Earkeep
Γλώσσες και μοντέλα
Το Earkeep απομαγνητοφωνεί στη συσκευή σας με Whisper (99+ γλώσσες) ή Parakeet-TDT v3 (25 ευρωπαϊκές γλώσσες, μεταξύ τους και τα τσεχικά, και το ταχύτερο από τα δύο), με επιτάχυνση υλικού σε Apple Silicon. Δείτε τη γλώσσα σας στην παρακάτω λίστα πριν αγοράσετε.
Ποιο μοντέλο να χρησιμοποιήσω
Κυρίως αγγλικά: Parakeet-TDT v3. Είναι πρώτο στο open ASR leaderboard σε ταχύτητα και ξεπερνά το Whisper large-v3 σε ακρίβεια στα αγγλικά.
Άλλη γλώσσα ή μείγμα γλωσσών: αν το Parakeet την καλύπτει, και εκεί το Parakeet είναι ταχύτερο. Διαφορετικά χρησιμοποιήστε Whisper. Είναι πιο αργό για το ίδιο μέγεθος, αλλά απομαγνητοφωνεί και πάλι την ώρα που μιλούν οι άνθρωποι· αυτό που θυσιάζετε είναι περιθώριο ταχύτητας, όχι η ζωντανή απομαγνητοφώνηση.
Το μοντέλο είναι μια ρύθμιση που μπορείτε να αλλάξετε οποιαδήποτε στιγμή από τις Ρυθμίσεις → Απομαγνητοφώνηση ή από την αριστερή πλευρική στήλη. Οι γλώσσες που ακούει εμφανίζονται στην κάρτα του μοντέλου: μία, περισσότερες ή αυτόματη ανίχνευση.
Σύγκριση μοντέλων
| Μοντέλο | Μέγεθος | Σε τι χρησιμεύει | Κατά προσέγγιση λήψη |
|---|---|---|---|
| Whisper | tiny | Το ταχύτερο και μικρότερο, το λιγότερο ακριβές | 75 MB |
| Whisper | base | Ένα βήμα πάνω από το tiny | 142 MB |
| Whisper | small | Από εδώ η ακρίβεια αρχίζει να είναι αρκετά καλή για να την εμπιστευτείτε | 466 MB |
| Whisper | medium | Πιο ακριβές, αισθητά πιο αργό | 1.5 GB |
| Whisper | large-v3-turbo (προεπιλογή) | Κοντά στο large-v3 σε ακρίβεια, αρκετές φορές ταχύτερο | 1.6 GB |
| Whisper | large-v3 | Το ανώτατο όριο ακρίβειας της οικογένειας, ειδικά για ομιλία με μείγμα γλωσσών | 3.1 GB |
| Parakeet-TDT v3 | Ένα μέγεθος (κβαντισμένο σε int8) | 25 ευρωπαϊκές γλώσσες, το ταχύτερο στο open ASR leaderboard, ξεπερνά το large-v3 στα αγγλικά | 670 MB |
Το δικό σας μοντέλο Whisper
Υπάρχουν άνθρωποι που δημοσιεύουν μοντέλα Whisper εκπαιδευμένα για μία διάλεκτο ή έναν τομέα, όπως τα ελβετικά γερμανικά, τα οποία το κανονικό Whisper συχνά αναγνωρίζει ως ολλανδικά. Το Earkeep μπορεί να τρέξει και αυτά.
- Επικολλήστε έναν σύνδεσμο Hugging Face στις Ρυθμίσεις → Απομαγνητοφώνηση → Προσθήκη μοντέλου…. Το Earkeep δείχνει ποιες εκδόσεις υπάρχουν και πόσο μεγάλη είναι η καθεμία πριν κατεβάσει οτιδήποτε.
- Τα checkpoints Transformers μετατρέπονται στη συσκευή σας σε μορφή whisper.cpp. Τα αρχεία PyTorch
.binκαι οι προσαρμογείς LoRA δεν μπορούν να μετατραπούν. - Ή επιλέξτε ένα αρχείο whisper.cpp
.binπου ήδη έχετε. - Η άδεια χρήσης εμφανίζεται πριν από τη λήψη· το αν ταιριάζει στη χρήση σας είναι ζήτημα ανάμεσα σε εσάς και τον δημιουργό του.
Ένα μοντέλο που προσθέτετε λειτουργεί όπως τα ενσωματωμένα. Μπορείτε να προσθέσετε μόνο μοντέλα Whisper, όχι Parakeet.
Στη συσκευή, εκτός σύνδεσης, με μία λήψη
Η επεξεργασία γίνεται στη συσκευή σας, επομένως ο ήχος δεν ταξιδεύει πουθενά για να απομαγνητοφωνηθεί και η απομαγνητοφώνηση δουλεύει χωρίς δίκτυο. Κάθε μοντέλο κατεβαίνει μία φορά και μετά τρέχει εκτός σύνδεσης. Δείτε το ιδιωτικό εκ σχεδιασμού για τον πλήρη μηχανισμό.
Η πλήρης λίστα γλωσσών
Οι 99 γλώσσες που απομαγνητοφωνεί το Whisper, σε κάθε μέγεθος. Οι 25 με έντονα γράμματα καλύπτονται επίσης από το Parakeet-TDT v3, το ταχύτερο από τα δύο.
