faster-whisper-webui

מה זה

אתם מעלים קבצי קול, מדביקים קישור מיוטיוב או מקליטים ישירות מהמיקרופון במחשב. בתמורה מקבלים טקסט מתומלל, חלוקה לקטעים, וקבצי תמלול וכתוביות להורדה בפורמטים של SRT ו־VTT. אם מעלים כמה קבצים ביחד, הממשק אורז את כל התוצרים בקובץ זיפ אחד.

מאחורי הקלעים רצים המודלים של Whisper בגדלים שונים, החל מ־tiny ועד large-v2, עם מימוש של faster-whisper שמקצץ שימוש בזיכרון ומאיץ את העבודה. בנוסף יש תמיכה בזיהוי קול באמצעות Silero VAD וזיהוי דוברים שמתבסס על pyannote, שמאפשר להגדיר בין דובר אחד לחמישה דוברים שונים בהקלטה.

מתאים ל

• תמלול סרטוני יוטיוב

  מדביקים קישור לסרטון ומקבלים קובץ כתוביות SRT או טקסט נקי בלי להוריד את הווידאו למחשב.

• זיהוי דוברים בהקלטות

  מפעילים אפשרות זיהוי דוברים כדי להפריד בין שניים עד חמישה משתתפים בראיונות או שיחות.

• תרגום שמע ישירות לאנגלית

  בוחרים במשימת תרגום כדי להמיר שמע בשפות זרות ישירות לתמליל באנגלית.

איפה זה נופל

העמוד כרגע במצב שגיאת בנייה ולא נטען בדפדפן, כך שאי אפשר להשתמש בו ישירות דרך האתר בלי להריץ אותו עצמאית דרך דוקר, גוגל קולאב או התקנה מקומית. מעבר לזה, חלוקת הדוברים דורשת ספריות תלויות שלא תמיד זמינות בכל מצב, והגדרות VAD מסוימות בממשק המלא עלולות להקריס את הריצה אם משנים אותן בלי להכיר את הפרמטרים.

איך משתמשים

לוחצים על העלאת קבצים או מזינים קישור, בוחרים שפה, מודל וסוג משימה של תמלול או תרגום לאנגלית, ולוחצים על הפעלה. אפשר להפעיל חלוקת זמנים לפי מילים וזיהוי דוברים. העמוד בנוי על חומרת CPU בסיסית, כך שעיבוד של קבצים בינוניים או שימוש במודלים גדולים דורש סבלנות.

הרישיון

הקוד מופץ ברישיון קוד פתוח מסוג Apache 2.0 שמאפשר שימוש חופשי, שינוי והפצה. התוכן שאתם מעלים והתמלולים שנוצרים אינם מוגנים או מנוהלים על ידי הרישיון של התוכנה עצמה.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא ב־Hugging Face ↗