canary-1b-v2 — הדגמה

מה זה

מעלים קובץ קול או מקליטים ישירות מהמיקרופון, בוחרים שפת מקור מתוך הרשימה הנתמכת, ומגדירים שפת יעד לתרגום. אפשר גם להשאיר את שפת היעד זהה לשפת המקור כדי לקבל תמלול פשוט.

בצד הטכני, הקוד משתמש במודל ASR מבוסס NeMo של אנבידיה. השמע עובר עיבוד ראשוני בעזרת ספריית pydub, שדואגת לדגום אותו מחדש ולהמיר אותו לערוץ מונו יחיד אם הקלט הגיע בסטריאו.

התוצאה מופיעה בטבלה מפורטת עם חלוקה למקטעים וזמנים מדויקים. הממשק כולל נגן שמנגן כל מקטע בנפרד בלחיצה עליו, ומוסיף כפתורי הורדה לקובצי CSV או קובצי כתוביות מסוג SRT.

מתאים ל

• יצירת כתוביות לסרטונים

  הפקת קובצי SRT מוכנים עם חותמות זמן מדויקות מתוך הקלטת שמע בשפות אירופאיות.

• תרגום שיחות מוקלטות

  המרת דיבור משפת מקור ישירות לטקסט כתוב בשפת יעד מבוקשת והורדתו כקובץ CSV.

• ניווט שמע לפי טקסט

  השמעת מקטעי קול בודדים מתוך שיחה ארוכה על ידי בחירת שורת הטקסט הרלוונטית בטבלה.

איפה זה נופל

נכון לעכשיו סטטוס הריצה מוגדר כשגיאת בנייה, כך שהעמוד אינו פעיל ישירות בדפדפן. בנוסף, המודל מוגבל ל־25 שפות אירופאיות בלבד, ללא תמיכה בעברית.

הקוד דוחה אוטומטית קבצים עם יותר משני ערוצי שמע, כך שהקלטות מרובות ערוצים לא יעבדו כלל. כדאי לזכור שחיתוך המקטעים מסתמך על תקינות השמע, ורעשי רקע עשויים להכשיל את ההמרה או ליצור חלוקת זמנים שגויה.

אותה משפחה

canary יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

איך מריצים

בוחרים בלשונית הקובץ או המיקרופון, טוענים את ההקלטה ולוחצים על הכפתור הראשי להרצה. הממשק מציג דוגמאות מובנות לקבצים שאפשר לטעון בלחיצה אחת לצורך בדיקה ראשונית.

הקוד רץ על חומרת zero-a10g של Hugging Face, שמקצה כרטיס גרפי לפי דרישה. העיבוד מלווה בהודעות סטטוס שמדווחות על טעינת הקובץ, ההמרה למונו, וסיום התמלול.

pip install -U huggingface_hub
hf download nvidia/canary-1b-v2

הקבצים

13 קבצים במאגר, 9.6 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• canary-1b-v2.nemo6.4 GB
• model.safetensors3.9 GB
• tokenizer.json2.2 MB
• plots/asr.png146.9 KB
• plots/en_x.png128.9 KB
• plots/x_en.png125.5 KB
• README.md72.4 KB
• .gitattributes1.6 KB
• config.json1.6 KB
• chat_template.jinja534 B
• processor_config.json362 B
• tokenizer_config.json328 B
• generation_config.json252 B

הרישיון

הקוד והממשק מפורסמים תחת רישיון cc-by-4.0. הרישיון מתיר שימוש חופשי, עריכה והפצה, כולל לצרכים מסחריים, כל עוד נותנים קרדיט מתאים. הטיפול בקבצים שמועלים מתבצע מקומית בתיקיית ההפעלה של השרת בזמן הריצה.

• שימוש מסחרי
• שינוי הקוד
• חובת ייחוס

הרישיון המלא בעמוד המודל ↗