Налаштуйте LinguoAI на своєму комп’ютері.

Встановіть у тому ж віртуальному середовищі, а потім завантажте відповідний голос:

.\.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 плюс відповідний JSON, додатковий ідентифікатор динаміка та регульована швидкість розмови.

Через залежності аудіо/факела рекомендується спеціальне середовище Python-3.11:

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

• 6-10 секунд, одна людина, невелика реверберація, без музики чи фонового шуму.
• Завантаження моделі приблизно 3,7 ГБ; CPU можливий, але дуже повільний для довших відео.
• Рідна установка є експериментальною; Colab або Linux є більш надійними для вирішення проблем з аудіопакетами.

Готовий пакет для існуючого середовища Python; FFmpeg все ще потрібен.

Навантаження Wheel ↓

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

• NLLB і Chatterbox

  Потрібне відповідне видання CUDA PyTorch.

  Вибір PyTorch ↗
• Faster-Whisper

  Крім того, потрібні CUDA-12-cuBLAS і cuDNN 9 у системному шляху.

• Piper

  Використовує ONNX Час виконання: onnxruntime-gpu встановити замість версії CPU.

Встановіть додатковий пакет і підготуйте папку із сумісною моделлю. Моделі не завантажуються автоматично.

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

Використовуйте повну папку моделі sherpa-onnx з encoder, decoder, joiner і файлом токенів. Для німецького експорту також збережіть зовнішній файл encoder, якщо він є частиною моделі.

У застосунку для комп’ютера та Colab оберіть рушій розпізнавання мовлення, профіль і папку моделі. Явно вкажіть вихідну мову, щоб переклад отримав правильний код мови. Parakeet розпізнає мовлення; потім виконується переклад і використовується обраний голос.

Моделі й налаштування sherpa-onnx ↗ · Картка моделі primeline ↗

• Обробка окремого відео або всіх відео, які безпосередньо містяться в папці.
• Входи: MP4, MKV, MOV, AVI, WEBM і M4V; Редакції: MP4, MKV або MOV.
• Автоматична пропозиція виводу, імена без колізій і контрольоване перезапис.
• Перебіг за файлом, поточний крок роботи, скасування та технічний журнал.
• Одиночна й пакетна обробка: завантажте кілька відео або введіть шляхи до файлів MyDrive, по одному в рядку. Файли Piper і зразок голосу можна завантажити або вказати їхні шляхи в MyDrive.

• Моделі tiny поки large-v3, додатково власні значення моделі.
• Автоматично визначати вихідну мову або встановлювати як код мови.
• CPU, NVIDIA-CUDA або автоматичний вибір; int8, float16 і float32, які можна налаштувати.
• Аудіорозділи, що перекриваються, справжні часові зсуви та очищення дублікатів сегментів.
• Довжина фрагментів, перекриття та номер робочого елемента за допомогою додаткових параметрів або CLI.

• NLLB-200 локальний, Google Translate без ключа, DeepL-SDK або Gemini.
• Необов’язковий резервний варіант лише після явного вибору – інакше буде зв’язано лише з одним постачальником.
• URL, адреси електронної пошти, валюти, одиниці та відсотки захищені під час перекладу.
• Тайм-аути, обмежені повтори та кеш для ідентичних текстових розділів.
• За бажанням Gemini виправляє розшифровку Whisper без зміни ідентифікаторів сегментів або часу.
• Власні моделі, сумісні з NLLB, виправлені версії, коди FLORES, обмеження партій і маркерів.

Модель NLLB-600M за умовчанням відповідає CC-BY-NC-4.0, є дослідницькою моделлю, а не сертифікованим виробничим перекладом. Завжди перевіряйте результати.

• Нормалізуйте кожен кліп до 48 кГц моно PCM і розташуйте його з точністю вибірки.
• Прискорення надто довгого мовлення в межах встановленого ліміту.
• Попередження при швидкому розгоні; контрольована помилка замість незрозумілого результату.
• Точна кінцева тривалість, прийняті метадані/розділи та, якщо можливо, незмінний відеопотік.
• Група результатів Atomic з нового відео, оригінального SRT і перекладу SRT.

• NLLB · Piper · Chatterbox

  Після завантаження в обраний вами термін. У Colab це означає всередині тимчасової віртуальної машини Google.

• Google · DeepL · Gemini

  Отримувати лише текстові розділи, якщо їх вибрано або як явно активований запасний варіант.

• Edge TTS · gTTS

  Надсилайте кожну перекладену репліку на дубляж до відповідної мовної онлайн-служби.

• Захищений веб-інтерфейс Gradio із довільним паролем на сеанс.
• Додатковий кеш моделі та атомарна копія результату в Google Drive.
• Шляхи приводу залишаються в межах MyDrive; Диск не є загальнодоступною папкою для завантажень.

Тимчасові результати не будуть опубліковані, доки відео та обидва субтитри не будуть завершені. Скасування, обмежені повторні спроби, захищені шляхи призначення та відредаговані ключі API дозволяють уникнути неприємних сюрпризів.

Лише для власної постійної адреси: налаштуйте іменований Cloudflare Tunnel зі своїм доменом і сервісом http://127.0.0.1:7860. Це не загальнодоступний сервер LinguoAI.

У Notebook установіть SHARE_PROVIDER = "cloudflare", укажіть власний хост у CLOUDFLARE_TUNNEL_HOSTNAME і збережіть CLOUDFLARE_TUNNEL_TOKEN у Colab Secrets. Ніколи не публікуйте токен.

Cloudflare: за замовчуванням 95 MB на завантаження. Gradio: до 5 GB на файл. Для великих відео використовуйте Google Drive. Тимчасові посилання trycloudflare.com не використовуються через відсутність підтримки SSE.