Skip to content

Latest commit

 

History

History
91 lines (48 loc) · 2.95 KB

README.md

File metadata and controls

91 lines (48 loc) · 2.95 KB

项目介绍:

使用Funasr的带time_stamp的语音识别后转换成srt,并不复杂,

注意:

Models 会自动下载,不过会下到C盘的User用户路径下,如果有需要自己配置环境的,可以手动下载然后放到当前根目录的Model下方。

有bug,请在b站私信反映,或者放在Isuue中。

b站:https://space.bilibili.com/556737824?spm_id_from=333.788.0.0

2024/6/13更新:

  • 更新了新的模型,包括:
    speech_seaco_paraformer_large_asr_nat-zh-cn-16k-common-vocab8404-pytorch 2024.4 语音检测base模型.
    speech_fsmn_vad_zh-cn-16k-common-pytorch 2024.2 长音频自动划分模型,可以接受长音频输入。
    punc_ct-transformer_zh-cn-common-vocab272727-pytorch 2024.2 语音活动检测模型,用于生成time_stamp
  • 支持热词功能。
  • 整合bilibili@不知雪孤的代码,各方面使用更加舒适。

注意:
请不要在旧版本环境基础上构建新版本代码,旧版本的funasr不支持AutoModel模块,而新版本代码去掉了以前pipline的inference,可以自由搭配模型。

你可以自己在modelscope中下载模型然后放在./models 下方。或者使用我们的整合包。
链接:https://pan.baidu.com/s/1_RUIsaaAJkfx1EsJlbdv3A?pwd=4v4e
提取码:4v4e
6.13对应V2版本
关于演示视频:
b站

2024/6/21的更新:(主要是Bug-fix)

1.部分用户转成.wav文件时是大写的.WAV,被认为不是支持的wav

2.偶尔的吞字现象。

3.cut_line未引用导致调整cut_line无效

4.你可以在config.yml中调整cut_line和combine_line

详细见:字幕生成V2.1:更新介绍、Bug Fix | XnneHang's Blog

2024/7/7的更新(主要是bug-fix)

1.识别到英文的时候偶尔就会碰到List out of Index.

2.可以在config.yml中更改device

3.写入srt的时候顺便写入了whole_text

详细见:字幕生成V2.2:Bug Fix,支持手动修改device,可选择文本标点恢复。 | XnneHang's Blog

2024/7/30更新:

1.英文单词被拆开,字母被当成单词

2.如果异常,不退出,继续执行。

3.将batch_size_s改成可以修改的值。

详细见:字幕生成V2.3 : 英文单词的兼容,batch_size的自定义. | XnneHang's Blog

2024/8/8更新:『Important』

1.修复了7/30引入了一个大bug:convert short text to long 吞句子现象。

2.修复某些mp4转录wav后可能长度和wav不一致导致字幕偏移。

3.提供GUI

4.标点可以选择保留

5.合并了7/30:V2.3的第0个Issue,英文单词被拆分成字母

详细见:字幕生成V2.3-Stable : 吞句子现象fix,mp4原因导致字幕偏移音画不同步fix,提供GUI,支持保留标点和限制句子长度。 | XnneHang's Blog