外放声音,离线出字幕。
只用一个通用模型,实时字幕可能不够准,还得兼顾出字速度。
先判断语言,再交给对应模型。
边说边出临时字幕,停下才订稿。
在Windows上,这两条命令分别抓电脑播放声,或把它和麦克风混合。
再用这条命令开服务,就能在浏览器里看字幕。
这是它的仪表盘,英文转写和字幕历史,都能直接看到。
同批真实日语广播,其字符错误率3.
8%,对比模型是13.
8%。
日语停说后,正式字幕典型约100毫秒出现,限制常驻模型时,内存不到2GB。
近30天提交超100次。
关注我,项目链接见评论区。