Полезный пост про распознавалки речи. Актуален для тех, кому надо быстро уложить субтитры для видео, к которому нет текста.

В личке остро встал вопрос для программ распознавания, и я вижу, что ко мне стали приходить ребята с волонтёрского проекта по доступности, которым тоже вскоре предстоит уложить субтитры. Делюсь всем нажитым и оцениваю в тыквах по степени крутости.

1⃣ Модель для распознавания речи от Nvidia. Можно работать в браузере бесплатно и без регистрации тут. Можно скачать и работать локально отсюда. Поддерживает кучу разных языков. Говорят, что умеет транскрибировать видео, записи и созвоны, но mp4 не ест. Думаю, можно просто перегонять файлы конвертерами и спокойно скармливать. Или выдергивать аудиодорожку и распознавать её.

Я протестировала на голосовой записи, наболтав какой-то фигни в микрофон. Исправно записалось, прочиталось. Из плюсов: умеет очищать записи от лишнего шума и формирует .srt.

🤩🤩🤩🤩 (минус тыква за то, что нужно задалбываться с форматом файла)

2⃣ WizWhisp — программуля для скачивания и локальной работы, можно брать тут. Очень простой интерфейс, поддержка кучи языков, быстрая работа. Есть платная про-версия, но и на базовой работает шустро. Даёт экспортировать распознанный текст в несколько форматов, включая .srt.

Я его тестировала на французском. Выдал удобоваримый текст с таймкодами, но когда я вчиталась, то поняла, что он там порядочно накосячил. Ему хорошо давать ровные документалки, где нет живой речи. Если там что-то неторопливое и размеренное, то делает по красоте. Быструю речь с хиханьками и тараторками распознаёт как попало.

🤩🤩🤩

3⃣ Мой фаворит — Speech2Text. Платный онлайн-инструмент. Бесплатно можно делать по 15 минут в день. При регистрации дадут 3 часа бесплатно, при переходе по реферальной ссылке — ещё 6 (могу поделиться). Если я понимаю, что мне в этом месяце не нужно покупать пакет, есть вариант пополнить баланс и распознавать нужное количество минут.

Плюсов очень много, я про них уже писала тут. Добавлю только, что в этом инструменте нет ограничений по размеру и длительности файлов, а экспорт возможен в трёх форматах: .docx с таймкодами, .docx без таймкодов и .srt. Косяков в распознавании, кстати, стало меньше. Распознавала с его помощью русский, английский, португальский.

🤩🤩🤩🤩🤩

4⃣ Встроенные возможности Subtitle Edit. Я не знала о такой фиче, спасибо коллеге, которая поделилась познаниями. Я мало пользуюсь SE в работе, и почему-то встроенная модель Whisper у меня выдаёт ошибку настройки.

Однако моя версия SE предлагает попробовать модель Vosk/Kaldi, и на ней я тестировала отрывок с английской передачей. Справилась модель откровенно плохо, ей, очевидно, помешал сильный акцент говорящего. Смысл утерян, а разбивка пошла по словам. Я считаю, что это очень неудобно. Мне проще бить строчки, а не совмещать десять слов в один кусок предложения.

Однако коллега сказала, что Whisper справляется очень хорошо и акценты распознаёт, так что попробуйте. Я порылась в интернетах и нашла инструкцию вот тут.

🤩🤩 по моему мнению, 🤩🤩🤩🤩 по мнению коллеги (минус тыква за то, что в SE можно работать только с файлами субтитров, .docx он не выгружает).

#полезное #помогитИИ