Ukrainian Real Time Transcription

Транскрипція в режимі реального часу

Транскрипція в режимі реального часу показує розпізнаний текст під індикатором запису, поки запис все ще триває. Увімкніть її в розділі Налаштування → Транскрипція в режимі реального часу, а потім виберіть точно один режим.

Блочна транскрипція

Блочна транскрипція повторно використовує обрану основну модель Whisper або Parakeet. Під час запису вона транскрибує перекриваючі вікна аудіо, об’єднує розпізнані слова за їх часовими мітками і вважає текст стабільним після того, як він залишався незмінним. Коли запис закінчується, Voice2Win додає відсутній кінець або виконує повну резервну транскрипцію, якщо були виявлені прогалини.

Переваги:

• Використовує ту ж основну модель транскрипції та вибір мови, що й остаточна транскрипція.
• Дозволяє довгі диктування використовувати раніше без завантаження окремого потокового розпізнавача.
• Може виконувати додаткові зміщені перевірки навколо меж речень для виправлення результатів попередніх блоків.

Вимоги та компроміси:

• Призначено для прискорення на графічній карті і може бути недоступним, коли аудіотранскрипція призначена для основного процесора.
• Вимагає достатньої графічної пам'яті для обраної моделі та накладених завдань.
• Частіші або більші вікна збільшують використання обчислювальних ресурсів.

Налаштування блоків

Налаштування	Значення за замовчуванням	Ефект
Розмір вікна	10 секунд	Максимальна тривалість аудіо, яку бачить один запуск основної моделі. Великі вікна додають контекст, але потребують більше часу.
Інтервал переміщення	3 секунди	Час між новими знімками. Менші значення оновлюються частіше і запускають більше роботи.
Перекриття / контекст	20 секунд	Раніше записане аудіо додається для контексту та об'єднання.
Затримка стабільності	6 секунд	Як довго новий текст повинен залишатися незмінним, перш ніж він стане стабільним.
Ліміт часу під час тиші	1000 мілісекунд	Приймає очікуваний стабільний текст після цього періоду без виявленої мови.
Додаткові перевірки меж речень	2	Додаткові зміщені перевірки для кожної межі речення; нуль вимикає додаткові запуски.
Фактор зсуву	20 відсотків	Контролює наскільки зміщені додаткові вікна речень.

Використовуйте Відновити налаштування за замовчуванням, якщо ручне налаштування робить вихідні дані повільнішими або менш стабільними.

Транскрипція потоку

Потокова транскрипція запускає окремий потоковий розпізнавач Sherpa-ONNX паралельно із записом. Він дуже швидко створює проміжні речення, які потім основна модель транскрипції уточнює групами з перекриттям.

Переваги:

• Найраніше видимі проміжні результати.
• Може працювати на основному процесорі або, на Windows, з прискоренням через DirectML на графічній карті.

Недоліки:

• Підтримуються лише мови, для яких у поточному каталозі є потокова модель.
• Сире проміжне розпізнавання може бути грубішим, ніж фінальний результат основної моделі.
• Завантажує й кешує додаткову модель для кожної обраної мови або варіанту моделі.

Налаштування потоку

• Середовище виконання — оберіть основний процесор для сумісності або графічну карту Windows для швидкості.
• Модель потокового аудіо — Швидша мінімізує затримку та час завантаження; Більш точна, але повільніша витрачає більше обчислювальних ресурсів для якості розпізнавання.
• Кількість речень, що уточнюються разом — контролює вікно уточнення основної моделі від 1 до 8 речень; за замовчуванням — 2.
• Завантажені моделі потокового аудіо — показує кешовані моделі та дозволяє видалення. Видалена модель буде завантажена знову, коли знадобиться.

Спільні налаштування відображення

Максимальна висота тексту під індикатором запису обмежує текст у реальному часі до 10–90 відсотків висоти екрана; за замовчуванням — 50 відсотків. Довший текст можна прокручувати; перегляд автоматично переходить до нових результатів, доки ви не прокрутите його вгору вручну.

Який режим мені обрати?

• Виберіть Блочну транскрипцію, коли ви хочете поведінку основної моделі і маєте достатню продуктивність графічної карти та пам'ять.
• Виберіть Потокову транскрипцію, коли важливий якнайшвидший проміжний текст і ваша мова підтримується.
• Вимкніть транскрипцію в реальному часі, коли вам потрібен найпростіший конвеєр і результат потрібен лише після запису.