Налаштування транскрипції

Перед транскрипцією Audiotext показує її налаштування, згруповані в картки. Вони запам’ятовуються на наступний раз, а кожна транскрипція зберігає налаштування, з якими її створено.

Рушій

Метод транскрипції:

Рушій	Де працює	Вартість	Примітки
WhisperX (типовий)	Ваш комп’ютер	Безкоштовно й без обмежень	Приватно й офлайн. Більше можливостей: мовці, таймінг слів, живий текст. Працює на графічному процесорі Mac з Apple Silicon.
Whisper API	Сервери OpenAI	Оплата за хвилину	Потрібен ключ API OpenAI. Для комп’ютерів, на яких WhisperX працює повільно.
Google API	Сервери Google	Безкоштовний ліміт або платно	Нижча якість і немає часових міток. Ключ API необов’язковий.

Модель залежить від рушія. У WhisperX більші моделі точніші, але повільніші. У Whisper API модель визначає, чи будуть у транскрипції часові мітки й мовці. Порівняння — у розділі Рушії.

Мова

• Мова аудіо: типово Автовизначення. Якщо вибрати її вручну, можна уникнути помилок у коротких або змішаних записах. Google API не вміє визначати мову, тож для нього її треба вибрати.
• Мова транскрипції: типово Як в аудіо. Виберіть іншу мову, щоб перекласти аудіо під час транскрипції.

Якщо мови відрізняються, з’являються параметри розділу Переклад:

• Перекладати за допомогою Whisper (рекомендовано): Whisper транскрибує й перекладає аудіо за один крок. Перекладає лише англійською.
• Писати одразу потрібною мовою (мова, експериментально): Whisper просять одразу писати транскрипцію цією мовою. Для багатьох мов це працює добре, але перевіряйте результат.

Google API не вміє перекладати. Щоб пізніше перекласти транскрипцію будь-якою мовою за допомогою інших постачальників, використовуйте кнопку Перекласти у транскрипті.

Контекст

Два необов’язкові поля, які допомагають моделі:

• Ключові слова: імена, терміни або абревіатури, що звучать у записі, через кому (наприклад, Audiotext, WhisperX, Henestrosa), щоб вони писалися правильно. Це лише підказки: ключове слово з’явиться, лише якщо воно звучить у записі.
• Опис: про що запис, наприклад його тема чи обставини (наприклад, Інтерв'ю про розпізнавання мовлення).

Їх використовують WhisperX і Whisper API, крім моделі gpt-4o-transcribe-diarize. Google API їх не використовує.

Параметри

• Таймінг слів (WhisperX): вирівнює кожне слово за аудіо, щоб підсвічувати його під час відтворення й перевіряти слова, у яких він найменш упевнений. Триває трохи довше. Типово ввімкнено. Субтитрам потрібен таймінг слів, тому параметр вмикається й блокується, доки в полі Типи файлів папки вибрано .srt або .vtt; ваш власний вибір повертається, коли їх уже не вибрано.
• Зменшити фоновий шум: перед транскрибуванням зменшує гудіння й сталий фоновий шум і вирівнює тихе мовлення. Триває довше.
• Визначати мовців (WhisperX): позначає, хто говорить у кожній частині, наприклад SPEAKER_00. Якщо ви знаєте, скільки людей говорить, укажіть це в полі Кількість мовців (0 — визначити автоматично). Потрібен безкоштовний токен Hugging Face; див. Визначення мовців. У Whisper API мовців визначає модель gpt-4o-transcribe-diarize.

Визначення мовців

Модель, що визначає мовців, pyannote/speaker-diarization-community-1, безкоштовна, але потребує токена Hugging Face:

1. Створіть обліковий запис на Hugging Face і прийміть умови pyannote/speaker-diarization-community-1.
2. Створіть токен із роллю Read у своїх налаштуваннях.
3. Натисніть Задати токен Hugging Face… і вставте його.

Модель завантажується під час першого використання. Після цього мовці визначаються офлайн.

Живий текст

Показується лише для мікрофона. Див. Живий текст.

Папка й Вивід

Показуються лише для папок:

• Стежити за папкою: див. Стеження за папкою.
• Транскрибувати файли, які вже є в папці (лише під час стеження): спершу транскрибує файли, які вже є в папці й ще не мають транскрипції. Типово вимкнено.
• Включати підпапки: транскрибує й файли підпапок.
• Пропускати файли, що збігаються з: назви або шляхи файлів, які слід пропустити, через кому (наприклад, *.wav, drafts/*). Приховані файли пропускаються завжди.
• Типи файлів: для WhisperX — один або кілька з .txt, .srt, .vtt, .json, .tsv і .aud. Для Whisper API — формат файлів (text, json, verbose_json, srt або vtt); для субтитрів потрібна модель із часовими мітками. Google API повертає звичайний текст (.txt).
• Розташування: файли зберігаються поруч із кожним вихідним файлом. Натисніть Змінити…, щоб зберігати їх в іншу папку (її підпапки буде відтворено), або Поруч із джерелом, щоб повернутися.

Файли, які вже мають транскрипцію, пропускаються. Щоб транскрибувати їх знову, скористайтеся командами файлів папки.

Параметри субтитрів (ширина рядка, кількість рядків, виділення слів) містяться в Уподобаннях.