Whisper WebUI

الهمس ويبوي

واجهة متصفح تستند إلى خريجيو للهمس. يمكنك استخدامه كمولد فرعي سهل!

دفتر

إذا كنت ترغب في تجربة ذلك على كولاب ، يمكنك القيام بذلك هنا!

ميزة

• حدد تطبيق الهمس الذي تريد استخدامه بين:
  • Openai/Whisper
  • Systran/أسرع-whisper (يستخدم بشكل افتراضي)
  • vaibhavs10/whisper بجنون
• توليد ترجمات من مصادر مختلفة ، بما في ذلك:
  • الملفات
  • يوتيوب
  • ميكروفون
• تنسيقات الترجمة المدعومة حاليًا:
  • SRT
  • webvtt
  • txt (ملف نصي فقط بدون جدول زمني)
• خطاب الترجمة النصية
  • من لغات أخرى إلى اللغة الإنجليزية. (هذه هي ميزة ترجمة الكلام إلى النص الهامس))
• نص إلى ترجمة نصية
  • ترجمة ملفات الترجمة باستخدام نماذج Facebook NLLB
  • ترجمة ملفات الترجمة باستخدام Deepl API
• إدخال الصوت قبل المعالجة مع Silero VAD.
• إدخال الصوت قبل المعالجة لفصل BGM مع UVR.
• بعد المعالجة مع مذكرات السماعة باستخدام نموذج pyannote.
  • لتنزيل نموذج Pyannote ، تحتاج إلى أن يكون لديك رمز Huggingface وقبول شروطها يدويًا في الصفحات أدناه.
    1. https://huggingface.co/pyannote/speaker-diarization-3.1
    2. https://huggingface.co/pyannote/segmentation-3.0

التثبيت والتشغيل

• الجري مع Pinokio

التطبيق قادر على التشغيل مع Pinokio.

1. تثبيت برنامج Pinokio.
2. افتح البرنامج وابحث عن Whisper-Webui وقم بتثبيته.
3. ابدأ Whisper-Webui واتصل بـ http://localhost:7860 .

• الجري مع Docker

1. تثبيت وإطلاق Docker-Desktop.

2. git استنساخ المستودع

git clone https://github.com/jhj0517/Whisper-WebUI.git

3. بناء الصورة (الصورة حوالي 7 جيجابايت ~)

docker compose build 

4. تشغيل الحاوية

docker compose up

5. اتصل بـ Webui مع متصفحك على http://localhost:7860

إذا لزم الأمر ، قم بتحديث docker-compose.yaml لتتناسب مع بيئتك.

• تشغيل محليا

المتطلب السابق

لتشغيل هذا webui ، تحتاج إلى الحصول على git ، 3.10 <= python <= 3.12 ، FFmpeg .
وإذا كنت لا تستخدم وحدة معالجة الرسومات NVIDA ، أو تستخدم إصدار CUDA مختلفًا عن 12.4 ، قم بتحرير requirements.txt . txt لتتناسب مع بيئتك.

يرجى اتباع الروابط أدناه لتثبيت البرنامج اللازم:

• GIT: https://git-scm.com/downloads
• Python: https://www.python.org/downloads/ 3.10 ~ 3.12 يوصى به.
• FFMPEG: https://ffmpeg.org/download.html
• CUDA: https://developer.nvidia.com/cuda-downloads

بعد تثبيت FFMPEG ، تأكد من إضافة مجلد FFmpeg/bin إلى مسار النظام الخاص بك!

التثبيت التلقائي

1. غيت استنساخ هذا المستودع

git clone https://github.com/jhj0517/Whisper-WebUI.git

2. قم بتشغيل install.bat أو install.sh لتثبيت التبعيات. (سيقوم بإنشاء دليل venv وتثبيت التبعيات هناك.)
3. ابدأ webui مع start-webui.bat أو start-webui.sh (سيتم تشغيل python app.py بعد تنشيط VenV)

ويمكنك أيضًا تشغيل المشروع باستخدام وسيطات سطر الأوامر إذا كنت ترغب في ذلك ، راجع Wiki للحصول على دليل للوسائط.

استخدام VRAM

تم دمج هذا المشروع مع الأسرع بشكل افتراضي لاستخدام VRAM بشكل أفضل وسرعة النسخ.

وفقًا لـ Faster-Whisper ، فإن كفاءة نموذج الهمس المحسّن هي كما يلي:

تطبيق	دقة	حجم الشعاع	وقت	الأعلى. ذاكرة GPU	الأعلى. ذاكرة وحدة المعالجة المركزية
Openai/Whisper	FP16	5	4M30S	11325MB	9439MB
أسرع	FP16	5	54S	4755 ميجابايت	3244 ميغابايت

إذا كنت ترغب في استخدام تطبيق آخر غير الأسرع ، فاستخدم- --whisper_type arg واسم المستودع.
اقرأ ويكي لمزيد من المعلومات حول cli args.

النماذج المتاحة

هذا هو جدول الاستخدام الأصلي لـ Whisper's VRAM للنماذج.

مقاس	حدود	نموذج اللغة الإنجليزية فقط	نموذج متعدد اللغات	مطلوب VRAM	السرعة النسبية
صغير الحجم	39 م	tiny.en	tiny	~ 1 غيغابايت	~ 32x
قاعدة	74 م	base.en	base	~ 1 غيغابايت	~ 16x
صغير	244 م	small.en	small	~ 2 غيغابايت	~ 6x
واسطة	769 م	medium.en	medium	~ 5 غيغابايت	~ 2x
كبير	1550 م	ن/أ	large	~ 10 غيغابايت	1x

.en النماذج هي للغة الإنجليزية فقط ، والشيء الرائع هو أنه يمكنك استخدام خيار Translate to English من النماذج "الكبيرة"!

تودو؟

• أضف ترجمة API Deepl
• أضف ترجمة نموذج NLLB
• دمج مع أسرع
• تتكامل مع الجري
• تتكامل مع Whisperx (جزء مذكرات المتحدث فقط)
• أضف فصل الموسيقى الخلفية المسبق مع UVR
• أضف نصًا سريعًا لـ API
• دعم النسخ في الوقت الفعلي للميكروفون

ترجمة

أي PRS يترجم اللغة إلى ترجمة.