Skip to content

Latest commit

 

History

History
161 lines (122 loc) · 8.53 KB

README.zh.md

File metadata and controls

161 lines (122 loc) · 8.53 KB
Raw

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，用于字幕制作。 它可以通过一键轻松安装。使用Miniconda创建虚拟环境，与Windows系统完全独立运行（完全可携）。

  • YouTube下载器: 您可以下载YouTube视频并提取音频（mp3、wav、flac）。
  • 人声去除器: 使用UVR5中支持的MDX-Net和Meta开发的Demucs引擎进行声音分离。
  • STT: 支持使用Whisper、Faster-Whisper和whisper-timestamped的语音转文本。
  • 更多...

Kara-Audio将YouTube视频转换为您自己的卡拉OK音乐视频。 您可以创建电影、剧集和新闻的逐字稿、会议记录以及字幕。

🚄 运行画面

  • Kara Audio 标签页
    kara-studio-eng.mp4

⭐ 主要功能

  • Kara Audio 标签页
    • YouTube下载器、人声移除、自动字幕集成环境

  • Demixing 标签页

    • 人声分离、混响/回音去除
    • 支持MDX-Net、Demucs模型
    • 支持3种音频输出格式（wav、flac、mp3）

  • Subtitle 标签页

    • 语音识别、自动字幕（srt、vtt、txt）
    • 支持90多种语言（英语、日语、法语、德语、中文、韩语）

💻 执行环境

  • 操作系统：Windows 10/11（64位）※不支持Linux和Mac OS。
  • GPU：推荐支持CUDA 12.1的NVIDIA显卡。
  • VRAM：4GB或以上。推荐8GB或以上。
  • RAM：4GB或以上
  • 硬盘：安装时至少需要20GB的可用空间
  • 需要网络连接（安装和翻译工作）

📀 安装

Kara-Audio可以轻松地一键安装。只需运行🚀configure.bat和🚀start.bat即可。

步骤1. 准备包

  • A. 付费版
    • 将USB中包含的压缩文件（kara-audio-x.zip）解压到计算机的适当位置。
    • 或者，将已解压的文件夹（kara-audio-x）复制到计算机的适当位置。
  • B. 免费版
    • 从GitHub Release克隆或下载最新版本（Source code (zip)）。

步骤2. 安装和运行程序

  1. 🚀 运行configure.bat
    • 在Windows上安装git、ffmpeg和CUDA（如果使用NVIDIA GPU）。
    • 只需要在第一次运行时执行。
    • 需要网络连接，根据系统情况可能需要一个多小时。
    • 安装过程中切勿关闭Windows命令窗口。
  2. 🚀 运行start.bat
    • 启动Kara-Audio。网页界面将自动运行。
    • 首次运行时，会先安装Kara-Audio。
    • 需要网络连接，根据系统情况可能需要一个多小时。
    • 安装过程中切勿关闭Windows命令窗口。
    • 如果安装过程中出现问题，请删除installer_files文件夹并再次运行start.bat。

步骤3. 卸载程序

  • 运行uninstall.bat：
    • 删除installer_files文件夹。
    • 删除安装在Windows上的ffmpeg、git和CUDA包（如果选择）。
  • Kara-Audio默认为便携式安装。要卸载程序，只需删除安装文件夹即可。

❓ 提示和技巧

如果浏览器没有自动运行

  • 关闭Windows命令窗口并再次运行start.bat。
  • 直接运行浏览器并在地址栏输入Windows命令窗口中显示的地址（例如**http://127.0.0.1:7892**）。

如果出现CUDA内存不足错误

  • 在Windows任务管理器的性能选项卡中检查GPU内存状态。
  • 将降噪级别设置为0或1。降噪级别2至少需要8GB的GPU内存。
  • 将计算类型设置为int类型。float类型质量更好，但需要更多GPU内存。

如何提高字幕质量？

  • 字幕质量通常随着更大的Whisper模型而提高，但并非总是如此。large > medium > small > base > tiny
  • 在计算类型中，float类型性能较好。int类型是通过模型量化减少GPU使用并提高速度的模型。另一方面，性能会下降。
  • 如果增加降噪级别，将会去除更多背景声音，只使用剩余的声音进行语音识别。这并不总是保证好的结果。

关于Demixer

  • Facebook Research的Demucs模型（htdemucs、htdemucs_6s、htdemucs_ft、mdx_extra）都表现良好。
  • Demucs即使在低端电脑（8GB内存）上也运行得相当好。
  • 在MDX-Net中，UVR-MDX-NET-Voc_FT、Kim_Vocal_2、UVR_MDXNET_KARA_2等表现良好。
  • MDX-Net模型只能在高端电脑（16GB或更高内存）上运行。
  • 尝试一个个使用这些模型，找到适合您目的的模型。
  • 我们建议使用最新的NVIDIA GPU（6GB或更高VRAM）。如果VRAM不足，可能会出现内存不足错误。

关于Whisper

  • Large-V2模型最佳。其他模型识别率较差。
  • 如果音频语言是"韩语"，最好也将Whisper语言设置为"韩语"。
  • 当音频语言是"韩语"时，如果将Whisper语言设置为"日语"，会输出"日语"，但准确度会很低。（Google翻译更好。）
  • Denoise选项使用MDX-Net模型去除噪音。可能会改善语音识别结果。（仅在高端电脑上使用）

📢 注意

Windows Defender 可能会发出有关不受信任的应用程序的警告，并禁止进一步执行 Kara-Audio。 如果 SmartScreen 的安全级别设置为“警告”，只需点击“更多信息”，然后点击“仍然要运行”。 如果 SmartScreen 设置为“阻止”级别，则不会有按钮来运行安装。在这种情况下，打开 start.bat 文件的属性，检查“解除阻止”，应用更改后再次运行 start.bat。

当Windows Defender错误地将批处理文件识别为特洛伊木马时，这通常被称为"误报"。要解决这个问题，您可以按照以下步骤操作：

  1. 文件例外处理：在Windows Defender中，您可以设置某些文件或进程跳过安全扫描。要做到这一点，请按照以下步骤：
    • 点击"开始"按钮并进入"设置"。
    • 点击"更新与安全"。
    • 选择"Windows安全中心"并进入"病毒和威胁防护"。
    • 点击"管理病毒和威胁防护设置"。
    • 在"病毒和威胁防护设置"中选择"添加或删除排除项"。
    • 选择"文件或文件夹"，找到相关的批处理文件并将其添加为例外。
  2. 暂时禁用Windows Defender：这可能是一个临时解决方案。但是，使用此方法时必须小心，因为它可能会使您的计算机暴露于其他威胁中。
  3. 向防病毒软件报告问题：如果您确定该文件不是特洛伊木马，可以将其作为误报向Microsoft报告。Microsoft将审查此问题并采取必要的行动。

📬 联系我们

👍 YouTube

🙏 鸣谢

©️ 版权

by ABUS