Tải về

Phonon-2 (offline, English)

Chuyển giọng nói thành văn bảnNgoại tuyếnChỉ CPUĐược dùng thương mại

Biến lời nói tiếng Anh trong video của bạn thành phụ đề có thời gian, trên máy tính của bạn, với Phonon-2, mô hình giọng nói của Fermion Research. Nó chạy trên CPU, không cần card đồ họa, không cần tài khoản, và không có gì rời khỏi máy bạn.

Cài đặt từ Subtitld

Cài đặt Tiện ích bổ sung Phonon-2 (offline, English) Cài đặt

Subtitld tải về, kiểm tra SHA-256 và giữ cho tiện ích luôn được cập nhật.

Mã nguồn trên GitHub
Ngôn ngữ
1
Mô hình
1
Tải tiện ích bổ sung
342 MB

Nó làm gì

Ngoại tuyến sau một lần tải

Mô hình 164 MB được tải một lần, vào lần đầu bạn chuyển thành văn bản, và được kiểm tra với một dấu vân tay cố định. Từ đó trở đi, không cần internet.

Không cần card đồ họa

Nó chạy trên CPU. Đặt số lõi nó được dùng, hoặc để nó tự chọn.

Phụ đề dễ đọc

Phonon-2 cắt lời nói tại các câu và chỗ ngừng, nên mỗi phụ đề bắt đầu và kết thúc đúng lúc người nói.

Tên riêng được viết đúng

Liệt kê các tên riêng và thuật ngữ mà video của bạn dùng trong Hotwords, và Phonon-2 sẽ ưu tiên chúng.

Mô hình

Chỉ có một mô hình, Phonon-2. Nó không nằm trong tiện ích bổ sung: nó được tải vào bộ nhớ đệm mô hình dùng chung của Subtitld vào lần đầu bạn chuyển thành văn bản, nên cập nhật tiện ích bổ sung không phải tải lại.

Mô hình Tải vềPhù hợp với
Phonon-2 Mặc định
164 MB
Lời nói tiếng Anh, từ phỏng vấn đến bài giảng

Lần chuyển thành văn bản đầu tiên còn phải nạp mô hình, nên lâu hơn các lần sau. Phonon-2 chuyển một tệp thành văn bản trong một lượt: Hủy có hiệu lực khi lượt đó kết thúc.

Tùy chọn

Trong Cài đặt › Tiện ích bổ sung › Phonon-2 (offline, English) › Cấu hình.

Models folder
Mặc định: trống

Nơi lưu mô hình. Để trống để dùng chung bộ nhớ đệm mô hình của Subtitld, nhờ đó khi cập nhật hoặc gỡ tiện ích bổ sung, mô hình vẫn được giữ lại.

CPU threads
Mặc định: 0

Số lõi CPU mà Phonon-2 dùng. 0 để tự chọn. Giá trị mới có hiệu lực vào lần tải mô hình kế tiếp.

Hotwords
Mặc định: trống

Tên riêng và thuật ngữ trong video của bạn, cách nhau bằng dấu phẩy, tối đa 25. Phonon-2 ưu tiên chúng, nhưng âm thanh vẫn là thứ quyết định.

Ngôn ngữ

Chỉ tiếng Anh. Để trống ngôn ngữ, hoặc để tự nhận diện, vẫn chuyển thành văn bản tiếng Anh. Dự án đặt ngôn ngữ khác sẽ bị từ chối: hãy dùng Whisper (offline) cho các ngôn ngữ đó.

  • en

Nền tảng

Hệ thống Tải vềĐã thử
Linux x86-64 341.8 MBTrên máy thật, và trong các container sạch Ubuntu 22.04, Debian 10, Fedora và Arch

Hiện chỉ có cho Linux x86-64, trên các bản phân phối từ 2018 trở đi (glibc 2.28 hoặc mới hơn). Bản dựng cho macOS và Windows chưa sẵn sàng.

Khắc phục sự cố

  • unsupported_languagePhonon-2 chỉ biết tiếng Anh. Với các ngôn ngữ khác, hãy dùng Whisper (offline).
  • model_missingKhông tải hoặc nạp được mô hình. Kiểm tra kết nối internet cho lần dùng đầu, và Models folder nếu bạn đã đặt.
  • bad_paramsSubtitld không chuyển được âm thanh. Thông báo cho biết lý do.
  • oomHết bộ nhớ. Đóng các chương trình khác, hoặc chuyển thành văn bản một khoảng thay vì toàn bộ video.
  • disk_fullKhông đủ dung lượng đĩa cho mô hình hoặc âm thanh đã giải mã. Giải phóng bớt rồi thử lại.
  • internalCó lỗi bên trong tiện ích bổ sung, thường là do ffmpeg giải mã âm thanh. Thông báo có chi tiết.

Giấy phép

Tiện ích bổ sung
Apache-2.0
Công cụ
Apache-2.0
fermion-research, của Fermion Research
Mô hình
CC-BY-4.0
Trọng số Phonon-2

Phù hợp cho công việc thương mại. Tiện ích bổ sung và công cụ của nó theo Apache-2.0. Trọng số Phonon-2 theo CC-BY-4.0, yêu cầu ghi công Fermion Research ở bất cứ nơi nào chính các trọng số được chia sẻ; tệp NOTICE của tiện ích bổ sung có ghi điều đó. Phụ đề bạn làm ra là của bạn.

Phiên bản

  • 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.txt lists 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.

Các tiện ích bổ sung Chuyển giọng nói thành văn bản khác

Cập nhật · Từ danh mục tiện ích bổ sung Báo cáo sự cố với tiện ích bổ sung này