Repository navigation
Releases: yabayabayabado-blip/yabado
Release list
LINE PC版貼圖下載轉發chrome插件
YT/本地 影片去人聲器卡拉OK伴唱
YT線上及本地影片語音轉時間軸及字幕
Whisper 本機 Web 版 v18.3
安裝及使用說明
一、程式說明
Whisper 本機 Web 版是一套在 Windows 電腦上執行的語音轉文字工具，採用 faster-whisper / CTranslate2 架構，可使用 NVIDIA CUDA GPU 加速辨識。
支援：
- 本機影音檔案轉錄
- YouTube 網址直接下載並轉錄
- TXT 文字檔輸出
- SRT 字幕檔輸出
- NVIDIA CUDA GPU 加速
- 自動判斷一般語音／歌曲音訊
- YouTube 多重後備下載機制
- Whisper Medium
- Whisper Large-v2 選配模型
程式僅在本機 127.0.0.1 執行 Web UI，不提供區域網路服務。
二、系統需求
建議使用：
- Windows 10 / Windows 11 64 位元
- 建議記憶體 16 GB 以上
- NVIDIA 顯示卡可使用 CUDA 加速
- 未使用 NVIDIA GPU 時仍可使用 CPU 執行，但速度較慢
- 安裝及下載模型時需連接網際網路
Large-v2 模型約需額外下載 3 GB，請預留足夠硬碟空間。
三、第一次安裝
1. 解壓縮
下載 ZIP 後，請先完整解壓縮。
建議放置於例如：
C:\Whisper_Local\
或：
D:\Whisper_Local\
不建議直接在 ZIP 壓縮檔內執行。
2. 執行安裝
雙擊：
安裝.vbs
安裝過程會自動檢查及準備程式所需元件，包括：
- Portable Python
- faster-whisper
- CTranslate2
- yt-dlp
- OpenCC
- FFmpeg / FFprobe
- Deno JavaScript Runtime
- Whisper Medium 模型
整個安裝過程不需要另外輸入指令。
四、Whisper 模型說明
目前提供兩種模型。
1. 一般｜Whisper Medium
為預設模型。
特點：
- 速度較快
- GPU 記憶體需求較低
- 適合一般會議、訪談、影片及歌曲
- 第一次安裝時會自動準備
一般使用建議優先使用此模型。
2. 高品質｜Whisper Large-v2
Large-v2 為選配模型。
特點：
- 模型較大
- 辨識能力通常較 Medium 完整
- 運算時間及 GPU 記憶體需求較高
- 模型約 3 GB
如果尚未安裝，在程式中點選：
高品質｜Whisper Large-v2
系統會詢問是否下載。
確認後會直接在 Web UI 中顯示：
- 安裝狀態
- 下載百分比
- 已下載容量
- 分段下載進度
- 安裝訊息
下載途中如發生暫時性連線問題，程式支援分段及續傳，不需每次重新下載整個模型。
五、啟動程式
安裝完成後，雙擊：
啟動.vbs
程式會啟動本機服務，並自動開啟瀏覽器。
網址類似：
http://127.0.0.1:xxxxx/
每次啟動使用的連接埠可能不同，屬正常現象。
六、基本使用方式
程式提供兩種來源。
1. YouTube 網址
將 YouTube 影片網址貼入輸入欄位，例如：
https://www.youtube.com/watch?v=xxxxxxxxxxx
選擇辨識模型後開始轉錄。
系統會自動：
- 使用 yt-dlp 取得影音
- 轉換音訊
- 判斷音訊類型
- 執行 Whisper 辨識
- 產生 TXT / SRT
- 儲存至 outputs 資料夾
2. 本機影音檔案
可選擇本機影音檔案進行辨識。
常見格式可透過 FFmpeg 處理，例如：
- MP3
- WAV
- M4A
- MP4
- MOV
- WEBM
- AAC
- 其他 FFmpeg 支援格式
七、一般語音與歌曲自動判斷
程式會自動判斷音訊較接近：
- 一般語音
- 歌曲／音樂
一般語音會使用適合會議、訪談的語音偵測設定。
歌曲／音樂則會自動調整辨識方式，避免伴奏、拖音或較弱的人聲被預先排除。
使用者不需要手動切換。
八、歌曲辨識注意事項
Whisper 是語音辨識模型，不是專門的歌詞辨識模型。
歌曲可能受到以下因素影響：
- 背景伴奏
- 和聲
- 混響
- 拖音
- 歌唱腔調
- 方言
- 人聲音量較小
因此歌曲辨識結果仍可能出現：
- 同音字
- 方言轉成近似中文字
- 少量漏字
