Настройки транскрипции

Перед транскрипцией Audiotext показывает её настройки, сгруппированные в карточки. Они запоминаются на следующий раз, а каждая транскрипция сохраняет настройки, с которыми она была сделана.

Движок

Метод транскрипции:

Движок	Где работает	Стоимость	Примечания
WhisperX (по умолчанию)	Ваш компьютер	Бесплатно и без ограничений	Приватно и офлайн. Больше возможностей: говорящие, тайминг слов, живой текст. Работает на графическом процессоре Mac с Apple Silicon.
Whisper API	Серверы OpenAI	Оплата за минуту	Нужен ключ API OpenAI. Для компьютеров, на которых WhisperX работает медленно.
Google API	Серверы Google	Бесплатный лимит или платно	Ниже качество и нет временных меток. Ключ API необязателен.

Модель зависит от движка. У WhisperX большие модели точнее, но медленнее. У Whisper API модель определяет, будут ли в транскрипции временные метки и говорящие. Сравнение — в разделе Движки.

Язык

• Язык аудио: по умолчанию Автоопределение. Если выбрать его вручную, можно избежать ошибок в коротких или смешанных записях. Google API не умеет определять язык, поэтому для него язык нужно выбрать.
• Язык транскрипции: по умолчанию Как у аудио. Выберите другой язык, чтобы перевести аудио во время транскрипции.

Если языки различаются, появляются параметры раздела Перевод:

• Переводить с помощью Whisper (рекомендуется): Whisper транскрибирует и переводит аудио за один шаг. Переводит только на английский.
• Писать сразу на нужном языке (язык, экспериментально): Whisper просят сразу писать транскрипцию на этом языке. Для многих языков это работает хорошо, но проверяйте результат.

Google API не умеет переводить. Чтобы позже перевести транскрипцию на любой язык с помощью других поставщиков, используйте кнопку Перевести в транскрипте.

Контекст

Два необязательных поля, которые помогают модели:

• Ключевые слова: имена, термины или аббревиатуры, звучащие в записи, через запятую (например, Audiotext, WhisperX, Henestrosa), чтобы они писались правильно. Это только подсказки: ключевое слово появится, только если оно звучит в записи.
• Описание: о чём запись, например её тема или обстановка (например, Интервью о распознавании речи).

Их используют WhisperX и Whisper API, кроме модели gpt-4o-transcribe-diarize. Google API их не использует.

Параметры

• Тайминг слов (WhisperX): выравнивает каждое слово по аудио, чтобы подсвечивать его при воспроизведении и проверять слова, в которых он меньше всего уверен. Занимает немного больше времени. По умолчанию включён. Субтитрам нужны тайминги слов, поэтому параметр включается и блокируется, пока в поле Типы файлов папки выбран .srt или .vtt; ваш собственный выбор возвращается, когда они больше не выбраны.
• Подавить фоновый шум: перед транскрибированием подавляет гул и постоянный фоновый шум и выравнивает тихую речь. Занимает больше времени.
• Определять говорящих (WhisperX): помечает, кто говорит в каждой части, например SPEAKER_00. Если вы знаете, сколько человек говорит, укажите это в поле Количество говорящих (0 — определить автоматически). Нужен бесплатный токен Hugging Face; см. Определение говорящих. В Whisper API говорящих определяет модель gpt-4o-transcribe-diarize.

Определение говорящих

Модель, определяющая говорящих, pyannote/speaker-diarization-community-1, бесплатна, но для неё нужен токен Hugging Face:

1. Создайте учётную запись на Hugging Face и примите условия pyannote/speaker-diarization-community-1.
2. Создайте токен с ролью Read в своих настройках.
3. Нажмите Задать токен Hugging Face… и вставьте его.

Модель скачивается при первом использовании. После этого говорящие определяются офлайн.

Живой текст

Показывается только для микрофона. См. Живой текст.

Папка и Вывод

Показываются только для папок:

• Отслеживать папку: см. Отслеживание папки.
• Транскрибировать файлы, которые уже есть в папке (только при отслеживании): сначала транскрибирует файлы, которые уже есть в папке и у которых ещё нет транскрипции. По умолчанию выключено.
• Включать подпапки: транскрибирует и файлы подпапок.
• Пропускать файлы, совпадающие с: имена или пути пропускаемых файлов через запятую (например, *.wav, drafts/*). Скрытые файлы пропускаются всегда.
• Типы файлов: для WhisperX — один или несколько из .txt, .srt, .vtt, .json, .tsv и .aud. Для Whisper API — формат файлов (text, json, verbose_json, srt или vtt); для субтитров нужна модель с временными метками. Google API возвращает простой текст (.txt).
• Расположение: файлы сохраняются рядом с каждым исходным файлом. Нажмите Изменить…, чтобы сохранять их в другую папку (её подпапки будут воссозданы), или Рядом с источником, чтобы вернуться.

Файлы, у которых уже есть транскрипция, пропускаются. Чтобы транскрибировать их заново, используйте команды файлов папки.

Параметры субтитров (ширина строки, число строк, выделение слов) находятся в Предпочтениях.