Polski Real Time Transcription

Transkrypcja w czasie rzeczywistym

Transkrypcja w czasie rzeczywistym wyświetla rozpoznany tekst poniżej wskaźnika nagrywania, gdy nagrywanie jest nadal w toku. Włącz ją w Ustawienia → Transkrypcja w czasie rzeczywistym, a następnie wybierz dokładnie jeden tryb.

Blokuj transkrypcję

Transkrypcja blokowa ponownie wykorzystuje wybrany główny model szeptu lub papugi. Podczas nagrywania dokonuje transkrypcji nakładających się okien audio, łączy rozpoznane słowa według ich znaczników czasu i traktuje tekst jako stabilny, jeśli pozostaje spójny. Po zakończeniu nagrywania Voice2Win dodaje brakujący koniec lub wykonuje pełną transkrypcję zastępczą, jeśli zostaną wykryte luki.

Zalety:

• Wykorzystuje ten sam główny model transkrypcji i wybór języka, co w przypadku ostatecznej transkrypcji.
• Umożliwia wcześniejsze wykorzystanie długich nagrań bez konieczności ładowania osobnego modułu rozpoznawania transmisji strumieniowej.
• Można przeprowadzić dodatkowe przesunięte kontrole wokół granic zdań, aby naprawić wcześniejsze wyniki bloków.

Wymagania i kompromisy:

• Przeznaczony do przyspieszania karty graficznej i może być niedostępny, gdy do głównego procesora przypisano transkrypcję audio.
• Wymaga wystarczającej pamięci graficznej dla wybranego modelu i nakładania się pracy.
• Częstsze lub większe okna zwiększają wykorzystanie mocy obliczeniowej.

Ustawienia blokowania

Ustawienie	Domyślne	Efekt
Rozmiar okna	10 sekund	Maksymalny czas trwania dźwięku widziany przez jeden przebieg modelu głównego. Większe okna dodają kontekst, ale zajmują więcej czasu.
Interwał przeskoku	3 sekundy	Czas pomiędzy nowymi migawkami. Mniejsze wartości odświeżają się częściej i rozpoczynają więcej pracy.
Nakładanie się / kontekst	20 sekund	Wcześniejsze nagrania audio zostały ponownie uwzględnione w celu zapewnienia kontekstu i połączenia.
Opóźnienie stabilności	6 sekund	Jak długo nowy tekst musi pozostać niezmieniony, zanim stanie się stabilny.
Limit czasu w czasie ciszy	1000 milisekund	Akceptuje oczekujący stabilny tekst po tym okresie bez wykrytej mowy.
Dodatkowe kontrole granic zdania	2	Dodatkowe przesunięte kontrole na granicę zdania; zero wyłącza dodatkowe przebiegi.
Współczynnik przesunięcia	20 procent	Kontroluje stopień przesunięcia dodatkowych okien zdań.

Użyj opcji Przywróć domyślne, jeśli ręczne strojenie powoduje, że sygnał wyjściowy jest wolniejszy lub mniej stabilny.

Transkrypcja strumieniowa

Transkrypcja strumieniowa uruchamia oddzielny moduł rozpoznawania online Sherpa-ONNX równolegle z nagrywaniem. Tworzy bardzo wczesne zdania tymczasowe, które następnie udoskonala główny model transkrypcji w nakładających się grupach.

Zalety:

• Najwcześniejsze widoczne wyniki pośrednie.
• Może działać na głównym procesorze lub, w systemie Windows, z akceleracją karty graficznej DirectML.

Kompromisy:

• Obsługuje tylko języki, dla których w bieżącym katalogu istnieje model strumieniowy.
• Wstępne ujęcie tymczasowe może być bardziej przybliżone niż ostateczny wynik modelu głównego.
• Pobiera i buforuje dodatkowy model dla każdego wybranego języka lub wariantu modelu.

Ustawienia strumienia

• Środowisko wykonawcze — wybierz główny procesor dla kompatybilności lub kartę graficzną Windows dla szybkości.
• Model strumieniowego przesyłania dźwięku — Szybszy minimalizuje opóźnienia i czas ładowania; Bardziej dokładny, ale wolniejszy wymaga więcej obliczeń w celu zapewnienia jakości rozpoznawania.
• Liczba zdań dopracowanych razem — kontroluje nakładające się okno udoskonalania modelu głównego od 1 do 8 zdań; wartość domyślna to 2.
• Wczytane modele strumieni audio — wyświetla listę modeli zapisanych w pamięci podręcznej i umożliwia ich usunięcie. W razie potrzeby usunięty model zostanie pobrany ponownie.

Ustawienie wspólnego wyświetlania

Maksymalna wysokość tekstu poniżej wskaźnika nagrywania ogranicza tekst w czasie rzeczywistym do 10–90 procent wysokości ekranu; wartość domyślna wynosi 50 procent. Dłuższy tekst można przewijać i podąża za najnowszym wynikiem, dopóki nie przewiniesz ręcznie w górę.

Który tryb mam wybrać?

• Wybierz Blokuj transkrypcję, jeśli chcesz zachować zachowanie głównego modelu i masz wystarczającą wydajność karty graficznej i pamięci.
• Wybierz Transkrypcja strumieniowa, jeśli liczy się najwcześniejszy możliwy tekst tymczasowy i obsługiwany jest Twój język.
• Wyłącz transkrypcję w czasie rzeczywistym, jeśli wolisz najprostszy potok i potrzebujesz tylko końcowego wyniku po nagraniu.