- 幻覺文字
目前程式會自動移除部分明顯的非歌詞內容，例如：
- 作詞／作曲等錯誤 metadata
- 中文字幕小組
- 部分明顯的模型幻覺
但仍建議重要字幕完成後人工快速校對。
九、YouTube 下載
程式內建 yt-dlp，並會自動使用 Deno JavaScript Runtime。
如果 YouTube 首次下載遇到 403，程式會自動嘗試不同下載策略。
包括：
- 預設方式
- 其他 YouTube player client
- HLS 後備
- 必要時才嘗試瀏覽器 Cookies
因此看到某一次下載方式失敗，不代表整個工作一定失敗。
請讓程式完成後備嘗試。
十、輸出檔案
轉錄完成後，檔案會存放在：
outputs
資料夾。
Web UI 可直接按：
開啟輸出資料夾
系統會直接開啟實際的 outputs 目錄。
主要輸出包含：
TXT
純文字逐字稿。
SRT
帶時間軸的字幕檔，可搭配：
- VLC
- PotPlayer
- YouTube
- 剪輯軟體
- 字幕編輯軟體
使用。
十一、處理訊息
Web UI 下方會顯示處理 LOG，包括：
- GPU 狀態
- FFmpeg 狀態
- YouTube 下載進度
- 模型執行狀態
- 音訊判斷
- 辨識進度
- 錯誤資訊
每次開始新的轉錄工作時，畫面會先清除上一筆工作訊息。
如需回報錯誤，可按：
COPY 訊息
即可將目前完整 LOG 複製到剪貼簿。
十二、CUDA GPU
如果電腦有支援的 NVIDIA 顯示卡，啟動時可能看到：
FASTER-WHISPER 高速模式：可使用｜CUDA GPU｜float16
代表目前正在使用 GPU 加速。
若沒有支援 CUDA，程式會改以 CPU 執行。
GPU 並非必要，但使用大型模型時 GPU 速度通常會明顯較快。
十三、暫存資料
YouTube 下載及影音處理過程會產生暫存檔。
程式提供暫存資料管理功能，可查看：
- 暫存檔案數量
- 暫存容量
並可進行清理。
清理暫存資料不會刪除：
- models
- outputs
- 程式本體
正在轉錄時請勿手動刪除暫存檔。
十四、Large-v2 安裝中斷
Large-v2 採用分段下載機制。
如下載途中：
- 網路中斷
- 程式關閉
- 電腦重新開機
再次執行安裝時，程式會盡量從既有下載進度繼續，不需要重新下載完整約 3 GB 模型。
十五、更新版本
新版程式可另外解壓至新的資料夾。
如果程式找到附近舊版本中可沿用的：
- runtime
- tools
- models
會盡量直接使用，避免重複下載大型模型。
舊版資料建議先保留，確認新版使用正常後再自行整理。
十六、常見問題
點擊 Large-v2 顯示「未安裝」
代表目前只有 Medium 模型。
點選 Large-v2 後依畫面提示進行補安裝即可。
YouTube 出現 403
YouTube 下載規則可能隨時變動。
程式已內建多重後備策略及 yt-dlp 更新機制，請先讓程式自動完成所有下載方式的嘗試。
Chrome / Edge Cookies 出現錯誤
例如：
Could not copy Chrome cookie database
或：
Failed to decrypt with DPAPI
Cookies 僅為最後後備方式之一。
程式會優先嘗試不依賴瀏覽器 Cookies 的下載方式。
為什麼歌曲字幕不是百分之百正確？
Whisper 主要是語音辨識模型。
歌曲中的伴奏、拖音、混響、方言與歌唱方式都可能影響辨識結果，因此建議將自動轉錄結果視為字幕初稿。
為什麼台語歌仍可能辨識成相近中文？
Whisper 並非專門的台語歌詞辨識模型。
台語、閩南語歌曲可能被轉成發音相近的中文字，因此重要歌詞仍建議人工校對。
十七、隱私說明
本程式的 Whisper 語音辨識在使用者電腦本機執行。
一般本機影音辨識不需將影音檔案上傳至第三方語音辨識服務。
使用 YouTube 功能時，程式會連線至 YouTube 及相關下載服務，以取得使用者指定的影音內容。
十八、版本
**Whisper 本機 Web 版 v1.0.0 **
主要功能：
- Whisper Medium
- Whisper Large-v2 選配
- faster-whisper / CTranslate2
- CUDA GPU 加速
- YouTube 下載
- Deno JavaScript Runtime
- FFmpeg / FFprobe
- TXT / SRT
- 自動歌曲判斷
- Large-v2 Web UI 安裝進度
- COPY 處理訊息
- 本機 Web UI