RealtimeSTT
Розпізнавання мовлення для режиму запису. Поки ви записуєте, Subtitld передає йому потік з мікрофона: слова з’являються, поки ви говорите, а кожне завершене речення заповнює свій субтитр. Він використовує моделі faster-whisper на вашому комп’ютері, завантажені один раз із Hugging Face.
Налаштування Додатки RealtimeSTT Встановити
Subtitld завантажує його, перевіряє SHA-256 і тримає оновленим.
- Мови
- 30
- Завантаження додатка
- 281–483 MB
- ОЗП, щонайменше
- 2 GB
Що це робить
У режимі запису текст з’являється, поки ви говорите, і уточнюється на ходу. Subtitld показує його окремо, доки речення не завершене.
Кожне завершене речення несе час, коли його сказали, тож заповнює субтитр, відрізаний саме в цей момент.
Коли ви робите паузу, він чекає на речення, яке ви ще казали, до хвилини, і додає його до завершення.
Від одного дубля до наступного в тій самій мові модель залишається завантаженою, тож наступні дублі стартують без повторного завантаження.
Щоб його використати, виберіть його як Рушій транскрипції на вкладці Аудіо, у розділі Запис.
На панелі транскрипції використовуйте Діапазон або Виділення. Subtitld нарізає їх у WAV, єдиний звук, який читає цей додаток. З Усе він отримує власний звук відео й зупиняється з помилкою bad_audio. Кожен запуск дає один субтитр для всього відрізку, тож це найкраще підходить для заповнення вибраного субтитру. Запуск не можна скасувати: він завжди завершується.
Моделі
Виберіть модель у Модель: tiny, base, small (типова), medium або large-v3, а також версії .en лише для англійської для всіх, крім large-v3. Більші моделі точніші, повільніші й важчі.
Модель завантажується з Hugging Face під час першого використання й зберігається для наступних разів. Завантаження великих моделей триває від кількох секунд до хвилини. У режимі запису вона завантажується двічі: раз для живого тексту і раз для завершених речень, тож якщо в комп’ютера мало пам’яті, виберіть меншу.
Параметри
У Налаштуваннях › Додатки › RealtimeSTT › Налаштувати.
smallМодель Whisper; див. Моделі вище. Більша точніша, повільніша й важча. Назви із суфіксом .en розуміють лише англійську.
autoДе працює модель. У збірках, які встановлює Subtitld, auto завжди обирає ЦП: він запитує PyTorch про GPU CUDA, а ці збірки містять PyTorch без CUDA. Виберіть cuda, щоб безпосередньо запитати GPU NVIDIA; CI цього не перевіряє.
defaultТочність чисел, з якими працює модель. default дозволяє рушієві вибрати; int8 найшвидший на ЦП; float16 підходить для GPU.
На панелі транскрипції показувати текст, поки фраза ще декодується; остаточний текст його замінює. Режим запису завжди показує живий текст, що б тут не було вказано.
Додаток зчитує їх під час запуску, тож зміна застосовується наступного разу, коли він стартує, наприклад після перезапуску Subtitld.
Мови
Регіональні теги передаються Whisper як їхня основна мова: pt-br надсилається як pt.
enptpt-bresfrdeitnlrupluktrarzhjakohiidsvfidanocselherohucathvi
Платформи
| Система | Завантаження | Перевірено |
|---|---|---|
| Linux x86-64 | 482.7 MB | У CI, без моделі |
| macOS (Apple silicon) | 377.0 MB | У CI, без моделі |
| Windows x86-64 | 280.6 MB | У CI, без моделі |
Перед кожним релізом CI запускає тести додатка на кожній системі та стартує зібраний додаток, щоб перевірити, що його розпізнавання мовлення завантажується. Транскрибування в CI не виконується, бо для нього потрібна модель.
Усунення несправностей
bad_audioЗвук не у форматі WAV. На панелі транскрипції використовуйте Діапазон або Виділення замість Усе.internalТранскрибування не вдалося; повідомлення вказує причину. Під час першого використання модель могла не завантажитися: перевірте з’єднання й спробуйте ще раз. Якщо ви встановили Пристрій наcuda, поверніться доauto.not_installedРушій розпізнавання мовлення всередині додатка не завантажився. Перевстановіть додаток.
Ліцензія
Підходить для комерційної роботи: додаток, RealtimeSTT, faster-whisper і ваги Whisper мають ліцензію MIT.
Версії
- 0.1.2