Earkeep
Języki i modele
Earkeep transkrybuje na Twoim urządzeniu za pomocą modelu Whisper (99+ języków) lub Parakeet-TDT v3 (25 języków europejskich, w tym czeskiego, i szybszego z tych dwóch), ze sprzętową akceleracją na Apple Silicon. Zanim kupisz, sprawdź swój język na liście poniżej.
Który model wybrać
Głównie angielski: Parakeet-TDT v3. Prowadzi w otwartym rankingu ASR pod względem szybkości i pod względem dokładności dla angielskiego wyprzedza Whisper large-v3.
Inny język lub mieszanka języków: jeśli Parakeet go obsługuje, tam też jest szybszy. W przeciwnym razie użyj Whisper. Przy tym samym rozmiarze jest wolniejszy, ale nadal transkrybuje na bieżąco, w tempie rozmowy; tracisz zapas mocy, nie transkrypcję na żywo.
Model możesz zmienić w dowolnej chwili w Ustawienia → Transkrypcja albo na lewym pasku bocznym. Języki, których model nasłuchuje, widać na jego karcie: jeden, kilka lub wykrywanie automatyczne.
Porównanie modeli
| Model | Rozmiar | Do czego służy | Przybliżony rozmiar pobierania |
|---|---|---|---|
| Whisper | tiny | Najszybszy i najmniejszy, najmniej dokładny | 75 MB |
| Whisper | base | Krok wyżej niż tiny | 142 MB |
| Whisper | small | Od tego rozmiaru dokładność zaczyna wystarczać, by jej zaufać | 466 MB |
| Whisper | medium | Dokładniejszy, wyraźnie wolniejszy | 1,5 GB |
| Whisper | large-v3-turbo (domyślny) | Dokładnością bliski large-v3, kilka razy szybszy | 1,6 GB |
| Whisper | large-v3 | Szczyt dokładności w całej rodzinie, zwłaszcza dla mowy w kilku językach naraz | 3,1 GB |
| Parakeet-TDT v3 | Jeden rozmiar (kwantyzacja int8) | 25 języków europejskich, najszybszy w otwartym rankingu ASR, dla angielskiego dokładniejszy niż large-v3 | 670 MB |
Własny model Whisper
Ludzie publikują modele Whisper dostrojone do jednego dialektu lub dziedziny, na przykład do szwajcarskiego niemieckiego, który standardowy Whisper często rozpoznaje jako niderlandzki. Earkeep potrafi uruchamiać także takie modele.
- Wklej link do Hugging Face w Ustawienia → Transkrypcja → Dodaj model…. Earkeep pokaże, jakie wersje są dostępne i jak duża jest każda z nich, zanim cokolwiek pobierze.
- Checkpointy Transformers są konwertowane na Twoim urządzeniu do formatu whisper.cpp. Plików PyTorch
.binani adapterów LoRA nie da się przekonwertować. - Możesz też wybrać plik
.binwhisper.cpp, który już masz. - Licencję zobaczysz przed pobraniem; to, czy pasuje do Twojego zastosowania, ustalasz z jej autorem.
Dodany model działa jak wbudowane. Dodawać można tylko modele Whisper, nie Parakeet.
Na urządzeniu, offline, pobierany raz
Wnioskowanie odbywa się na Twoim urządzeniu, więc dźwięk nigdzie nie jest wysyłany do transkrypcji, a transkrypcja działa bez sieci. Każdy model pobiera się raz i potem działa offline. Pełny opis mechanizmu znajdziesz w artykule prywatność w standardzie.
Pełna lista języków
99 języków, które Whisper transkrybuje w każdym rozmiarze. 25 pogrubionych obsługuje też Parakeet-TDT v3, szybszy z tych dwóch.
- Afrikaans
- Albański
- Amharski
- Arabski
- Ormiański
- Asamski
- Azerbejdżański
- Baszkirski
- Baskijski
- Białoruski
- Bengalski
- Bośniacki
- Bretoński
- Bułgarski
- Birmański
- Kataloński
- Chiński
- Chorwacki
- Czeski
- Duński
- Niderlandzki
- Angielski
- Estoński
- Farerski
- Fiński
- Francuski
- Galicyjski
- Gruziński
- Niemiecki
- Grecki
- Gudżarati
- Kreolski haitański
- Hausa
- Hawajski
- Hebrajski
- Hindi
- Węgierski
- Islandzki
- Indonezyjski
- Włoski
- Japoński
- Jawajski
- Kannada
- Kazachski
- Khmerski
- Koreański
- Laotański
- Łaciński
- Łotewski
- Lingala
- Litewski
- Luksemburski
- Macedoński
- Malgaski
- Malajski
- Malajalam
- Maltański
- Maoryjski
- Marathi
- Mongolski
- Nepalski
- Norweski
- Nynorsk
- Oksytański
- Paszto
- Perski
- Polski
- Portugalski
- Pendżabski
- Rumuński
- Rosyjski
- Sanskryt
- Serbski
- Shona
- Sindhi
- Syngaleski
- Słowacki
- Słoweński
- Somalijski
- Hiszpański
- Sundajski
- Suahili
- Szwedzki
- Tagalog
- Tadżycki
- Tamilski
- Tatarski
- Telugu
- Tajski
- Tybetański
- Turecki
- Turkmeński
- Ukraiński
- Urdu
- Uzbecki
- Wietnamski
- Walijski
- Jidysz
- Joruba
Powiązane
- Prywatność w standardzie: dlaczego dźwięk nigdy nie opuszcza Twojego komputera i nigdy nie trafia na dysk, w przypadku obu modeli.
- Nagrywanie non stop: dlaczego szybki model ma znaczenie, gdy transkrypcja działa przez cały dzień.
Często zadawane pytania
Czy Earkeep obsługuje mój język?
Prawie na pewno, dzięki 99+ językom Whisper (lista powyżej). Jeśli Twój język jest wśród 25 obsługiwanych przez Parakeet, możesz wybrać Parakeet dla większej szybkości.
Czy mogę zmienić model po instalacji?
Tak, w dowolnej chwili w Ustawienia → Transkrypcja. Nowy model pobiera się przy pierwszym przełączeniu na niego.
Czy mogę użyć modelu Whisper dostrojonego do mojego dialektu?
Tak, w większości przypadków: wklej link do Hugging Face w Ustawienia → Transkrypcja → Dodaj model… albo wybierz plik .bin whisper.cpp. Zobacz własny model Whisper powyżej.
Jakiej dokładności mogę się spodziewać?
To zależy od modelu. Domyślny large-v3-turbo jest bliski large-v3, czyli szczytu dokładności Whisper, a dekoduje kilka razy szybciej. Parakeet-TDT v3 dla angielskiego jest dokładniejszy niż large-v3, ale obsługuje tylko 25 języków.
Jak duże są pliki modeli do pobrania?
Whisper waha się od 75 MB (tiny) do 3,1 GB (large-v3); Parakeet-TDT v3 to około 670 MB. Każdy model pobiera się raz, a potem działa offline.
Czy mój dźwięk gdzieś trafia podczas transkrypcji?
Nie. Dźwięk jest przetwarzany wyłącznie w pamięci na Twoim urządzeniu, nigdy nie jest wysyłany i nigdy nie jest zapisywany na dysku.
Znajdź swój język, potem wypróbuj
14-dniowy pełny okres próbny, bez konta.