智客公社
标题:
语音识别工具,Constme-Whisper软件体验
[打印本页]
作者:
Eye哇咔
时间:
2023-3-29 09:54
标题:
语音识别工具,Constme-Whisper软件体验
在隔壁小众软件看到了一款有意思的工具-“Const-me/Whisper”。
[attach]802960[/attach]
原版Whisper是OpenAI做的一个神经网络模型,它可以在本地实时语音转文字,用来翻译和做字幕等等,而Const-me的版本将Whisper做成了Windows的版本,还添加了GPU加速。
[attach]802961[/attach]
[attach]802962[/attach]
在官方的GitHub页面上,可以看到这个工具还有不少特点,比如说项目采用纯C++实现,除了系统基本组件没有运行依赖、内存占用低、支持大多数音频和视频格式、支持大多数音频捕获设备、比OpenAI的实现还快。
[attach]802963[/attach]
[attach]802964[/attach]
主要的使用限制是系统版本,Windows 8.1以下和32位的系统是用不了的。
[attach]802965[/attach]
软件的使用很简单,一个用于启动的界面环境,解压出来1MB不到,一个用于识别的语言模型,模型有多个版本,想要正常使用得用1G以上的模型,下载文件之后,直接运行启动器即可。
[attach]802966[/attach]
[attach]802967[/attach]
打开之后就能看见这朴实无华的界面,软件没有几个按钮,虽然是英文的,但是模型路径和高级设置一看就明白。
[attach]802968[/attach]
在高级设置里面可以设置要调用的GPU,这个保持默认就行。
[attach]802969[/attach]
之后就能看到软件的主界面了,点开选择语言,可以看到支持的语言还是挺多的,这里就先来试试中文。
[attach]802970[/attach]
在测试的时候发现用1.42GB的模型,默认出来的是繁体,用2.88GB模型出来的是简体,这个也可能是系统环境的原因,大家可以自己测试一下。
[attach]802971[/attach]
[attach]802972[/attach]
测试用的显卡是GTX1660,转换速度在可接受范围之内,上面这种简短的句子,用大的识别模型,在某些简单的语境条件下,以及加上最重要的因素——运气好的话,竟然有100%的准确度。
除了音频文件,直接放视频也是可以的,但是只要涉及的内容一广,这个在本地运行的缺点就暴露出来了,生成的文本一言难尽,在有数字的时候会自己转换成阿拉伯数字,有英文混杂的时候也会自己尝试首字母大写,但是在转换效果上,一眼望过去有不少同音字错误,对于中文的前后文联想能力比较差。
[attach]802973[/attach]
支持实时录制音频。
[attach]802974[/attach]
这个比Windows自带的语言输入效果要好一点,同样的音频速度,这个工具不会出现丢字的情况。
[attach]802975[/attach]
官方给出的Whisper识别能力图如下,主要还是用来识别英文。
[attach]802976[/attach]
其他功能上,可以添加时间标记和直接翻译成英文。
[attach]802977[/attach]
[attach]802978[/attach]
想要控制具体的参数,也可以使用控制台的版本,还会展示对应数值的置信度。
[attach]802979[/attach]
[attach]802980[/attach]
输出中文的话会出现一堆问号,这个不是控制台的编码显示问题,但是在输入转换指令后,在对应路径下面的文本生成是没有问题的。
[attach]802981[/attach]
有了这个,就可以配合像是Quicker一类的快捷工具,做到本地一键转换成文本了。
[attach]802982[/attach]
比较遗憾的是,这个小工具目前只支持将转换的音频转换为英文,要是未来可以转换成任意语言的话,那可玩性就很高了。
[attach]802983[/attach]
作者:
白羊情歌王
时间:
2023-3-29 15:43
赞赞赞赞赞赞赞赞
作者:
我似小纯洁
时间:
2023-3-31 20:54
垃圾内容,路过为证。
欢迎光临 智客公社 (http://bbs.cnaiplus.com/)
Powered by Discuz! X3.4