1

功能：

  • 输出四种格式：.txt .txt(带时间戳) .srt .vtt
  • 实时转录
  • 翻译成英语:rofl:

测试速度：

image
image439×294 26 KB

2 个赞
3

翻译成英语。

官方给的转录错误率表。得分越低，转录效果越好。

image
image871×1168 86.3 KB

4

确实，英语口语不好的人很抓瞎。
不过也能从侧面练习英语的吧

5

可以可以。

看起来，GPU 真的是居家必备啊，不然…AI 和你说再见 :joy:

2 个赞
6

简单拿双截棍测试了下。

image
image1920×916 307 KB

只能说这个翻译目前很迷。如果是普通语音，是可以翻译出一些文本的。不知道为什么歌词里面全部变成[Music]

7

youtube的翻译也是音乐直接显示music，感觉可能是用的同一种逻辑：音乐就是音乐，不需要翻译

8

这个我也调试通了，只不过只会命令行，用python就不会输出了。本想搞成接口分享给大家的。
效果还是不错了，但还有改进的空间，用large模型跑真是太慢了

10

作者说只测试了medium版本。不过我用medium有时也遇到重复结果。

11

有没软件支持声纹识别的，就是区分不同的人发言。 国内都是要在线上传，比如字节跳动那款，想要离线的。

12

中文还是比较弱

13

字幕组应该很喜欢，可以生成带时间轴的文本，省了不少事情呀

1 个赞
14

集成显卡也能用，当然很慢，不过好处是不占用CPU，机子不会卡

15

准确度还可以，居然对粤语识别也还行。只是为什么我转换出的全是繁体中文，语言里没有简体可以选。

16

命令行是中文，python是繁体。

也可能是我没找对命令。

17

离线语音识别现在真的还需要这么大的算力吗？为什么在12核的i5-12500上跑的还是这么费劲呢？讯飞输入法的离线语音识别在小小的手机上就可以跑得很准确，OpenAI的Whisper模型在PC上跑出来的效果也并没有好多少。

18

实时转写怎么弄，有弄过吗？

19

你这个题目难度也忒高了点儿
我强烈怀疑如果周杰伦没唱过这个，他自己也听不懂