На панели транскрипции используйте Диапазон или Выделение вместо Все.internalРасшифровка не удалась; сообщение объясняет причину. При первом запуске модель могла не загрузиться: проверьте подключение и попробуйте снова. Если вы выбрали для Device значениеcuda, вернитесь кauto.not_installedДвижок распознавания внутри дополнения не загрузился. Переустановите дополнение.
Лицензия
Подходит для коммерческой работы: дополнение, RealtimeSTT, faster-whisper и веса Whisper лицензированы по MIT.
Версии
- 0.1.2