Bark 3.0 (offline, English)
使用 Conway Research 的语音模型 Bark 3.0，在你自己的电脑上把视频中的英语语音转为带时间戳的字幕。它在 CPU 上运行，无需显卡，无需账号，也没有任何内容会离开你的电脑。
设置 插件 Bark 3.0 (offline, English) 安装
Subtitld 会下载它、校验其 SHA-256，并保持更新。
- 语言
- 1
- 模型
- 4
- 插件下载量
- 35–58 MB
- 内存，至少
- 1.5 GB
功能说明
163 MB 的模型在你第一次转录时下载一次，并与固定的指纹进行校验。此后无需联网。
它在 CPU 上运行，速度是音频播放的许多倍：在台式电脑上，十分钟的视频不到一分钟就能转录完。
Bark 3.0 写出的是句子，而不是一串单词：逗号、句号、大写字母和数字都和你自己输入的一样。
每个词都有自己的时间，因此与 AssemblyAI 一样，每条字幕都是一个完整的句子。关闭 One cue per sentence 后，长句会被拆分，便于阅读。
模型
Bark 3.0 共有四个模型。除非你在 Model 中选择其他模型，否则使用 Bark 3.0；其他模型只有在你选择时才会下载。这些模型都不在插件里：你使用的模型会在第一次转录时下载到 Subtitld 的共享模型缓存中，因此更新插件时不会再次下载。
| 模型 | 下载 | 适合 |
|---|---|---|
| Bark 3.0 (0.6B, verbatim) 默认 bark3 | 日常英语语音，逐字转录 | |
| Bark 3.0 Plus (0.6B, verbatim, more accurate) bark3-plus | 稍微更准确，逐字转录 | |
| Bark 3.0 Clean (0.6B, drops fillers and false starts) bark3-clean | 干净的字幕：省去 "um"、"uh" 和说错重来的开头 | |
| Bark 3.0 Pro (0.6B, full precision) bark3-pro | 最准确，适合最难处理的音频 |
下载后，插件会针对你的电脑准备一次模型，大约需要半分钟。准备好后，每个模型约占 650 MB 磁盘空间，转录时需要约 1.2 GB 内存，四个模型的速度相同。Clean 会省去 "um"、"uh" 这类填充词，以及句子中说错重来的开头，这通常正是字幕应该显示的内容；如需逐字转录，请选择 Bark 3.0 或 Plus。
长视频每次转录约 30 秒，因此进度条会持续前进，点击取消后几秒内就会生效。
选项
在 设置 › 插件 › Bark 3.0 (offline, English) › 配置 中。
bark3用哪个 Bark 3.0 模型来转录。每个模型在你第一次选择时下载；没有选的模型永远不会下载。
0Bark 3.0 使用的 CPU 核心数。设为 0 则使用一半的核心，最多 8 个。新的值会在下次加载模型时生效。
开启：与 AssemblyAI 一样，无论句子多长，每句一条字幕。关闭：长句会被拆分为最多约两行或 7 秒的字幕。
语言
仅支持英语。语言留空或设为自动检测时，仍按英语转录。设为其他语言的项目会被拒绝：这些语言请使用 Whisper (offline)。
en
平台
| 系统 | 下载 | 已测试 |
|---|---|---|
| Linux x86-64 | 57.9 MB | 在真实机器上和 CI 中测试 |
| macOS (Apple 芯片) | 39.8 MB | 在 CI 中测试 |
| Windows x86-64 | 34.7 MB | 在 CI 中测试 |
支持 Linux x86-64、Apple 芯片的 macOS 和 Windows x86-64。ffmpeg 随 Subtitld 一起提供。
故障排除
unsupported_languageBark 3.0 只认识英语。其他语言请使用 Whisper (offline)。network无法下载模型。请检查网络连接后重试：中断的下载会从停下的地方继续。model_missing无法加载准备好的模型。错误信息会给出它所在的文件夹：删除该文件夹，下次转录时会重新准备。bad_paramsSubtitld 无法传递音频，或者模型设置无法识别。错误信息会说明原因。oom内存不足。请关闭其他程序后重试。disk_full磁盘空间不足，无法准备模型或解码音频。准备期间，Bark 3.0 约需 900 MB，Pro 约需 2 GB。internal插件内部出错，通常是 ffmpeg 解码音频时出错。错误信息中有详细说明。
许可
可用于商业工作。插件采用 Apache-2.0，ONNX Runtime 采用 MIT。Bark 3.0 权重采用 CC-BY-4.0，来自 Conway Research，基于 NVIDIA 的 Parakeet 模型制作；该许可要求在分享权重本身时注明出处，插件的 NOTICE 文件中已包含该署名。你制作的字幕归你所有。
版本
- 26.10.2
New in 26.10.2: a One cue per sentence setting, on by default, as in the AssemblyAI add-on: each sentence is one subtitle, however long. Turn it off to split long sentences into subtitles of about two lines or 7 seconds, as 26.10.1 did.
Offline English speech-to-text for Subtitld with Conway Research's Bark 3.0, a fine-tune of NVIDIA's parakeet-tdt-0.6b-v3, with word times. On the CPU, no torch.
The archive holds the add-on, ONNX Runtime and the encoder's graph without weights. The chosen model (Bark 3.0 163 MB by default; Plus 180 MB, Clean 179 MB, Pro 1.25 GB) downloads from Conway Research's Hugging Face repositories on first use, at a pinned revision, checked by sha256, and is converted once for the graph.
The add-on is Apache-2.0; the Bark 3.0 models and NVIDIA's tokenizer are CC-BY-4.0. Each archive carries
THIRD_PARTY_LICENSES/with the licence of everything frozen into it. The Linux archive carries libquadmath (LGPL-2.1, with numpy); its complete source isbark3-<version>-libquadmath-source.tar.gzin this release.