Solución de problemas

A primeira transcrición con WhisperX tarda moito

A primeira vez que se usa un modelo, descárgase, o que pode tardar varios minutos segundo a túa conexión e o tamaño do modelo (ata ~3 GB). O progreso indica cando se está a cargar. O modelo queda na memoria mentres as súas opcións non cambien, así que as seguintes transcricións comezan ao momento.

WhisperX falla con CUDA out of memory

A túa GPU non ten memoria dabondo para a configuración. Proba, nesta orde:

1. Baixa o Tamaño do lote (p. ex. 4) en Preferencias → Transcrición.
2. Usa un modelo máis pequeno (p. ex. small ou base).
3. Usa un Tipo de cálculo máis lixeiro (p. ex. int8).

Os dous últimos poden reducir a calidade. Consulta Motores para ver a memoria que precisa cada modelo.

Transcribir tarda demasiado

A velocidade de WhisperX depende do teu hardware, así que non esperes resultados instantáneos en CPU modestas. Proba un modelo máis pequeno, como small, ou large-v3-turbo nunha GPU, ou o tipo de cálculo int8. Nun Mac con Apple Silicon, comproba que Usar a CPU está desactivado en Preferencias → Transcrición, para que transcriba na GPU. Tamén podes usar a API de Whisper ou a API de Google, que se executan en servidores remotos.

A API de Whisper devolve o erro 429

RateLimitError("Error code: 429 - {'error': {'message': 'You exceeded your current quota, ...', 'type': 'insufficient_quota', ...}}")

A túa conta de OpenAI quedou sen créditos, ou tes que engadir fondos antes de usar a API por primeira vez (aínda que teñas créditos gratuítos). Compra créditos na sección Billing da túa conta de OpenAI. A túa conta pode tardar ata 10 minutos en activarse.

Se creaches a clave de API antes de engadir fondos por primeira vez e o erro persiste despois de 10 minutos, crea unha clave nova e configúraa en Preferencias → Claves de API.

Non se poden identificar os falantes

Se a transcrición falla con Para identificar falantes precísase un token de Hugging Face. ou Non se puido descargar o modelo de identificación de falantes., o token falta, non é válido ou non pode acceder ao modelo.

Identificar os falantes require un token de Hugging Face e aceptar as condicións do modelo. Comproba que:

• Aceptaches as condicións de pyannote/speaker-diarization-community-1 coa mesma conta.
• O token ten o rol Read e está configurado en Preferencias → Claves de API.

Consulta Identifica os falantes.

Non se atopa ningún micrófono, ou non se grava nada

• Comproba que o micrófono está conectado e fai clic no botón de actualizar xunto á lista de micrófonos.
• En macOS, permite o acceso a Audiotext en Configuración do Sistema → Privacidade e seguranza → Micrófono. En Windows, en Configuración → Privacidade → Micrófono.
• Se o medidor de nivel mostra Non hai son, escolle outro micrófono da lista ou comproba que non está silenciado.
• Se se mostra Non se gravou ningún audio., a gravación rematou antes de que o micrófono enviase ningún son. Volve gravar ou escolle outro micrófono.

Non se mostra o texto en directo

Se se mostra O texto non se pode mostrar mentres se grava. mentres gravas, non se puido cargar o Modelo en directo: por exemplo, descárgase a primeira vez que se usa, o que require conexión a Internet, ou non hai memoria abonda. A gravación non se ve afectada e transcríbese como sempre ao detela. Escolle un Modelo en directo máis pequeno (p. ex. tiny ou base) na tarxeta Texto en directo.

Non se pode reproducir o audio dunha transcrición

O ficheiro de orixe moveuse ou eliminouse. O texto consérvase, pero o audio só se pode reproducir desde o ficheiro orixinal. Audiotext garda as gravacións do micrófono e o audio dos URL.

