Russian Real Time Transcription

Транскрипция в реальном времени

Транскрипция в реальном времени отображает распознанный текст под индикатором записи, пока запись всё ещё продолжается. Включите её в Настройки → Транскрипция в реальном времени, затем выберите ровно один режим.

Построчная транскрипция

Построчная транскрипция повторно использует выбранную основную модель Whisper или Parakeet. Во время записи она транскрибирует перекрывающиеся аудиоокна, объединяет распознанные слова по временным меткам и считает текст стабильным после того, как он остаётся неизменным. Когда запись заканчивается, Voice2Win добавляет недостающий хвост или выполняет полную резервную транскрипцию, если были обнаружены пропуски.

Преимущества:

• Использует ту же основную модель транскрипции и выбор языка, что и финальная транскрипция.
• Делает длинные диктовки доступными раньше, без загрузки отдельного потокового распознавателя.
• Может выполнять дополнительные смещённые проверки на границах предложений, чтобы исправлять результаты предыдущих блоков.

Требования и компромиссы:

• Предназначено для ускорения на графическом процессоре и может быть недоступно, когда аудиотранскрипция назначена на основной процессор.
• Требуется достаточный объём графической памяти для выбранной модели и параллельной работы.
• Более частые или большие окна увеличивают использование вычислительных ресурсов.

Настройки блоков

Настройка	По умолчанию	Эффект
Размер окна	10 секунд	Максимальная продолжительность аудио, обрабатываемая одной основной моделью за раз. Большие окна дают больше контекста, но требуют больше времени.
Интервал между срезами	3 секунды	Время между новыми снимками. Меньшие значения обновляют чаще и запускают больше работы.
Перекрытие / контекст	20 секунд	Ранее записанное аудио включается снова для контекста и объединения.
Задержка стабильности	6 секунд	Как долго новый текст должен оставаться без изменений, прежде чем он станет стабильным.
Лимит времени при тишине	1000 миллисекунд	Принимает ожидающий стабильный текст после этого периода без обнаруженной речи.
Дополнительные проверки границ предложений	2	Дополнительные смещённые проверки на каждую границу предложения; ноль отключает дополнительные прогонки.
Фактор смещения	20 процентов	Контролирует, насколько смещаются дополнительные окна предложений.

Используйте Восстановить настройки по умолчанию, если ручная настройка делает вывод медленнее или менее стабильным.

Транскрипция потока

Транскрипция потока запускает отдельный онлайн-распознаватель Sherpa-ONNX параллельно с записью. Он генерирует очень ранние промежуточные предложения, которые затем основная модель транскрипции уточняет в перекрывающихся группах.

Преимущества:

• Самые ранние видимые промежуточные результаты.
• Может работать на основном процессоре или, в Windows, с ускорением на графической карте через DirectML.

Недостатки:

• Поддерживает только языки, для которых существует потоковая модель в текущем каталоге.
• Промежуточное распознавание может быть грубее, чем итоговый результат основной модели.
• Загружает и кэширует дополнительную модель для каждого выбранного языка или варианта модели.

Настройки потока

• Среда выполнения — выберите основной процессор для совместимости или графическую карту Windows для скорости.
• Потоковая аудиомодель — Быстрее минимизирует задержку и время загрузки; Более точная, но медленнее тратит больше вычислительных ресурсов на качество распознавания.
• Количество предложений, обрабатываемых вместе — управляет перекрывающимся окном доработки основной модели от 1 до 8 предложений; по умолчанию 2.
• Загруженные потоковые аудиомодели — показывает закэшированные модели и позволяет их удалять. Удалённая модель будет загружена снова при необходимости.

Настройка общего отображения

Максимальная высота текста под индикатором записи ограничивает текст в реальном времени от 10 до 90 процентов высоты экрана; по умолчанию 50 процентов. Более длинный текст остаётся прокручиваемым и следует за последним результатом до тех пор, пока вы вручную не прокрутите вверх.

Какой режим мне выбрать?

• Выберите Блочную транскрипцию, когда вам необходимо поведение основного модуля и у вас достаточно производительности графического процессора и памяти.
• Выберите Потоковую транскрипцию, когда важен самый ранний промежуточный текст и ваш язык поддерживается.
• Отключите реальную транскрипцию, если вы предпочитаете самый простой процесс и вам нужен только конечный результат после записи.