Earkeep
Kalbos ir modeliai
Earkeep transkribuoja jūsų įrenginyje su Whisper (99+ kalbų) arba Parakeet-TDT v3 (25 Europos kalbos, įskaitant čekų, ir greitesnis iš dviejų), aparatiškai spartinama Apple Silicon. Prieš pirkdami susiraskite savo kalbą žemiau esančiame sąraše.
Kurį modelį rinktis
Daugiausia anglų kalba: Parakeet-TDT v3. Pagal greitį jis pirmauja atvirame ASR reitinge, o anglų kalbos tikslumu lenkia Whisper large-v3.
Kita kalba arba kalbų mišinys: jei Parakeet ją palaiko, jis ir čia greitesnis. Jei ne, naudokite Whisper. Tokio paties dydžio modelis veikia lėčiau, tačiau transkribuoja vis tiek tokiu tempu, kokiu žmonės kalba; prarandate ne tiesioginę transkripciją, o greičio atsargą.
Modelį galite bet kada pakeisti per Nustatymai → Transkribavimas arba kairėje juostoje. Kalbos, kurių modelis klauso, nurodytos jo kortelėje: viena, kelios arba automatinis aptikimas.
Modelių palyginimas
| Modelis | Dydis | Kam skirtas | Apytikslis atsisiuntimo dydis |
|---|---|---|---|
| Whisper | tiny | Greičiausias ir mažiausias, bet mažiausiai tikslus | 75 MB |
| Whisper | base | Žingsniu pranašesnis už tiny | 142 MB |
| Whisper | small | Čia tikslumas pradeda būti pakankamas, kad juo galima pasitikėti | 466 MB |
| Whisper | medium | Tikslesnis, bet pastebimai lėtesnis | 1.5 GB |
| Whisper | large-v3-turbo (numatytasis) | Tikslumu artimas large-v3, kelis kartus greitesnis | 1.6 GB |
| Whisper | large-v3 | Šeimos tikslumo riba, ypač kai kalbama keliomis kalbomis | 3.1 GB |
| Parakeet-TDT v3 | Vienas dydis (kvantuotas į int8) | 25 Europos kalbos, greičiausias atvirame ASR reitinge, anglų kalba lenkia large-v3 | 670 MB |
Jūsų pačių Whisper modelis
Žmonės skelbia Whisper modelius, pritaikytus vienam dialektui ar sričiai, pavyzdžiui, šveicarų vokiečių kalbai, kurią standartinis Whisper dažnai palaiko olandų. Earkeep gali paleisti ir tokius modelius.
- Įklijuokite Hugging Face nuorodą skiltyje Nustatymai → Transkribavimas → Pridėti modelį…. Prieš ką nors atsisiųsdamas, Earkeep parodo, kokios versijos yra ir kokio dydžio kiekviena.
- Transformers kontrolinės būsenos konvertuojamos jūsų įrenginyje į whisper.cpp formatą. PyTorch
.binfailų ir LoRA adapterių konvertuoti negalima. - Arba pasirinkite jau turimą whisper.cpp
.binfailą. - Licencija rodoma prieš atsisiunčiant; ar ji tinka jūsų naudojimui, sprendžiate jūs ir jos autorius.
Pridėtas modelis veikia kaip integruotieji. Pridėti galima tik Whisper modelius, o Parakeet ne.
Įrenginyje, neprisijungus, atsisiunčiama vieną kartą
Skaičiavimai vyksta jūsų įrenginyje, todėl garsas niekur nekeliauja, kad būtų transkribuotas, o transkribavimas veikia be tinklo. Kiekvienas modelis atsisiunčiamas vieną kartą ir toliau veikia neprisijungus. Visą mechanizmą rasite skiltyje privatumas pagal paskirtį.
Pilnas kalbų sąrašas
99 kalbos, kurias Whisper transkribuoja visų dydžių modeliuose. 25 paryškintas kalbas palaiko ir Parakeet-TDT v3, greitesnis iš dviejų.
- afrikanų
- albanų
- amharų
- arabų
- armėnų
- asamų
- azerbaidžaniečių
- baškirų
- baskų
- baltarusių
- bengalų
- bosnių
- bretonų
- bulgarų
- birmiečių
- katalonų
- kinų
- kroatų
- čekų
- danų
- olandų
- anglų
- estų
- farerų
- suomių
- prancūzų
- galisų
- gruzinų
- vokiečių
- graikų
- gudžaratų
- Haičio kreolų
- hausų
- havajiečių
- hebrajų
- hindi
- vengrų
- islandų
- indoneziečių
- italų
- japonų
- javiečių
- kanadų
- kazachų
- khmerų
- korėjiečių
- laosiečių
- lotynų
- latvių
- lingalų
- lietuvių
- liuksemburgiečių
- makedonų
- malagasų
- malajiečių
- malajalamų
- maltiečių
- maorių
- maratų
- mongolų
- nepaliečių
- norvegų
- naujoji norvegų (nynorsk)
- oksitanų
- puštunų
- persų
- lenkų
- portugalų
- pandžabų
- rumunų
- rusų
- sanskritas
- serbų
- šonų
- sindų
- sinhalų
- slovakų
- slovėnų
- somaliečių
- ispanų
- sundų
- suahilių
- švedų
- tagalų
- tadžikų
- tamilų
- totorių
- telugų
- tajų
- tibetiečių
- turkų
- turkmėnų
- ukrainiečių
- urdu
- uzbekų
- vietnamiečių
- valų
- jidiš
- jorubų
Susiję
- Privatumas pagal paskirtį: kodėl abiejuose modeliuose garsas niekada nepalieka jūsų kompiuterio ir niekada nepatenka į diską.
- Nuolatinis įrašymas: kodėl greitas modelis svarbus, kai transkribuojama visą dieną.
Dažniausiai užduodami klausimai
Ar Earkeep palaiko mano kalbą?
Beveik tikrai, nes Whisper palaiko 99+ kalbų (sąrašas aukščiau). Jei jūsų kalba yra tarp 25 Parakeet kalbų, galite pasirinkti Parakeet, kad veiktų dar greičiau.
Ar po įdiegimo galiu pakeisti modelį?
Taip, bet kada skiltyje Nustatymai → Transkribavimas. Naujas modelis atsisiunčiamas pirmą kartą į jį persijungus.
Ar galiu naudoti Whisper modelį, pritaikytą mano dialektui?
Daugeliu atvejų taip: įklijuokite jo Hugging Face nuorodą skiltyje Nustatymai → Transkribavimas → Pridėti modelį… arba pasirinkite whisper.cpp .bin failą. Žr. aukščiau jūsų pačių Whisper modelis.
Kokio tikslumo galiu tikėtis?
Tai priklauso nuo modelio. Numatytasis large-v3-turbo tikslumu išlieka artimas large-v3, Whisper tikslumo ribai, o dekoduoja kelis kartus greičiau. Parakeet-TDT v3 anglų kalba lenkia large-v3, bet palaiko tik 25 kalbas.
Kokio dydžio modelių atsisiuntimai?
Whisper modeliai svyruoja nuo 75 MB (tiny) iki 3.1 GB (large-v3); Parakeet-TDT v3 užima apie 670 MB. Kiekvienas atsisiunčiamas vieną kartą ir toliau veikia neprisijungus.
Ar mano garsas kur nors keliauja transkribuojant?
Ne. Garsas apdorojamas tik jūsų įrenginio atmintyje, niekada neįkeliamas ir niekada neįrašomas į diską.
Raskite savo kalbą, tada išbandykite
14 dienų pilna bandomoji versija, paskyros nereikia.