Phonon-2 (offline, English)
使用 Fermion Research 的语音模型 Phonon-2，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 Phonon-2 (offline, English) 安装
Subtitld 会下载它、校验其 SHA-256，并保持更新。
- 语言
- 1
- 模型
- 1
- 插件下载量
- 342 MB
功能说明
164 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。你可以设置它能用多少个核心，也可以让它自己选择。
Phonon-2 在句子和停顿处切分语音，因此每条字幕都在说话人开始和结束的地方开始和结束。
在 Hotwords 中列出视频里用到的人名和术语，Phonon-2 会优先选用它们。
模型
只有一个模型 Phonon-2。它不在插件里：第一次转录时会下载到 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 |
|---|---|---|
| Phonon-2 默认 | 英语语音，从访谈到讲座 |
第一次转录还要加载模型，所以比之后的转录更慢。Phonon-2 一次性转录整个文件：点击取消后，要等这一次处理结束才会生效。
选项
在 设置 › 插件 › Phonon-2 (offline, English) › 配置 中。
模型存放的位置。留空则共用 Subtitld 的模型缓存，这样更新或移除插件时模型会保留。
0Phonon-2 使用的 CPU 核心数。设为 0 则自动选择。新的值会在下次加载模型时生效。
视频中出现的人名和术语，用逗号分隔，最多 25 个。Phonon-2 会偏向这些词，但最终仍以音频为准。
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 | 341.8 MB | 在真实机器上运行，并在干净的 Ubuntu 22.04、Debian 10、Fedora 和 Arch 容器中测试 |
目前仅支持 Linux x86-64，适用于 2018 年及以后的发行版（glibc 2.28 或更新）。macOS 和 Windows 版本尚未就绪。
故障排除
unsupported_languagePhonon-2 只认识英语。其他语言请使用 Whisper (offline)。model_missing无法下载或加载模型。首次使用时请检查网络连接；如果设置了 Models folder，也请检查它。bad_paramsSubtitld 无法传递音频。错误信息会说明原因。oom内存不足。请关闭其他程序，或者只转录一段区间而不是整个视频。disk_full磁盘空间不足，无法存放模型或解码后的音频。请释放一些空间后重试。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。插件及其引擎采用 Apache-2.0。Phonon-2 权重采用 CC-BY-4.0，要求在分享权重本身时注明 Fermion Research；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
- 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.txtlists 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. - libquadmath (LGPL-2.1-or-later), in two builds, linked by the GCC Fortran runtime of numpy's and scipy's OpenBLAS: