从15秒开始之后的文字全部相同

[sandycs-protoss]

用的是largev1模型。
这个里不能上图，如链接所示：
https://storage.googleapis.com/taotio/memobug.jpg

具体表现是英文视频转换完成后，从第15秒开始内容全部相同

[Makememo]

请先选择视频源语言，再右上角翻译。

[sdugoten]

預到一樣的問題, 前面在5分鐘左右出現過一次, 使用Large v2 model. 到最後面10分鐘左右又是這樣, 全部一樣的內容, 你可以download 原檔試.

https://temp-file.org/ANOxf418CwZdAwe/file

我已經先選日本語為"视频源语言"

直接用 whisper 出來的檔沒事, 一樣是Large v2 model. 所以應該是 Memo 內的問題

另外, 我嘗試再encode 上面的原片, 用較高的audio encoding rate. 結果....memo 只聽到音樂..

[Makememo]

我加了提示词后正常了。

[sdugoten]

提示词

請問你用甚麼提示词?

[sdugoten]

我加了提示词后正常了。

我想我找到解決方案. 請問你可不可以加 --temperature_increment_on_fallback , --condition_on_previous_text 這2個switch? 因為解決方案在這裡

https://blog.gdeltproject.org/experiments-with-whisper-asr-model-parameters-non-determinism-temperature_increment_on_fallback/

https://github.com/openai/whisper/pull/1253

應該加了這2個switch 後, 我會直接付費買lifetime 版. 謝啦.

[Makememo]

OK，后续会把参数开放开来。

[sdugoten]

OK，后续会把参数开放开来。

另外, 好像提示詞跟whisper 有點不一樣. 我在whisper 加入這句 "以下係香港嘅港式廣東話", 片段內容是廣東話的話, 會直接輸出廣東話, 不過在memo 用一樣的提示詞, 輸出還是會翻譯成正體書面語.

[Makememo]

已经上线。https://memo.ac/releases.html

[sdugoten]

1. --temperature_increment_on_fallback , --condition_on_previous_text 這2個switch在那找到? 人声检测提取（实验功能）對嗎?
2. 提示詞輸入 "以下係香港嘅港式廣東話" 仍然不會顯視video 內的廣東話, 直接翻譯成中文

[sdugoten]

看來人声检测提取（实验功能）好像解決我之前給你們那個video 的問題. 我另外再開一個新的issue 關於上面point 2 的提示詞問題