用做饭打比方，N46Whisper为你提供了预制菜，不用从杀猪做起了。当然了，应用场景并非万能， 但根据目前收到的反馈，此应用确实可以在不同程度上让制作字幕的过程变得更轻松。
此应用也是希望提供一种思路来抛砖引玉。有能力的朋友，自然欢迎直接在源码基础上开发更完善的应用。
简单来说，使用Colab主要为了白嫖Google的GPU算力。官方建议若用利用large模型至少需要10G显存，大部分人的电脑是不可能有这个标准的配置的。此外，使用GPU可缩短处理时长到只需视频时长的三分之一左右，而如果在没有足够GPU配置的电脑上只能使用CPU处理，时间至少需要视频时长的三倍，反而得不偿失。
请顺次点击各单元格最左端的“运行“图标，执行各单元格即可。
对于第一次接触Colab的朋友，即使在B站也可以找到很多教程，比如这个，或者这个。
用户贡献的对本应用的教程：
221231更新：B站的八次方巧克力同学制作了一份手把手的教程（虽然基于谷歌盘功能更新前的版本），但可以说是非常友好了。感谢！请移步这里
230110更新：B站的西沢なぎさ同学制作的针对包含谷歌盘更新的教程。感谢！请移步这里
今后会计划集成deepl的翻译，同时生成日语字幕和对应的中文字幕文件。
目前已经集成了chatGPT的翻译功能，可以生成一个单独的双语字幕文件。
然而必须指出的是，日翻中的自动翻译准确度仍难以令人满意，再考虑到转录中可能产生的断句，误字等因素，自动翻译的结果只能作为有限的参考，请不要做过多期待。
上传和你的网速无关，这算是使用Colab的代价。等待上传的时间泡杯咖啡吧。
除了本地上传的方式以外，现在已经可以直接从谷歌盘里选择要转换的文件。
这是Whisper的已知问题之一，和其转录原理有关，一些背景音较大或中间出现长时间没有人声的视频较容易出现此类问题，太长的视频建议分段转录以避免此类问题的出现几率。
此外，今后计划会允许用户直接调整一些模型参数以寻找最适合自己视频的设定。
目前已经允许用户启用VAD filter以在最大程度上避免此类问题。
关于这个问题可以参见 这里和更多原repo的讨论部分。
可能是进程仍然被占用导致资源不足，最简单的办法，重启应用从头运行即可。
现在已经可以批量处理文件。 此外，在使用了faster-whisper后，内存占用已经大幅减少，应该会避免此类问题。
VAD指Video Activity Detector。faster-whisper集成了Silero VAD模型。简单地说，此模型可以用来检测音频中的无声段落，防止Whisper陷入单句无限循环，并在一定程度上提高时间轴精度。 但请务必注意，使用VAD filter可能以牺牲一定的转录准确度为代价。 建议在较长的小语种音频（一般推荐>10min，但我个人推荐>30min），尤其是对话中有较多空白段落时使用此选项，不建议在转录英文时使用。 参考Whsiper wenui和openai/whisper#397的讨论内容来了解更多
欢迎随时发邮件到 [email protected]. 一般24小时内都会回复。