Skip to content

Latest commit

 

History

History
161 lines (122 loc) · 8.54 KB

README.tw.md

File metadata and controls

161 lines (122 loc) · 8.54 KB

Kara-Audio: The best Whisper Web UI for subtitle production.

🌍 한국어 ∙ English ∙ 中文简体 ∙ 中文繁體 ∙ 日本語

GitHub License GitHub Release

Kara-Audio是最佳的Whisper Web UI，用於字幕製作。 它可以通過一鍵輕鬆安裝。使用Miniconda創建虛擬環境，與Windows系統完全獨立運行（完全可攜）。

  • YouTube下載器: 您可以下載YouTube視頻並提取音頻（mp3、wav、flac）。
  • 人聲去除器: 使用UVR5中支持的MDX-Net和Meta開發的Demucs引擎進行聲音分離。
  • STT: 支持使用Whisper、Faster-Whisper和whisper-timestamped的語音轉文本。
  • 更多...

Kara-Audio將YouTube視頻轉換為您自己的卡拉OK音樂視頻。 您可以創建電影、劇集和新聞的逐字稿、會議記錄以及字幕。

🚄 運行畫面

  • Kara Audio 標籤頁
    kara-studio-eng.mp4

⭐ 主要功能

  • Kara Audio 標籤頁
    • YouTube 下載器、人聲分離、自動字幕集成環境

  • Demixing 標籤頁

    • 人聲分離、混響/回音消除
    • 支援 MDX-Net、Demucs 模型
    • 支援 3 種音頻輸出格式（wav、flac、mp3）

  • Subtitle 標籤頁

    • 語音識別、自動字幕（srt、vtt、txt）
    • 支援超過 90 種語言（英語、日語、法語、德語、中文、韓語）

💻 執行環境

  • 操作系統：Windows 10/11（64位）※不支持Linux和Mac OS。
  • GPU：推薦支持CUDA 12.1的NVIDIA顯卡。
  • VRAM：4GB或以上。推薦8GB或以上。
  • RAM：4GB或以上
  • 硬碟：安裝時至少需要20GB的可用空間
  • 需要網絡連接（安裝和翻譯工作）

📀 安裝

Kara-Audio可以輕鬆地一鍵安裝。只需運行🚀configure.bat和🚀start.bat即可。

步驟1. 準備包

  • A. 付費版
    • 將USB中包含的壓縮文件（kara-audio-x.zip）解壓到電腦的適當位置。
    • 或者，將已解壓的文件夾（kara-audio-x）複製到電腦的適當位置。
  • B. 免費版
    • 從GitHub Release克隆或下載最新版本（Source code (zip)）。

步驟2. 安裝和運行程序

  1. 🚀 運行configure.bat
    • 在Windows上安裝git、ffmpeg和CUDA（如果使用NVIDIA GPU）。
    • 只需要在第一次運行時執行。
    • 需要網絡連接，根據系統情況可能需要一個多小時。
    • 安裝過程中切勿關閉Windows命令窗口。
  2. 🚀 運行start.bat
    • 啟動Kara-Audio。網頁界面將自動運行。
    • 首次運行時，會先安裝Kara-Audio。
    • 需要網絡連接，根據系統情況可能需要一個多小時。
    • 安裝過程中切勿關閉Windows命令窗口。
    • 如果安裝過程中出現問題，請刪除installer_files文件夾並再次運行start.bat。

步驟3. 卸載程序

  • 運行uninstall.bat：
    • 刪除installer_files文件夾。
    • 刪除安裝在Windows上的ffmpeg、git和CUDA包（如果選擇）。
  • Kara-Audio默認為便攜式安裝。要卸載程序，只需刪除安裝文件夾即可。

❓ 提示和技巧

如果瀏覽器沒有自動運行

  • 關閉Windows命令窗口並再次運行start.bat。
  • 直接運行瀏覽器並在地址欄輸入Windows命令窗口中顯示的地址（例如**http://127.0.0.1:7892**）。

如果出現CUDA內存不足錯誤

  • 在Windows任務管理器的性能選項卡中檢查GPU內存狀態。
  • 將降噪級別設置為0或1。降噪級別2至少需要8GB的GPU內存。
  • 將計算類型設置為int類型。float類型質量更好，但需要更多GPU內存。

如何提高字幕質量？

  • 字幕質量通常隨著更大的Whisper模型而提高，但並非總是如此。large > medium > small > base > tiny
  • 在計算類型中，float類型性能較好。int類型是通過模型量化減少GPU使用並提高速度的模型。另一方面，性能會下降。
  • 如果增加降噪級別，將會去除更多背景聲音，只使用剩餘的聲音進行語音識別。這並不總是保證好的結果。

關於 Demixer

  • Facebook Research 的 Demucs 模型（htdemucs、htdemucs_6s、htdemucs_ft、mdx_extra）都表現出色。
  • Demucs 在低配置電腦上（8GB 內存）也能運行良好。
  • 在 MDX-Net 中，UVR-MDX-NET-Voc_FT、Kim_Vocal_2、UVR_MDXNET_KARA_2 等表現出色。
  • MDX-Net 模型只能在高配置電腦上運行（內存 16GB 或以上）。
  • 建議逐一嘗試模型，找到適合您目的的模型。
  • 建議使用最新的 NVIDIA 顯卡（VRAM 6GB 或以上）。如果 VRAM 不足，可能會出現內存不足錯誤。

關於 Whisper

  • Large-V2 模型最佳。其他模型識別率較差。
  • 如果音頻語言是"韓語"，將 Whisper 語言也設置為"韓語"效果最佳。
  • 當音頻語言是"韓語"時，如果將 Whisper 語言設置為"日語"，會輸出"日語"，但準確率會較低。（Google 翻譯更好）
  • 降噪選項使用 MDX-Net 模型消除噪音。可能會改善語音識別結果。（僅在高配置電腦上使用）

📢 注意

Windows Defender 可能會發出有關不受信任的應用程式的警告，並禁止進一步執行 Kara-Audio。 如果 SmartScreen 的安全級別設置為「警告」，只需點擊「更多資訊」，然後點擊「仍然要執行」。 如果 SmartScreen 設置為「阻止」級別，則不會有按鈕來運行安裝。在這種情況下，打開 start.bat 文件的屬性，檢查「解除封鎖」，應用更改後再次運行 start.bat。

當Windows Defender錯誤地將批處理文件識別為特洛伊木馬時，這通常被稱為"誤報"。要解決這個問題，您可以按照以下步驟操作：

  1. 文件例外處理：在Windows Defender中，您可以設置某些文件或進程跳過安全掃描。要做到這一點，請按照以下步驟：
    • 點擊"開始"按鈕並進入"設置"。
    • 點擊"更新與安全"。
    • 選擇"Windows安全中心"並進入"病毒和威脅防護"。
    • 點擊"管理病毒和威脅防護設置"。
    • 在"病毒和威脅防護設置"中選擇"添加或刪除排除項"。
    • 選擇"文件或文件夾"，找到相關的批處理文件並將其添加為例外。
  2. 暫時禁用Windows Defender：這可能是一個臨時解決方案。但是，使用此方法時必須小心，因為它可能會使您的計算機暴露於其他威脅中。
  3. 向防病毒軟件報告問題：如果您確定該文件不是特洛伊木馬，可以將其作為誤報向Microsoft報告。Microsoft將審查此問題並採取必要的行動。

📬 聯繫我們

👍 YouTube

🙏 鳴謝

©️ 版權

by ABUS