- Αφρικάανς
- Αλβανικά
- Αμχαρικά
- Αραβικά
- Αρμενικά
- Ασαμικά
- Αζερμπαϊτζανικά
- Μπασκιρικά
- Βασκικά
- Λευκορωσικά
- Βεγγαλικά
- Βοσνιακά
- Βρετονικά
- Βουλγαρικά
- Βιρμανικά
- Καταλανικά
- Κινεζικά
- Κροατικά
- Τσεχικά
- Δανικά
- Ολλανδικά
- Αγγλικά
- Εσθονικά
- Φερόε
- Φινλανδικά
- Γαλλικά
- Γαλικιανά
- Γεωργιανά
- Γερμανικά
- Ελληνικά
- Γκουτζαρατικά
- Κρεολικά Αϊτής
- Χάουσα
- Χαβαϊκά
- Εβραϊκά
- Χίντι
- Ουγγρικά
- Ισλανδικά
- Ινδονησιακά
- Ιταλικά
- Ιαπωνικά
- Ιαβανεζικά
- Κανάντα
- Καζακικά
- Χμερ
- Κορεατικά
- Λαοτινά
- Λατινικά
- Λετονικά
- Λινγκάλα
- Λιθουανικά
- Λουξεμβουργιανά
- Μακεδονικά
- Μαλγασικά
- Μαλαισιανά
- Μαλαγιαλαμ
- Μαλτέζικα
- Μαορί
- Μαραθικά
- Μογγολικά
- Νεπαλικά
- Νορβηγικά
- Νίνορσκ
- Οξιτανικά
- Πασιτό
- Περσικά
- Πολωνικά
- Πορτογαλικά
- Παντζαπικά
- Ρουμανικά
- Ρωσικά
- Σανσκριτικά
- Σερβικά
- Σόνα
- Σίντι
- Σινχαλεζικά
- Σλοβακικά
- Σλοβενικά
- Σομαλικά
- Ισπανικά
- Σουνδανεζικά
- Σουαχίλι
- Σουηδικά
- Ταγκαλόγκ
- Τατζικικά
- Ταμιλικά
- Ταταρικά
- Τελούγκου
- Ταϊλανδικά
- Θιβετιανά
- Τουρκικά
- Τουρκμενικά
- Ουκρανικά
- Ουρντού
- Ουζμπεκικά
- Βιετναμεζικά
- Ουαλικά
- Γίντις
- Γιορούμπα
Σχετικά
- Ιδιωτικό εκ σχεδιασμού: γιατί ο ήχος δεν φεύγει ποτέ από τον υπολογιστή σας και δεν αγγίζει ποτέ τον δίσκο, με οποιοδήποτε από τα δύο μοντέλα.
- Πάντα ενεργή καταγραφή: γιατί έχει σημασία ένα γρήγορο μοντέλο όταν η απομαγνητοφώνηση τρέχει όλη μέρα.
Συχνές ερωτήσεις
Υποστηρίζει το Earkeep τη γλώσσα μου;
Σχεδόν σίγουρα, μέσω των 99+ γλωσσών του Whisper (λίστα παραπάνω). Αν είναι μία από τις 25 του Parakeet, μπορείτε να επιλέξετε Parakeet για επιπλέον ταχύτητα.
Μπορώ να αλλάξω μοντέλο μετά την εγκατάσταση;
Ναι, οποιαδήποτε στιγμή από τις Ρυθμίσεις → Απομαγνητοφώνηση. Το νέο μοντέλο κατεβαίνει την πρώτη φορά που θα μεταβείτε σε αυτό.
Μπορώ να χρησιμοποιήσω μοντέλο Whisper εκπαιδευμένο για τη διάλεκτό μου;
Ναι, στις περισσότερες περιπτώσεις: επικολλήστε τον σύνδεσμο Hugging Face στις Ρυθμίσεις → Απομαγνητοφώνηση → Προσθήκη μοντέλου… ή επιλέξτε ένα αρχείο whisper.cpp .bin. Δείτε παραπάνω το δικό σας μοντέλο Whisper.
Τι ακρίβεια να περιμένω;
Εξαρτάται από το μοντέλο. Το προεπιλεγμένο, large-v3-turbo, μένει κοντά στο large-v3, το ανώτατο όριο ακρίβειας του Whisper, ενώ αποκωδικοποιεί αρκετές φορές ταχύτερα. Το Parakeet-TDT v3 ξεπερνά το large-v3 στα αγγλικά, αλλά καλύπτει μόνο 25 γλώσσες.
Πόσο μεγάλες είναι οι λήψεις των μοντέλων;
Το Whisper κυμαίνεται από 75 MB (tiny) έως 3.1 GB (large-v3)· το Parakeet-TDT v3 είναι περίπου 670 MB. Κάθε μοντέλο κατεβαίνει μία φορά και μετά τρέχει εκτός σύνδεσης.
Πηγαίνει ο ήχος μου κάπου κατά την απομαγνητοφώνηση;
Όχι. Ο ήχος επεξεργάζεται μόνο στη μνήμη της συσκευής σας, δεν ανεβαίνει ποτέ και δεν γράφεται ποτέ στον δίσκο.
Βρείτε τη γλώσσα σας, και δοκιμάστε το
Πλήρης δοκιμή 14 ημερών, χωρίς λογαριασμό.