RealtimeSTT
Chuyển giọng nói thành văn bản cho chế độ Ghi âm. Khi bạn ghi âm, Subtitld truyền micro của bạn đến nó: các từ hiện ra khi bạn nói, và mỗi câu hoàn chỉnh điền vào phụ đề của nó. Nó chạy các mô hình faster-whisper trên máy tính của bạn, tải xuống một lần từ Hugging Face.
Cài đặt Tiện ích bổ sung RealtimeSTT Cài đặt
Subtitld tải về, kiểm tra SHA-256 và giữ cho tiện ích luôn được cập nhật.
- Ngôn ngữ
- 30
- Tải tiện ích bổ sung
- 281–483 MB
- RAM, tối thiểu
- 2 GB
Nó làm gì
Trong chế độ Ghi âm, văn bản xuất hiện trong lúc bạn nói và được tinh chỉnh dần. Subtitld hiển thị nó riêng cho đến khi câu kết thúc.
Mỗi câu hoàn chỉnh mang thời điểm nó được nói, nên nó điền vào phụ đề được cắt tại đúng thời điểm đó.
Khi bạn tạm dừng, nó chờ câu bạn còn đang nói, tối đa một phút, và thêm vào trước khi kết thúc.
Từ lần ghi này sang lần ghi tiếp theo trong cùng một ngôn ngữ, mô hình vẫn được giữ tải, nên các lần sau bắt đầu mà không phải tải lại.
Để dùng nó, chọn làm Công cụ chuyển thành văn bản trong tab Âm thanh, dưới Ghi âm.
Trong bảng chuyển thành văn bản, dùng Khoảng hoặc Vùng chọn. Subtitld cắt các vùng đó thành WAV, định dạng âm thanh duy nhất tiện ích này đọc được. Với Tất cả, nó nhận âm thanh gốc của video và dừng với bad_audio. Mỗi lần chạy cho ra một phụ đề cho cả đoạn, nên nó phù hợp nhất để điền vào một phụ đề đã chọn. Một lần chạy không thể hủy: nó luôn chạy đến cùng.
Mô hình
Chọn mô hình trong Mô hình: tiny, base, small (mặc định), medium hoặc large-v3, cùng các phiên bản .en chỉ tiếng Anh của tất cả trừ large-v3. Mô hình lớn hơn chính xác hơn, chậm hơn và nặng hơn.
Mô hình được tải từ Hugging Face lần đầu được dùng, và được giữ lại cho lần sau. Tải các mô hình lớn mất từ vài giây đến một phút. Trong chế độ Ghi âm, nó được tải hai lần, một lần cho văn bản trực tiếp và một lần cho các câu hoàn chỉnh, nên nếu máy tính của bạn thiếu bộ nhớ, hãy chọn mô hình nhỏ hơn.
Tùy chọn
Trong Cài đặt › Tiện ích bổ sung › RealtimeSTT › Cấu hình.
smallMô hình Whisper; xem Mô hình ở trên. Lớn hơn thì chính xác hơn, chậm hơn và nặng hơn. Tên kết thúc bằng .en chỉ hiểu tiếng Anh.
autoNơi mô hình chạy. Trong các bản dựng mà Subtitld cài, auto luôn chọn CPU: nó hỏi PyTorch về GPU CUDA, và các bản dựng đó đi kèm PyTorch không có CUDA. Chọn cuda để yêu cầu trực tiếp GPU NVIDIA; CI không kiểm tra điều đó.
defaultĐộ chính xác của các số mà mô hình xử lý. default để công cụ tự chọn; int8 nhanh nhất trên CPU; float16 phù hợp với GPU.
Trong bảng chuyển thành văn bản, hiện văn bản khi một cụm từ vẫn đang được giải mã; văn bản cuối cùng sẽ thay thế nó. Chế độ Ghi âm luôn hiện văn bản trực tiếp, bất kể tùy chọn này.
Tiện ích bổ sung đọc các tùy chọn này khi khởi động, nên một thay đổi sẽ có hiệu lực lần khởi động tiếp theo, ví dụ sau khi bạn khởi động lại Subtitld.
Ngôn ngữ
Các thẻ vùng miền được gửi cho Whisper dưới dạng ngôn ngữ chính: pt-br được gửi như pt.
enptpt-bresfrdeitnlrupluktrarzhjakohiidsvfidanocselherohucathvi
Nền tảng
| Hệ thống | Tải về | Đã thử |
|---|---|---|
| Linux x86-64 | 482.7 MB | Trong CI, không có mô hình |
| macOS (Apple silicon) | 377.0 MB | Trong CI, không có mô hình |
| Windows x86-64 | 280.6 MB | Trong CI, không có mô hình |
Trước mỗi bản phát hành, CI chạy các bài kiểm thử của tiện ích trên mọi hệ thống, và khởi động bản đã dựng để kiểm tra rằng bộ nhận diện giọng nói của nó tải được. Không có chuyển thành văn bản nào chạy trong CI, vì điều đó cần một mô hình.
Khắc phục sự cố
bad_audioÂm thanh không phải WAV. Trong bảng chuyển thành văn bản, dùng Khoảng hoặc Vùng chọn thay vì Tất cả.internalChuyển thành văn bản thất bại; thông báo cho biết lý do. Lần dùng đầu tiên, mô hình có thể chưa tải xong: kiểm tra kết nối và thử lại. Nếu bạn đặt Device thànhcuda, hãy quay lạiauto.not_installedCông cụ nhận dạng giọng nói bên trong tiện ích không tải được. Cài lại tiện ích.
Giấy phép
Phù hợp cho công việc thương mại: tiện ích, RealtimeSTT, faster-whisper và các trọng số Whisper đều là MIT.
Phiên bản
- 0.1.2