目前用 whisper+ggerganov 模型,2.8G 的,显卡是 gtx970 ,转译出来的全部是这种效果:
[00:29:20.000 --> 00:29:26.000] ( 錄影時間 ) [00:29:26.000 --> 00:29:32.000] ( 錄影時間 ) [00:29:32.000 --> 00:29:38.000] ( 錄影時間 ) [00:29:38.000 --> 00:29:44.000] ( 錄影時間 ) [00:29:44.000 --> 00:29:49.000] ( 錄影時間 ) [00:29:49.000 --> 00:29:55.000] ( 錄影時間 ) [00:29:55.000 --> 00:30:01.000] ( 錄影時間 ) [00:30:01.000 --> 00:30:07.000] ( 錄影時間 ) [00:30:07.000 --> 00:30:13.000] ( 錄影時間 ) [00:30:13.000 --> 00:30:18.000] ( 錄影時間 ) [00:30:18.000 --> 00:30:24.000] ( 錄影時間 ) [00:30:24.000 --> 00:30:30.000] ( 錄影時間 ) [00:30:30.000 --> 00:30:36.000] ( 錄影時間 ) [00:30:36.000 --> 00:30:42.000] ( 錄影時間 ) [00:30:42.000 --> 00:30:47.000] ( 錄影時間 ) [00:30:47.000 --> 00:30:53.000] ( 錄影時間 ) [00:30:53.000 --> 00:30:59.000] ( 錄影時間 ) [00:30:59.000 --> 00:31:05.000] ( 錄影時間 ) [00:31:05.000 --> 00:31:11.000] ( 錄影時間 ) [00:31:11.000 --> 00:31:16.000] ( 錄影時間 ) [00:31:16.000 --> 00:31:22.000] ( 錄影時間 )
之前还能有一半左右的可以译成有效文字,不知道是否这次的录音音源不行,我是用手机录音的
这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.