Whisper - безкоштовна програма від OpenAI для перетворення голосу в текст

При­клад робо­ти на відео, пра­цює на натре­но­ва­ній (680 000 годин аудіо) моде­лі різних мов. Доре­чі спи­сок мов для роз­пі­зна­ва­н­ня дуже вели­кий, є май­же всі.

ujournal.com.ua/pictrs/image/ad03ca6c-182e-4432-8f24-68b095289a41.png веб-ресурс

Репо­зи­то­рій на гітха­бі: https://​github​.com/​o​p​e​n​a​i​/​w​h​isper

А для тих, кому лінь­ки запу­ска­ти Python-код, вста­нов­лю­ва­ти зале­жно­сті та пра­цю­ва­ти через кон­соль, добрі люди зро­би­ли гра­фі­чний інтер­фейс, який має всі фун­кції, що і ори­гі­наль­на про­гра­ма. Ось тут можна ска­ча­ти та погра­ти­ся: https://​grisk​.itch​.io/​w​h​i​s​p​e​r-gui

ujournal.com.ua/pictrs/image/4f971246-8664-4bb9-93d8-cc533c21a9b0.png веб-ресурс

Для поча­тку необ­хі­дно обра­ти відео, голос в яко­му вам тре­ба пере­тво­ри­ти у текст та нати­сну­ти зеле­ну кно­пку. Потім про­гра­ма буде заван­та­жу­ва­ти модель. Сама про­гра­ма важить при­бли­зно 4GB + 2GB модель (в зале­жно­сті від того, яку обрати)

ujournal.com.ua/pictrs/image/54cff18f-8247-447c-be4d-ff52dd5f4c2c.png веб-ресурс

Якщо у вас відео­кар­та з 10 GB відео­па­м’я­ті, оби­рай­те вели­ку модель, якщо мен­ше — сере­дню. Пер­ші чоти­ри опції — це для англій­ської мови, всі інші — для решти.

У пер­шо­му відео можна поба­чи­ти при­клад робо­ти. В ціло­му вона роз­пі­знає текст непо­га­но, є деякі помил­ки, але не кри­ти­чні. Все одно кра­ще, ніж наби­ра­ти, до при­кла­ду, 4‑годинну лекцію вру­чну. Про­гра­ма пра­цює без інтернета.

Є вер­сія для мак: https://​goodsnooze​.gumroad​.com/​l​/​m​a​c​w​h​isper