Нейросети шагают по планете с пугающей скоростью. Что год назад казалось невозможным в домашних условиях и ограниченном технологическом бюджете, теперь доступно каждому бесплатно. Очередная задача, которая занимала много сил и времени, превращена в дело на 10 секунд.
Ситуация, поясняю. Вам нужно расшифровать в текст 4 часа лекции препода, запись разговора или интервью. Перепечатывать по старинке – с ума сойдёте.
Вместо этого открываем приложение MacWhisper, кидаем туда аудиофайл и через 10 секунд получаем полную расшифровку. Поддерживаются почти 50 (!) языков, включая русский. Интернет НЕ НУЖЕН. Приложение абсолютно бесплатное.
Я проверил его на нескольких лекциях с YouTube. Поражён и теперь советую всем.
Что представляет из себя MacWhisper
MacWhisper – бесплатное приложение для Mac. Вы выбираете язык, перетаскиваете туда файл и получаете полную расшифровку в двух форматах: с таймкодами и без, сплошным текстом.
Всё. Никаких «но» и прочих ограничений. Программа работает полностью в оффлайне и не «лезет» в интернет (разве что ради обновления). В списке поддерживаемых языков есть практически все существующие в мире.
Как это работает? MacWhisper использует OpenAI Whisper, запущенную в конце 2022 года. На сегодняшний день это самая быстрая и продвинутая нейросеть для перекодировки аудио в текст. Её тренировали на английском языке, а затем отмасштабировали и до поддержки других, включая русский.
Бесплатная версия MacWhisper использует уменьшенную нейромодель Whisper Tiny для моментальной транскрибции английского или стандартную модель Base для всех остальных языков. Платная версия Pro стоит 9 долларов и включает в себя модель Whisper Large – самую точную в мире по качеству распознавания речи, но более медленную. Покупать платную версию есть смысл только для тех, кто постоянно нуждается в подобных программах и не хочет терпеть даже мелкие ошибки в тексте.
Программа занимает всего 230 мегабайт и требует macOS Ventura (13.0 и новее). Она не заработает на более старых версиях ОС, увы. Вы можете также найти саму нейросеть OpenAI Whisper на просторах интернета и тогда пользоваться распознавателем на любой ОС через облачные сервисы. Просто это не так удобно, как сделано в MacWhisper: открыл, файл кинул, всё готово.
Скачать MacWhisper можно с этого сайта. Впишите в поле 0 долларов и нажмите на кнопку загрузки.
Войди и оставь комментарий
Или войди с помощью
При попытке скормить ей mp3, m4a и mp4, скаченные из youtube с помощью 4K Video Downloader выдает “Could not convert audio. This format is currently not supported”. Перед скачиванием выдает лицензионный ключ, который не спрашивает и вообще непонятно куда его вводить.
Ключ вводить не надо.
А если появляется такая ошибка, переименуйте файл так, чтобы в нём не было кириллицы.
@Никита Горяинов, благодарю, сам не догадался поменять. Тем более у вас на скриншоте “пара по матану”.
Вообще не качало, пока не изменил почту с .ru на .com
Причем остальное даже не менял, выдуманная сработала (сомневаюсь, что существует ящик rambler.com)
Спасибо!
Наконец что-то полезное и не слизанное с 9to5mac на страницах айфонса )
Win в пролете, как я понимаю…
Полезно, спасибо
Взял зашумленную лекцию. бесплатный вариант распознавал прям с трудом. взял платную. идеально. М1 macbook pro. но долго. и греется (CPU в потолок)
@Andrey Kholodnyy, бесплатная тоже не понравилось как распознала простое аудосообщение в телеграм
@Andrey Kholodnyy, насколько меньше бредовых выражений?
Запихнул в бесплатную запись телефонного разговора – транскрибация нечитаема, не угадывает слова, вместо них подходящие по звучанию словосочетания. В общем не слыша диалог в оригинале, угадать о чем была речь нереально
Ищем на GitHub репо WhisperCPP, немного ручного труда в консоли и всё бесплатно с большой моделью.
Под win/wine еще проще –
nikse(.)dk – Subtitle Edit со встраиваемой поддержкой WhisperCPP или Vosk.
@Clifford Price, могли бы вы поделиться, тем что у вас получилось под mac?
Рекомендуем
Нашли орфографическую ошибку в новости?
Выделите ее мышью и нажмите Ctrl+Enter.