Non se pode descargar un vídeo de YouTube

Asegúrate de que o URL é correcto e de que o vídeo é público. YouTube cambia a miúdo, así que, se segue fallando, comproba se hai unha versión máis recente de Audiotext.

Se no seu lugar se mostra O vídeo de YouTube non ten pista de audio., o vídeo non ten son que transcribir.

Non se pode transcribir unha ligazón

• O URL non apunta a un ficheiro de audio ou vídeo.: a ligazón abre unha páxina web, non un ficheiro. Só funcionan as ligazóns de vídeos de YouTube e as ligazóns directas a ficheiros de audio ou vídeo. Busca na páxina a ligazón que descarga o ficheiro (p. ex. o episodio dun podcast) e úsaa, ou descarga o ficheiro e transcríbeo coa fonte Ficheiro.
• Non se puido descargar o ficheiro: …: non se puido acceder ao ficheiro. Comproba que a ligazón se abre no teu navegador e que tes conexión a Internet. As ligazóns que requiren iniciar sesión non se poden descargar: descarga o ficheiro ti mesmo e usa a fonte Ficheiro.

Un cartafol non transcribe ningún ficheiro

Os ficheiros que xa teñen unha transcrición omítense, igual que os ficheiros ocultos e os que coinciden con Omitir os ficheiros que coincidan con. Para transcribilos de novo, usa Volver transcribir todo… no menú ⋯ do cartafol, ou selecciónaos na súa lista de ficheiros. Os ficheiros dos subcartafoles só se transcriben con Incluír subcartafoles, e o cartafol debe conter ficheiros compatibles.

A API de Google pide o idioma

A API de Google non pode detectar o idioma. Escolle o Idioma do audio na configuración.

Falla un resumo, unha resposta ou unha tradución

• DeepL non pode traducir ao idioma ….: DeepL non admite ese idioma. Escolle outro provedor, como un modelo de linguaxe.
• A resposta do modelo era demasiado longa., O modelo non devolveu un resumo válido., O modelo non devolveu unha resposta válida. ou O modelo non devolveu unha tradución válida.: o modelo non escribiu o resumo, a resposta ou a tradución co formato esperado. Téntao de novo ou escolle un modelo máis grande en Preferencias → Provedores. Os modelos pequenos de Ollama fallan máis a miúdo.
• Para calquera outro erro, comproba que a clave de API do provedor está configurada en Preferencias → Claves de API e que a túa conta ten saldo.

Non se subliñan as palabras de baixa confianza

Comproba que Resaltar as palabras de baixa confianza está activado no menú ⋯ da transcrición. Se a transcrición non ten puntuacións, o menú di por que:

• Activa «Tempos por palabra» e transcríbeo de novo: WhisperX puntúa as palabras cando calcula os seus tempos.
• Non hai modelo de aliñamento para o seu idioma: as palabras dese idioma non se poden temporizar nin puntuar.
• Transcríbeo de novo para puntuar as palabras: transcribiuse antes de que se puntuasen as palabras.
• Só WhisperX e whisper-1 puntúan as palabras: os demais motores e modelos non o fan.

Consulta Revisa as palabras de baixa confianza.

O vídeo con subtítulos mostra cadros

Se se mostra Exportado a …, pero ningunha fonte ten estes caracteres, así que se amosan como cadros: … despois de exportar o vídeo cos seus subtítulos, ningunha fonte do teu sistema pode debuxar eses caracteres. Instala unha fonte para esa escritura (p. ex. Noto) e volve exportalo.

Non se poden buscar actualizacións

Non se puido comprobar se hai actualizacións. significa que Audiotext non puido conectar con GitHub. Comproba a túa conexión a Internet ou se un devasa ou un proxy a bloquea. Sempre podes descargar a última versión desde a páxina de versións.

Outro problema

Busca nas incidencias ou pregunta nas discusións. Se atopas un erro, infórmao co teu sistema, a versión de Audiotext e os pasos para reproducilo.