Voice-Pro: многофункциональный инструмент для перевода видео с открытым исходным кодом, транскрипция и перевод голоса на множество языков, установка Windows одним щелчком мыши

Общее введение

Voice-Pro - это многофункциональный инструмент на базе Gradio WebUI, который поддерживает преобразование речи в текст, текст в речь, перевод в реальном времени, загрузку видео с YouTube и разделение человеческого голоса. В нем интегрированы технологии Whisper, Faster-Whisper и Whisper-Timestamped, обеспечивающие эффективную обработку звука и перевод для множества языков и сценариев.

Список функций

• преобразование речи в текст: Поддерживает функции Whisper, Faster-Whisper и Whisper-Timestamped, обеспечивая высокую точность распознавания речи.
• преобразование текста в речьПоддержка Edge-TTS и F5-TTS, несколько вариантов языка и голоса, а также поддержка регулировки скорости, громкости и высоты тона.
• перевод в реальном времени: Поддержка распознавания речи в реальном времени и перевода на несколько языков.
• YouTube Скачать: Вы можете загружать видео с YouTube и извлекать аудио (mp3, wav, flac).
• разделение голоса: Разделение вокальных и фоновых звуков с помощью движков MDX-Net и Demucs.
• пакетный файл: Поддержка создания субтитров, перевода и преобразования текста в речь при обработке больших партий файлов.
• Поколение субтитров: Поддерживает создание и редактирование субтитров на более чем 90 языках.
• Поддержка нескольких форматов: Поддерживаются все видео- и аудиоформаты, поддерживаемые ffmpeg.

Использование помощи

Процесс установки

1. стартовый пакет: Клонируйте или загрузите последнюю версию исходного кода с GitHub.

   git clone https://github.com/abus-aikorea/voice-pro.git

2. Установите и запустите программу::
   • быть в движении configure.bat Установите необходимые зависимости (например, git, ffmpeg и CUDA).
   • быть в движении start.bat Запустите Voice-Pro, и WebUI запустится автоматически.
   • При первом запуске Voice-Pro сначала установится, что может занять час или более, и в это время не закрывайте командное окно Windows.

Функции использования

1. преобразование речи в текст::
   • На вкладке Студия выберите Шепот Модели и виды расчетов.
   • Загрузите аудиофайл или выберите источник входного аудиосигнала (например, микрофон).
   • Нажмите кнопку "Начать" и дождитесь завершения процесса распознавания речи и создания субтитров.
2. рендеринг::
   • Загрузите файлы текста или субтитров для перевода на вкладке "Перевод".
   • Выберите целевой язык и нажмите кнопку "Перевести".
   • После завершения перевода вы можете загрузить переведенный файл.
3. преобразование текста в речь::
   • Выберите Edge-TTS или F5-TTS на вкладке TTS.
   • Введите текст для преобразования и выберите параметры голоса (например, скорость, громкость, высоту тона).
   • Нажмите кнопку "Генерировать голос" и дождитесь завершения генерации голоса.
4. YouTube Скачать::
   • Введите ссылку на видео с YouTube на вкладке YouTube Downloader.
   • Выберите формат аудио (mp3, wav, flac) и нажмите кнопку "Загрузить".
   • После завершения загрузки вы найдете аудиофайл в указанной папке.
5. разделение звуков::
   • Загрузите аудиофайлы на вкладке Vocal Remover.
   • Выберите движок MDX-Net или Demucs и нажмите кнопку Start.
   • Дождитесь завершения разделения звука и загрузите разделенный аудиофайл.
6. пакетный файл::
   • Загрузите несколько файлов на вкладке Пакетная загрузка.
   • Выберите нужную операцию (субтитры, перевод, преобразование текста в речь).
   • Нажмите кнопку "Начать" и дождитесь завершения пакетной обработки.

общие проблемы

• Браузер не запускается автоматически: Закройте командное окно Windows и запустите его снова. start.bat, или вручную введите отображаемый адрес в браузере (например, http://127.0.0.1:7892).
• Ошибка отсутствия памяти в CUDA: Проверьте состояние памяти GPU и настройте уровень шумоподавления или тип вычислений.
• Предупреждение Защитника Windows: Добавьте пакетный файл в исключения или временно отключите Защитник Windows.