Nyelvek és modellek

Főleg angol: Parakeet-TDT v3. Sebességben az első a nyílt ASR-ranglistán, angol nyelven pedig pontosabb a Whisper large-v3-nál.

Másik nyelv vagy vegyes nyelvű beszéd: ha a Parakeet támogatja, ott is a Parakeet a gyorsabb. Ha nem, használd a Whispert. Azonos méretnél lassabb, de így is úgy írja át a szöveget, ahogy az emberek beszélnek; a teljesítménytartalékot veszíted el, az élő átiratot nem.

A modell bármikor módosítható a Beállítások → Átírás menüben vagy a bal oldali sávban. A figyelt nyelvek a modell kártyáján találhatók: egy, több, vagy automatikus felismerés.

Sokan közzétesznek egy-egy nyelvjárásra vagy szakterületre finomhangolt Whisper-modelleket, például svájci németre, amelyet az alap Whisper gyakran hollandnak hall. Az Earkeep ezeket is futtatja.

• Illessz be egy Hugging Face-linket a Beállítások → Átírás → Modell hozzáadása… részen. Az Earkeep letöltés előtt megmutatja, milyen verziók léteznek, és melyik mekkora.
• A Transformers-ellenőrzőpontokat az eszközödön alakítja át whisper.cpp formátumra. A PyTorch .bin fájlok és a LoRA-adapterek nem alakíthatók át.
• Vagy válassz egy meglévő whisper.cpp .bin fájlt.
• A licencet letöltés előtt megmutatjuk; hogy megfelel-e a felhasználásodnak, az közted és a szerzője között dől el.

A hozzáadott modell ugyanúgy működik, mint a beépítettek. Csak Whisper-modellek adhatók hozzá, Parakeet nem.

A következtetés az eszközödön fut, így az átíráshoz a hang sehová nem utazik, és hálózat nélkül is működik. Minden modellt egyszer kell letölteni, utána offline fut. A teljes működést az alapból privát oldalon olvashatod.

• Alapból privát: miért nem hagyja el a hang a számítógépedet, és miért nem kerül soha lemezre, bármelyik modellel.
• Folyamatos rögzítés: miért számít a gyors modell, ha az átírás egész nap fut.