Idiomas e modelos

Sobretudo inglês: Parakeet-TDT v3. Lidera o ranking aberto de ASR em velocidade e supera o Whisper large-v3 em precisão no inglês.

Outro idioma, ou uma mistura: se o Parakeet o cobrir, o Parakeet também é mais rápido aí. Caso contrário, use o Whisper. É mais lento para um dado tamanho, mas continua a transcrever à medida que as pessoas falam; o que perde é margem de folga, não a transcrição em direto.

O modelo é uma definição que pode alterar a qualquer momento em Definições → Transcrição ou na barra lateral esquerda. Os idiomas que ele escuta ficam no cartão do modelo: um, vários ou deteção automática.

Há quem publique modelos Whisper ajustados (fine-tuned) para um dialeto ou área específica, como o alemão suíço, que o Whisper de origem muitas vezes entende como neerlandês. O Earkeep também consegue executá-los.

• Cole um link do Hugging Face em Definições → Transcrição → Adicionar um modelo…. O Earkeep mostra que versões existem e o tamanho de cada uma antes de transferir seja o que for.
• Os checkpoints Transformers são convertidos no seu dispositivo para o formato whisper.cpp. Os ficheiros .bin de PyTorch e os adaptadores LoRA não podem ser convertidos.
• Ou escolha um ficheiro .bin de whisper.cpp que já tenha.
• A licença é mostrada antes de transferir; saber se serve para a sua utilização é assunto entre si e o autor.

Um modelo adicionado funciona como os integrados. Só se podem adicionar modelos Whisper, não Parakeet.

A inferência corre no seu dispositivo, por isso o áudio não viaja para lado nenhum para ser transcrito e a transcrição funciona sem rede. Cada modelo é transferido uma só vez e, depois disso, corre offline. Veja privado por conceção para o mecanismo completo.

• Privado por conceção: porque é que o áudio nunca sai do seu computador, nem toca no disco, em qualquer dos modelos.
• Captação sempre ativa: porque é que um modelo rápido importa quando a transcrição corre o dia todo.