Engines

Audiotext transcribeert met een van drie engines, die je kiest op de kaart Engine van de transcriptie-instellingen.

	WhisperX	Whisper-API	Google-API
Draait op	Je computer	Servers van OpenAI	Servers van Google
Internet	Alleen om de modellen te downloaden	Vereist	Vereist
Kosten	Gratis, onbeperkt	Betaald	Gratis tegoed (60 min/maand), of betaald met een API-sleutel
Detecteert de taal	✓	✓	✗
Vertaalt	✓	✓	✗
Tijdstempels	✓	Afhankelijk van het model	✗
Herkent sprekers	✓ (Hugging Face-token)	`gpt-4o-transcribe-diarize`	✗
Tijden per woord	✓	`whisper-1`	✗
Livetekst	✓	✗	✗
Woorden met lage betrouwbaarheid	✓ (tijden per woord)	`whisper-1` (segmenten)	✗

WhisperX

WhisperX is een snelle implementatie van Whisper van OpenAI die op je computer draait, zodat je audio hem nooit verlaat. Het draait op de CPU of, veel sneller, op een NVIDIA-GPU met CUDA of op de GPU van een Mac met Apple Silicon.

Model

Grotere modellen zijn nauwkeuriger, maar trager en gebruiken meer geheugen. Het model wordt bij het eerste gebruik gedownload.

Model	Parameters	Benodigd VRAM
`tiny`, `tiny.en`	39 M	~1 GB
`base`, `base.en`	74 M	~1 GB
`small`, `small.en`	244 M	~2 GB
`distil-small.en`	166 M	~2 GB
`medium`, `medium.en`	769 M	~5 GB
`distil-medium.en`	394 M	~3 GB
`large-v1`, `large-v2`, `large-v3`	1550 M	<8 GB
`large-v3-turbo`	809 M	~6 GB
`distil-large-v2`, `distil-large-v3`, `distil-large-v3.5`	756 M	~5 GB

large-v2 is de standaard, omdat large-v3 vaker hallucineert en tekst herhaalt, vooral in sommige talen zoals het Japans, en meer leestekens weglaat.
large-v3-turbo is een uitgedunde versie van large-v3, veel sneller en bijna even nauwkeurig.
De modellen die eindigen op .en (tiny.en, base.en, small.en, medium.en) en de gedistilleerde modellen (distil-small.en, distil-medium.en, distil-large-v2, distil-large-v3, distil-large-v3.5) transcriberen alleen Engels. Ze zijn sneller dan de meertalige modellen van dezelfde grootte.

Op een Mac

Op Macs met Apple Silicon transcribeert MLX Whisper op de GPU, veel sneller dan op de CPU. Daarna lijnt WhisperX zoals altijd de woorden uit en herkent het de sprekers op de CPU, zodat de transcripties hun tijden per woord, scores en sprekers behouden.

De MLX-versie van het model wordt gedownload wanneer het voor het eerst wordt gebruikt.
distil-small.en, distil-large-v2 en distil-large-v3.5 hebben geen MLX-versie en draaien dus op de CPU.
De livetekst draait altijd op de CPU.
Rekentype en Batchgrootte zijn niet van toepassing op de GPU, omdat MLX altijd met halve precisie en zonder batches rekent.
Om op de CPU te transcriberen, zet je CPU gebruiken aan bij Voorkeuren → Transcriptie.

Geavanceerde opties

Ze staan bij Voorkeuren → Transcriptie → WhisperX. Wijzig ze alleen als je problemen hebt of weet wat je doet: een GPU zonder geheugen kan je systeem laten vastlopen.

Rekentype: de precisie van de getallen van het model. float16 is sneller op NVIDIA-GPU’s (de standaard met CUDA). int8 gebruikt minder geheugen en is de standaard op de CPU, omdat veel CPU’s float16 niet efficiënt ondersteunen. float32 is het nauwkeurigst, voor GPU’s met meer dan 8 GB VRAM.
Batchgrootte: hoeveel delen van de audio tegelijk worden verwerkt (standaard 8). Het verandert de kwaliteit niet, alleen de snelheid. Verlaag hem als het geheugen opraakt; tot 16 wordt aanbevolen.
CPU gebruiken: draait WhisperX op de CPU. Staat altijd aan als er geen GPU is gevonden (een NVIDIA-GPU met CUDA, of de GPU van een Mac met Apple Silicon).

Whisper-API

Gebruikt de spraak-naar-tekst-API van OpenAI. Hij is bedoeld voor computers waarop WhisperX niet soepel draait, en vereist een OpenAI-API-sleutel (zie API-sleutels).

Model	Tijdstempels	Sprekers	Opmerkingen
`whisper-1` (standaard)	✓	✗	Kan segment voor segment worden afgespeeld en ondertiteld. Vertaalt naar het Engels. Beoordeelt elk segment, om die met lage betrouwbaarheid na te kijken.
`gpt-transcribe`	✗	✗	Nauwkeuriger, maar zonder tijdstempels.
`gpt-4o-transcribe-diarize`	✓	✓	Herkent de sprekers. Gebruikt de trefwoorden en de beschrijving niet.

Vertalingen naar het Engels worden altijd door whisper-1 gemaakt, omdat dat het enige model is dat vertaalt.

Lange audio wordt opgedeeld in stukken van maximaal 10 minuten, geknipt bij een stilte zodat geen woord wordt gesplitst, omdat de API bestanden groter dan 25 MB weigert. Bij whisper-1 wordt het einde van elk stuk als context aan het volgende meegegeven; bij gpt-4o-transcribe-diarize wordt een voorbeeld van de stem van elke spreker meegestuurd met de volgende stukken, zodat ze hun labels behouden.

Opties

Antwoordformaat (kaart Uitvoer, voor mappen): text (standaard), json, verbose_json, srt of vtt. Ondertitels en verbose_json vereisen een model met tijdstempels.
Temperatuur (Voorkeuren → Transcriptie): tussen 0 en 1. Hoge waarden zoals 0,8 maken het resultaat willekeuriger, lage waarden zoals 0,2 gerichter. Bij 0 (standaard) verhoogt het model hem automatisch als dat nodig is.
Tijdstempels van de woorden (Voorkeuren → Transcriptie): of whisper-1 ook de tijdstempels van elk woord teruggeeft, om het tijdens het afspelen te markeren. Duurt langer. Standaard aan.

Google-API

Gebruikt de Google Speech-to-Text-API. Hij zet geen leestekens (die voegt Audiotext toe), en de kwaliteit is lager dan die van Whisper, dus de transcripties moeten vaak worden gecorrigeerd. Hij kan de taal niet detecteren en niet vertalen, en levert platte tekst zonder tijdstempels.

Zonder API-sleutel wordt het gratis tegoed gebruikt, beperkt tot 60 minuten per maand. Stel een Google-API-sleutel in om dat uit te breiden. Google rekent kosten voor het gebruik, waarvoor Audiotext niet verantwoordelijk is.