Configure LinguoAI em seu PC.

Instale no mesmo ambiente virtual e carregue uma voz adequada:

.\.venv\Scripts\python.exe -m pip install -e ".[desktop,piper]"
New-Item -ItemType Directory -Force ".\Stimmen"
.\.venv\Scripts\python.exe -m piper.download_voices --download-dir ".\Stimmen" de_DE-thorsten-medium

Piper: ONNX mais JSON correspondente, ID de alto-falante opcional e taxa de fala ajustável.

Devido às dependências de áudio/tocha, um ambiente Python-3.11 dedicado é recomendado:

py -3.11 -m venv .venv-chatterbox
.\.venv-chatterbox\Scripts\python.exe -m pip install --upgrade pip
.\.venv-chatterbox\Scripts\python.exe -m pip install -e ".[desktop,voice-clone]"
.\.venv-chatterbox\Scripts\python.exe -m linguoai

• 6 a 10 segundos, uma pessoa, pouca reverberação, sem música ou ruído de fundo.
• Download do modelo de aproximadamente 3,7 GB; CPU é possível, mas muito lento para vídeos mais longos.
• A instalação nativa é experimental; Colab ou Linux é mais confiável para problemas de pacotes de áudio.

O pacote finalizado para um ambiente Python existente; FFmpeg ainda é necessário.

Carregar Wheel ↓

python -m pip install ".\linguoai-2.2.2-py3-none-any.whl[desktop]"
python -m linguoai

• NLLB e Chatterbox

  Precisa de uma edição CUDA correspondente do PyTorch.

  Seleção PyTorch ↗
• Faster-Whisper

  Além disso, requer CUDA-12-cuBLAS e cuDNN 9 no caminho do sistema.

• Piper

  Usa tempo de execução ONNX: onnxruntime-gpu instalar em vez da edição CPU.

Instale o pacote opcional e forneça uma pasta de modelo compatível. Um modelo não é baixado automaticamente.

.\.venv\Scripts\python.exe -m pip install -e ".[parakeet]"
.\.venv\Scripts\python.exe -m linguoai --help

Use a pasta completa do modelo sherpa-onnx com codificador, decodificador, joiner e arquivo de token. Ao exportar para o alemão, guarde também o arquivo do codificador externo se ele pertencer ao modelo.

Em Desktop e Colab selecione o reconhecimento de fala, perfil e pasta de modelo. Especifique explicitamente o idioma de origem para que a tradução receba o código do idioma correto. Periquito transcrito; a tradução e a voz selecionadas seguem depois.

modelos e configuração sherpa-onnx ↗ · mapa do modelo primeline ↗

• Processe um único vídeo ou todos os vídeos contidos diretamente em uma pasta.
• Entradas: MP4, MKV, MOV, AVI, WEBM e M4V; Edições: MP4, MKV ou MOV.
• Sugestão automática de saída, nomes sem colisões e substituição controlada.
• Progresso por arquivo, etapa de trabalho atual, cancelamento e registro técnico.
• Processamento único e em lote: carregue vários vídeos ou insira caminhos de arquivo MyDrive, um por linha. Arquivos Piper e gravação de referência via upload ou caminho MyDrive.

• Modelos de tiny até large-v3, além disso, possui valores de modelo.
• Detecte automaticamente o idioma de origem ou defina como código de idioma.
• CPU, NVIDIA-CUDA ou seleção automática; int8, float16 e float32 configuráveis.
• Sobreposição de seções de áudio, deslocamentos de tempo real e limpeza de segmentos duplicados.
• Comprimentos de pedaços, sobreposição e número de trabalhadores por meio de opções avançadas ou CLI.

• NLLB-200 local, Google Translate sem chave, DeepL-SDK ou Gemini.
• Fallback opcional somente após seleção explícita - caso contrário, apenas um provedor será contatado.
• URLs, endereços de e-mail, moedas, unidades e porcentagens são protegidos durante a tradução.
• Tempos limite, repetições limitadas e cache para seções de texto idênticas.
• Opcionalmente, Gemini corrige a transcrição Whisper sem alterar os IDs ou horários dos segmentos.
• Modelos próprios compatíveis com NLLB, revisões fixas, códigos FLORES, limites de lote e token.

O modelo NLLB-600M padrão está sob CC-BY-NC-4.0, é um modelo de pesquisa e não uma tradução certificada de produção. Verifique sempre os resultados.

• Normalize cada clipe para PCM mono de 48 kHz e posicione-o com precisão de amostra.
• Acelere a fala muito longa dentro de um limite configurável.
• Aviso ao acelerar rapidamente; erro controlado em vez de saída incompreensível.
• Duração final exata, metadados/capítulos adotados e, se possível, fluxo de vídeo inalterado.
• Grupo de resultados atômicos do novo vídeo, SRT original e tradução SRT.

• NLLB · Piper · Chatterbox

  Depois de baixar no termo escolhido. Em Colab, isso significa dentro da VM temporária do Google.

• Google · DeepL · Gemini

  Receba seções de texto apenas quando selecionadas ou como um substituto ativado explicitamente.

• Edge TTS · gTTS

  Envie cada sugestão traduzida para ser dublada para o respectivo serviço de idiomas online.

• Interface web Gradio protegida com senha aleatória por sessão.
• Cache de modelo opcional e cópia de resultado atômico em Google Drive.
• Os caminhos da unidade permanecem dentro de MyDrive; O Drive não é compartilhado como uma pasta de download pública.

Os resultados temporários não serão publicados até que o vídeo e ambas as legendas estejam completos. Abortar, novas tentativas limitadas, caminhos de destino protegidos e chaves API editadas evitam surpresas desagradáveis.

Somente para seu próprio endereço fixo: configure um túnel Cloudflare nomeado com seu próprio domínio e o serviço http://127.0.0.1:7860. Este não é um servidor LinguoAI implementado publicamente.

No Notebook, defina SHARE_PROVIDER como "cloudflare", preencha CLOUDFLARE_TUNNEL_HOSTNAME com seu próprio nome de host e salve CLOUDFLARE_TUNNEL_TOKEN como segredo Colab. Nunca publique tokens.

Cloudflare: 95 MB por upload por padrão. Gradio: até 5 GB por arquivo. Para vídeos grandes, use Google Drive. Links temporários trycloudflare.com não são usados ​​devido à falta de suporte SSE.