Earkeep
Езици и модели
Earkeep транскрибира на вашето устройство с Whisper (99+ езика) или Parakeet-TDT v3 (25 европейски езика, сред които чешки, и по-бързият от двата), с хардуерно ускорение на Apple Silicon. Преди да купите, проверете своя език в списъка по-долу.
Кой модел да използвам
Предимно английски: Parakeet-TDT v3. Води в класацията за отворени ASR модели по скорост и надминава Whisper large-v3 по точност на английски.
Друг език или смесена реч: ако Parakeet го поддържа, и там Parakeet е по-бърз. В противен случай използвайте Whisper. При същия размер е по-бавен, но пак транскрибира в крачка с говорещите; жертвате резерв от производителност, а не транскрипцията на живо.
Моделът е настройка, която можете да смените по всяко време от Настройки → Транскрипция или от лявата лента. Езиците, които слуша, се виждат на картата на модела: един, няколко или автоматично разпознаване.
Сравнение на моделите
| Модел | Размер | За какво е подходящ | Приблизителен размер за изтегляне |
|---|---|---|---|
| Whisper | tiny | Най-бърз и най-малък, най-малко точен | 75 MB |
| Whisper | base | Една стъпка над tiny | 142 MB |
| Whisper | small | Оттук точността започва да е достатъчно добра, за да ѝ се доверите | 466 MB |
| Whisper | medium | По-точен, забележимо по-бавен | 1.5 GB |
| Whisper | large-v3-turbo (по подразбиране) | Близо до large-v3 по точност, няколко пъти по-бърз | 1.6 GB |
| Whisper | large-v3 | Върхът на семейството по точност, особено при реч на смесени езици | 3.1 GB |
| Parakeet-TDT v3 | Един размер (int8-квантизиран) | 25 европейски езика, най-бърз в класацията за отворени ASR модели, надминава large-v3 на английски | 670 MB |
Собствен модел на Whisper
Хората публикуват модели на Whisper, дообучени за един диалект или област, например швейцарски немски, който стандартният Whisper често чува като нидерландски. Earkeep може да работи и с тях.
- Поставете връзка към Hugging Face в Настройки → Транскрипция → Добавяне на модел…. Earkeep показва кои версии съществуват и колко е голяма всяка, преди да изтегли каквото и да било.
- Checkpoint-ите на Transformers се преобразуват на вашето устройство във формат на whisper.cpp. Файлове
.binна PyTorch и LoRA адаптери не могат да се преобразуват. - Или изберете файл
.binна whisper.cpp, който вече имате. - Лицензът се показва преди изтеглянето; дали е подходящ за вашата употреба, е въпрос между вас и автора му.
Добавеният модел работи като вградените. Могат да се добавят само модели на Whisper, не и на Parakeet.
На устройството, офлайн, изтегля се веднъж
Разпознаването се изпълнява на вашето устройство, така че звукът никъде не пътува, за да бъде транскрибиран, а транскрипцията работи и без мрежа. Всеки модел се изтегля веднъж и после работи офлайн. Вижте поверителност по дизайн за пълното описание на механизма.
Пълният списък с езици
99-те езика, които Whisper транскрибира, във всеки размер. 25-те удебелени се поддържат и от Parakeet-TDT v3, по-бързия от двата.
- африканс
- албански
- амхарски
- арабски
- арменски
- асамски
- азербайджански
- башкирски
- баскски
- беларуски
- бенгалски
- босненски
- бретонски
- български
- бирмански
- каталонски
- китайски
- хърватски
- чешки
- датски
- нидерландски
- английски
- естонски
- фарьорски
- фински
- френски
- галисийски
- грузински
- немски
- гръцки
- гуджарати
- хаитянски креолски
- хауса
- хавайски
- иврит
- хинди
- унгарски
- исландски
- индонезийски
- италиански
- японски
- явански
- канада
- казахски
- кхмерски
- корейски
- лаоски
- латински
- латвийски
- лингала
- литовски
- люксембургски
- македонски
- малгашки
- малайски
- малаялам
- малтийски
- маорски
- марати
- монголски
- непалски
- норвежки
- нюнорск
- окситански
- пущу
- персийски
- полски
- португалски
- пенджабски
- румънски
- руски
- санскрит
- сръбски
- шона
- синдхи
- синхалски
- словашки
- словенски
- сомалийски
- испански
- сундански
- суахили
- шведски
- тагалог
- таджикски
- тамилски
- татарски
- телугу
- тайски
- тибетски
- турски
- туркменски
- украински
- урду
- узбекски
- виетнамски
- уелски
- идиш
- йоруба
Вижте още
- Поверителност по дизайн: защо звукът никога не напуска вашия компютър и никога не се записва на диска, при който и да е от двата модела.
- Постоянно записване: защо бързият модел има значение, когато транскрипцията работи през целия ден.
Често задавани въпроси
Поддържа ли Earkeep моя език?
Почти със сигурност, чрез 99+ езика на Whisper (списъкът е по-горе). Ако езикът ви е сред 25-те на Parakeet, можете да изберете Parakeet за по-голяма скорост.
Мога ли да сменя модела след инсталирането?
Да, по всяко време от Настройки → Транскрипция. Новият модел се изтегля първия път, когато преминете към него.
Мога ли да използвам модел на Whisper, дообучен за моя диалект?
Да, в повечето случаи: поставете връзката му към Hugging Face в Настройки → Транскрипция → Добавяне на модел… или изберете файл .bin на whisper.cpp. Вижте собствен модел на Whisper по-горе.
Каква точност да очаквам?
Зависи от модела. Моделът по подразбиране, large-v3-turbo, остава близо до large-v3, върха на Whisper по точност, а декодира няколко пъти по-бързо. Parakeet-TDT v3 надминава large-v3 на английски, но покрива само 25 езика.
Колко големи са изтеглянията на моделите?
Whisper е от 75 MB (tiny) до 3.1 GB (large-v3); Parakeet-TDT v3 е около 670 MB. Всеки се изтегля веднъж и после работи офлайн.
Отива ли звукът ми някъде по време на транскрипцията?
Не. Звукът се обработва само в паметта на вашето устройство, никога не се качва и никога не се записва на диска.
Намерете своя език, после го изпробвайте
14-дневен пълен пробен период, без нужда от акаунт.