Parakeet & Nemotron 离线、33 种语言

功能说明

使用方法

要转录文件，请打开 导入 标签页，把 Parakeet & Nemotron 选为 转录引擎，设置 字幕语言，然后点击 开始转录。其余部分还在转录时，字幕就已经陆续出现在时间轴上：音频每次处理一分钟（Nemotron 为半分钟），因此进度条会持续前进，点击取消后几秒内就会生效。

要使用实时字幕，请打开 音频 标签页，在 录制 下把它选为 转录引擎。

模型

共有三个模型，都不在插件里。每个模型会在第一次需要时，从 NVIDIA 自己在 Hugging Face 上的页面下载到 Subtitld 的共享模型缓存中，固定为某一个版本，并与其指纹进行校验。下载中断后会从中断处继续。更新或移除插件时，模型会保留。

用哪个模型转录文件，由插件的 Model 设置决定。在默认的 Automatic 下，Parakeet 负责它认识的 25 种语言，Nemotron 负责其余 8 种。对于两者都认识的语言，你也可以选择 Nemotron；不过在这些语言上，Parakeet 仍是更好的选择。

Parakeet 在听到每个词时就为它定时。Nemotron 在写出一个词时才为它定时，也就是接近这个词的结尾，因此插件会把每个词挪回它被说出的位置。在一部测试影片上，Nemotron 有 76% 的字幕与影片自带字幕的开始时间相差不到半秒，Parakeet 则为 85%。在音乐和音效之上，Nemotron 经常不写标点，因此它的字幕在出现 0.8 秒的停顿时也会结束。

在笔记本电脑处理器（Intel i7-13700T）上的测量结果：

模型保存位置

三个模型共占用约 1.6 GB。删除该文件夹即可释放空间；每个模型会在下次需要时重新下载。

实时字幕

录制时，Nemotron 会在每个词之后再多听一点（默认 560 ms；见 Live caption delay），并在你说话的同时写出词语。在句子说完之前，Subtitld 会先显示这些词，句子说完后，它会填入自己的字幕。0.8 秒内没有新词，句子即告结束。

第一次使用时，会下载 742 MB 的 Nemotron 模型，下载进度会显示在文字将要出现的位置。与文件相比，实时字幕更常以小写、无标点的形式出现：如需干净的文字，请在录制之后用 Parakeet 转录这段录音。说话人标签仅适用于文件。

选项

在 设置 › 插件 › Parakeet & Nemotron (offline, 33 languages) › 配置 中。

语言

共 33 种语言。Parakeet 认识 25 种：保加利亚语、克罗地亚语、捷克语、丹麦语、荷兰语、英语、爱沙尼亚语、芬兰语、法语、德语、希腊语、匈牙利语、意大利语、拉脱维亚语、立陶宛语、马耳他语、波兰语、葡萄牙语、罗马尼亚语、俄语、斯洛伐克语、斯洛文尼亚语、西班牙语、瑞典语和乌克兰语。Nemotron 认识 28 种：上述语言中除希腊语、拉脱维亚语、立陶宛语、马耳他语和斯洛文尼亚语之外的全部，外加阿拉伯语、中文、印地语、日语、韩语、挪威语、土耳其语和越南语。实时字幕支持 Nemotron 的 28 种语言。

语言留空时，Parakeet 会自行判断说的是它 25 种语言中的哪一种。Nemotron 则会被告知语言；对于英语、西班牙语、法语和葡萄牙语，还会被告知变体：en-gb、es-es、fr-ca 和 pt-br 分别对应英式英语、西班牙的西班牙语、加拿大法语和巴西葡萄牙语。不带地区时，它默认使用美式英语、美洲西班牙语、法国法语和欧洲葡萄牙语。两个模型都不认识的语言会收到一条消息，列出它们认识的语言。

• ar
• bg
• cs
• da
• de
• el
• en
• es
• et
• fi
• fr
• hi
• hr
• hu
• it
• ja
• ko
• lt
• lv
• mt
• nb
• nl
• pl
• pt
• ro
• ru
• sk
• sl
• sv
• tr
• uk
• vi
• zh

平台

Linux x86-64（2018 年以来的任何发行版）、Apple Silicon 上的 macOS 和 Windows x86-64。在 x86-64 上，处理器需要支持 AVX2：Intel 为 2013 年及以后的处理器，AMD 为 2015 年及以后的处理器。ffmpeg 随 Subtitld 一起提供。

在 Mac 上，插件会在一个单独的进程中尝试一次图形处理器（Metal），如果失败就使用处理器。结果保存在模型文件夹中的 metal-check.json 里。若要自己选择，请在启动 Subtitld 之前把 PARAKEET_NEMOTRON_DEVICE 设为 cpu 或 gpu。

每个版本都在这三个系统上构建，并且在每个系统上，CI 都会像 Subtitld 那样安装插件，下载模型，用每个模型转录一个文件，还会测试带说话人标签的转录和实时转录。

故障排除

• unsupported_language该模型无法转录项目的语言；错误信息会列出它能转录的语言。请把 Model 设为 Automatic，或选择另一个引擎。希腊语、拉脱维亚语、立陶宛语、马耳他语和斯洛文尼亚语没有实时字幕：请在录制后转录文件。
• network_unavailable无法下载模型，或者下载的文件未通过校验而被丢弃。请检查网络连接后重试：下载会从停下的地方继续。
• disk_full磁盘空间不足，无法存放模型或解码后的音频。三个模型共约 1.6 GB。
• oom内存不足。请关闭其他程序：一部较长的影片约需 1.3 GB。
• bad_paramsSubtitld 无法传递音频；错误信息会说明原因。
• internal插件内部出错，通常是 ffmpeg 解码音频时出错，或模型加载失败。错误信息中有详细说明。如果提示处理器缺少 AVX2，这台电脑就无法运行该插件。

许可

可用于商业工作。插件和 NVIDIA 的 NeMo-Speech.cpp 采用 Apache-2.0。Parakeet 采用 CC-BY-4.0，要求在分享权重本身时注明 NVIDIA。两个 Nemotron 模型采用 OpenMDW-1.1，这是一种面向模型的宽松许可，对你用它们制作的内容不设任何限制。模型从 NVIDIA 下载，插件并不附带它们。你制作的字幕归你所有。