Hejto.pl
Dodaj post

Wpisz coś do wyszukania (minimum 2 znaki)

Wpis użytkownika Pan_Slon w Technologia

Osobistość

w Technologia

58

Transkrypcja audio

Moi kochani, jeżeli tworzycie treści video, jakieś podcasty a nawet tiktoki czy shorty na YT lub tłumaczenia z audio.

Jest takie ciekawe narzędzie do transkrypcji, projekt [Whisper](  https://github.com/openai/whisper ) od OpenAI czyli od twórców ChatGPT, to musi być dobre!

No jest ale ma kosmiczne wymagania, projekt jest pythonie, z masą zależności i uj wie czego, normalnie kobyła.

Ktoś rozsądny wpadł na pomysł przepisania tego do C/C++ przez co powstała windowsowa apka i biblioteka o wadze 1MB :grinning:

https://github.com/Const-me/Whisper/

Jakie są efekty takiego automatu?

Zerknijcie na przykładzie zapisu z live, gdzie live trwa ok 57 minut, a transkrypcja za pomocą w/w apki zajmuje 5 minut 57 sekund(Ryzen 7 5800X + RTX3070)

https://youtube.com/live/VtxKj2S2VV8

Komentarze (11)

Twórca0

@Pan_Slon ziomuś, pyta człowiek o minimalnej znajomości informatyki :smiley: Czyli jak mam podcast,mogę to gdzieś "wrzucić" i zrobi mi transkrypcję tekstu? Dobrze rozumiem?

Osobistość0

@Mr.W tak

Osobistość7

A to nie tak, że większość bibliotek do AI w Pythonie i tak jest napisana w C++ więc pewnie wydajnościowo nie było tutaj dużej różnicy? Zgaduje że ktoś po prostu zrobił z tego bundla i wpakował do jednego pliku .exe dla ułatwienia ale może czegoś nie wiem.

"projekt jest pythonie, z masą zależności i uj wie czego, normalnie kobyła." Z tego co widzę to trzeba mieć jedynie zainstalowanego Pythona, ffmpeg i Rusta więc bez przesady xD. Na Linuxie to jest jedna komenda a na Windowsie przeklikanie 3 instalatorów (no chyba że używasz choco albo wingeta to też jedna komenda).

Btw z tego co widzę to są już nawet skrypty do zainstalowania tego w AUR więc jak ktoś korzysta z Arch Linuxa i pochodnych to zainstalowanie tego to dosłownie jedna komenda.

Zgaduje że takie GUI z instalatorem będzie wielkim ułatwieniem dla mniej "komputerowych" osób więc ogólnie na plus ale generalnie to zachęcam żeby się nie bać konsolowych programów bo skoro w GUI to jest jedno kliknięcie to zazwyczaj korzystanie z takiego programu w konsoli to też jest tylko jedna komenda. Zresztą jest nawet pokazane w tym repo gita. Dzięki za wrzute, na pewno się przyda.

Osobistość0

@Catharsis całość to domysły lub zgadywanie jeżeli mam przyjąć uproszczenie, dyskusja o niczym w sumie bo to jakbyś chciał przekonać do używania kobyły bo konsola i cli nie jest straszne a nawet to łatwe to po co jakieś wynalazki 😉 tyle ze wynalazłek razem z dll to 1 megabajt, nie trzeba nic robic, ani jednego zbędnego klika bo nie potrzeba tego instalować :smiley: a jak bardzo chcesz to jest tez wersja cli do integracji czy oskryptowania. Dlatego o tym pisze bo to jest świetne i łatwe. Miłego weekendu :smiley:

Osobistość1

@Pan_Slon Tylko drugie zdanie i druga połowa pierwszego zdania w tej "ścianie tekstu" jest domysłami. Reszta to fakty, bądź też moje przemyślenia.

Kompan1

@Catharsis Ten projekt używa ggml, ten od openai PyTorch, więc to nie jest to samo. Python to gówno i tyle, prototypy na szybko można zrobić, ale integrowanie tego z jakąś poważniejszą aplikacją to porażka, więc ta biblioteka jest świetna.

Osobistość0

@Catharsis spoko ale może najpierw sprawdź bo jest ściana tekstu o domysłach 😉 a to jest przygotowane w formie trywialno-minimalistycznej a nie jakieś konsole itp. Ja sobie z tym radzę ale po co ? 😉 Wydajność na oko jest 3-5 razy lepsza niż oryginał przy bazie large i mniejszych wymaganiach sprzętowych, np baza large wymaga w pythonie gpu z min 10gb ram a tutaj już 4-6gb podejdzie 😉

Twórca1

Działa z ruskim jeztki m?

Osobistość0

@MESSIAH nie wiem, nie sprawdzałem ale powinno

Zawodowiec3

I co to? Generuje napisy do filmu?

Osobistość1

@bob-dylan tak i może nawet tłumaczenie zrobić :smiley: