AmanuensisAmanuensis Voz
La voz
Escribe lo que le dictan: cada palabra, con el instante en que se dijo.
Qué hace
Pasa audio o vídeo a texto, a subtítulos SRT o VTT, o a JSON con el inicio y el fin de cada palabra, con mayúsculas y puntuación. Reconoce 40 lenguas y corre en la CPU, entre 37 y 45 veces más deprisa que el tiempo real.
Para archivos orales: entrevistas, clases, testimonios. La grabación no sale del ordenador en el que se transcribe.
amanu escucha entrevista.mp3 -f srt,txt -o subtitulos/Con un modelo de lengua por idioma: pip install "amanuensis[voz-lm]".
Error de palabras, frente a Whisper
Con modelo de lengua. Whisper large-v3-turbo, en las mismas grabaciones.
| Lengua | Banco | Voz | Whisper |
|---|---|---|---|
| Euskera | Common Voice | 9,0 % | 41,0 % |
| Gallego | Common Voice | 6,6 % | 16,4 % |
| Gallego | FLEURS | 11,1 % | 12,8 % |
| Catalán | FLEURS | 8,7 % | 5,3 % |
| Portugués | FLEURS | 9,8 % | 4,4 % |
| Español | FLEURS | 5,9 % | 2,8 % |
Gana en euskera y en gallego. En las lenguas grandes, Whisper y Parakeet aciertan claramente más: ahí no competimos.
Dónde está
En el paquete para el ordenador, como módulo aparte que se baja la primera vez (460 MB). Todavía no está en la demo del navegador ni en la app.
Los pesos son Apache 2.0; los modelos de lengua por idioma, CC BY-SA 4.0. Datos y licencias.