展开讨论

经验与复盘经验摘录 · 机器翻译

虽然这是一个需要订阅的商业产品,但我曾长时间使用免费版,甚至……

… 虽然这是一款商业产品,需要订阅,但我之前在免费层级上花了很长时间,甚至在开始大量使用它之前都没有达到他们的使用限制,之后我想要付费。我过去也用过Whisper,主要是为了试验。我尝试过几个用例,但有一段时间没有接触过原始项目了。不过我经常使用基于Whisper的开源项目Faster-Whisper-XXL来生成字幕。不过,对于生成字幕,我决定支持这个项目,主要使用为开源项目捐赠者构建的非公开版本Faster-Whisper-XXL Pro。额外的功能大大简化了字幕编辑过程。在命令行参数中添加“--roformer_overlap 0.125 --roformer_vram 16 --best_of 15 --ff_vocal_extract mb-roformer --vad_method pyannote_v3”(有时还会添加--realign),之后在SubtitleEdit或Tero Subtitler中清理字幕的工作量就会少很多。

源讨论为什么从录音中去除“um”比听起来更难原帖 91 条评论 · 导入时统计
2

社区评论 0

还没有社区评论,来聊聊你的看法。

原讨论中的回复 2

仅展示本次导入中包含的直接回复。中文为机器翻译,可查看英文原文。

DO

我很想听听更多关于字幕生成的信息。特别是,你能标注不同的说话者吗?我打算用这个来做会议转录。谢谢。

完整原文
II

令人惊讶的是,这是whisper模型本身做到的。我发现它在处理话语中断方面也很好,通常会将类似“嗯,我们可以...我们可以去那里”这样的话纠正为“我们可以去那里”,如果说话足够快的话。

完整原文
在 Hacker News 阅读

尊重不同观点,分享具体经验。

登录后即可发帖、评论、转发和引用。