Na moje powinno to wyglądać tak: whisper.cpp -m ggml-medium.bin -f test.wav -t 14 -l pl -otxt -- (balteam): Przeczytaj wszystko od wpisu nr 250, ja może napiszę, co do lini, to nie dodałem takiej komendy, teraz wygląda ona tak:
whisper.cpp -m ggml-medium.bin test.wav -t 14 -l pl -ot t czy git czy jeszcze coś? Jak pisałem symbole dziwne zamiast polskich znaków są
Jaka jest najnowsza wersja pytorh, bo jak wpisuje wszystko jak w artykule to mi mówi, że nie znalazło wersji w indeksie.
Sygnatura – Uczcij poległych i cierpiących ocalałych ciężką pracą, ponieważ porażka zawsze może się zdarzyć, jednak nigdy nie staraj się udawać, że jesteś doskonały, ponieważ prowadzi to do gorszego końca niż porażka, wiedzie na ścieżkę hańby i nikczemności.
Ostatnie wersje programu Subtitle Edit do tworzenia napisów wspierają Whispera.CPP. Program asystuje w pobieraniu Whispera i modeli no i pozwala na transkrypcję plików audio i video. U mnie niestety strasznie powoli działa, może macie lepsze sprzęty i Wam pójdzie szybciej. https://github.com/subtitleEdit/subtitleedit/
No i moje ostateczne starcie programów do obsługi Whispera z tradycyjnego interfejsu bez konieczności otwierania wiersza poleceń wygrywa Buzz. Aplikacja jest darmowa i open source, wszystko zawiera w sobie lub pobiera za nas, pozwala na transkrypcję wszystkiego co wspiera FFMPEG i eksportuje do typowych dla Whispera formatów. Do niektórych miejsc trzeba niestety dotrzeć nawigacją obiektową NVDA czy innego czytnika, ale większość operacji da się wykonać z klawiatury. To co nie działa będę zgłaszał. Repozytorium na Githubie: https://github.com/chidiwilliams/buzz Najnowsze na dzień dzisiejszy wydanie na Windowsa: https://github.com/chidiwilliams/buzz/releases/download/v0.7.2/Buzz-0.7.2-windows.exe Na moim lapku z I5 około godzinny plik robił się około 4 godzin, ale domyślam się, że lepiej nie będzie. Miłego korzystania!
Teraz kolejny, półgodzinny robił się około 3 godzin, ale tam było dość niepewne otoczenie: głosy z odległości, echo w pomieszczeniu, głos syntezatora itp. Zaraz sprawdzę wynik.
Po ukończeniu transkrypcji kliknij nawigacją obiektową NVDA na przycisk "Open Transcript" na pasku narzędzi, następnie otworzy się okno z transkryptem, a pod Tab będzie przycisk "Export", otworzy się menu kontekstowe, z którego będziesz mógł wybrać w jakim formacie chcesz wynik. Potem już standardowe okienko zapisywania.
nie wiem jak z jawsem ale z czytnikiem zdsr można bardzo prosto do wszystkiego dojść. Generalnie zaexportowanie pliku jest proste jak budowa cepa. w zdsr wybierasz sobie navigacje po elementach, i jak się skończy plik przerabiać dochodzisz truką numeryczną albo jedynką do czegoś co będzie listą gdzie jest ten plik. To jest w sekcji status, tak prawie ku końcowi ekranu. Najeżdżasz sobie na plik, to się powinno nazywać na przykład mojplik completed i klikasz w to dwa razy, no i potem z pod taba dajesz export i wybierasz format no i potem już jest łatwo.
Swoją drogą mam takie ale, może to jest kwestia whispera, a może tej apki. Przetranskrybowałem sobie plik wave który miał tam chyba coś o koło ółtorej minuty może mniej. No na moim obciążeniu procesora, które było na poziomie 56 może 8 procent plik robił się równe 5 minut. Po przerobieniu i exporcie do pliku txt miałem parę zdań całkiem ładnie rozpoznanych, ale o zgrozo wszystko wpieprzone w jedną linijkę i chyba pozbawione interpunkcji. Więc text jest sobie jednoliniowy. Robiłem to na modelu medium z użyciem tradycyjnego whispera, który pewnie użył cpu a nie gpu, bo moja karta graficzna cudo nie wspiera. Więc jak to z tymi linijkami wygląda i interpunkcją, whisper to potrafi czy nie. A może to kwestia modelu i sprzętu na którym się to rozpoznało.
Jak ten program ładnie poprosić, żeby korzystał dajmy na to z modelu whisper cpp, a nie zwykłego whispera? Do wyboru mam tylko whisper, coś z face i whispe Open AI -- (Piciok): No i moje ostateczne starcie programów do obsługi Whispera z tradycyjnego interfejsu bez konieczności otwierania wiersza poleceń wygrywa Buzz. Aplikacja jest darmowa i open source, wszystko zawiera w sobie lub pobiera za nas, pozwala na transkrypcję wszystkiego co wspiera FFMPEG i eksportuje do typowych dla Whispera formatów. Do niektórych miejsc trzeba niestety dotrzeć nawigacją obiektową NVDA czy innego czytnika, ale większość operacji da się wykonać z klawiatury. To co nie działa będę zgłaszał. Repozytorium na Githubie: https://github.com/chidiwilliams/buzz Najnowsze na dzień dzisiejszy wydanie na Windowsa: https://github.com/chidiwilliams/buzz/releases/download/v0.7.2/Buzz-0.7.2-windows.exe Na moim lapku z I5 około godzinny plik robił się około 4 godzin, ale domyślam się, że lepiej nie będzie. Miłego korzystania!
