Zobacz to W praktyce

Twój centrum dowodzenia

Główny ekran umożliwia łatwy dostęp do wszystkich funkcji. Można zmieniać mikrofony, przełączać się między dwoma modelami transkrypcji (0,6 mld i 1,7 mld parametrów), aby osiągnąć odpowiedni balans szybkości i dokładności, zmieniać języki oraz transkrybować lub tłumaczyć pliki. Można również natychmiast tłumaczyć wypowiedzi głosowe za pomocą jednoczesnego tłumaczenia wielojęzycznego. Ustawia się filtr redukcji hałasu oraz wybiera urządzenie, na którym będzie działał model transkrypcji — wszystko to bez konieczności otwierania menu. Przycisk szybkiego dostępu do słów kluczowych pozwala na dodawanie terminów specyficznych dla danej dziedziny w momencie potrzeby.

Ostatnia transkrypcja jest zawsze widoczna na dole, obok karty treningowej pokazującej, ile próbek głosu przechowujesz do celów osobistego treningu — kliknij ją, aby przejrzeć pełną listę próbek. Stąd możesz otworzyć Ustawienia, przeglądać Historię, poprawić ostatnią transkrypcję lub rozpocząć nagrywanie jednym kliknięciem. Zamknięcie okna ukrywa aplikację na pasku systemowym, gdzie nadal działa w tle, gotowa w momencie naciśnięcia klawisza szybkiego dostępu.

Naciśnij, mów, gotowe.

Naciśnij swoją klawisz szybkiego dostępu, a aplikacja zacznie przysłuchiwać się. Licznik w czasie rzeczywistym pokazuje upływający czas oraz ilość czasu nagrywania, która pozostała. Puść klawisz – lub naciśnij go ponownie w trybie włącz/wyłącz – a dźwięk zostanie przetłumaczony i wpisany bezpośrednio do okna, które ma aktualnie fokus.

Przepisz dowolny plik — w dowolnym języku

Zapisz – lub zapisz i przetłumacz – dowolny plik audio lub wideo. Przeciągnij i upuść plik albo znajdź go w systemie, wybierz język docelowy, jeśli chcesz tłumaczenia, a następnie zapisz wynik jako plik tekstowy lub plik napisów SRT.

Nagraj i tłumacz na żywo

Zapisz — lub zapisz i przetłumacz — dane z mikrofonu w czasie rzeczywistym. Nagraj dźwięk, wybierz język docelowy, jeśli chcesz tłumaczenie, i zapisz wynik jako plik tekstowy lub plik napisów w formacie SRT.

Przechwyć to, co gra z twoich głośników

Przepisz — lub przepisz i przetłumacz — dźwięk z dowolnego urządzenia wyjściowego na twoim komputerze, takiego jak głośniki. Zapisz rozmowy telefoniczne, karty przeglądarki lub dowolny dźwięk systemowy, a następnie zapisz wynik jako plik tekstu prostego lub napisów SRT.

Tłumacz tekst na wiele języków jednocześnie

Aby uzyskać jednoczesne tłumaczenie na kilka języków, wybierz języki docelowe, do których chcesz przetłumaczyć tekst, oraz określ, w jaki sposób mają być wyświetlane wyniki – po jednym na linii, obok siebie lub tylko pierwszy język docelowy.

Przetłumacz tekst i napisy

Przetłumacz dowolny plik z zwykłym tekstem lub napisami SRT na inny język. Lista słów kluczowych również ma tu zastosowanie, dzięki czemu nazwy marek i terminy techniczne pozostają spójne w tłumaczeniu.

Naucz je swojego słownictwa.

Okno dialogowe „Słowa kluczowe” umożliwia podanie sztucznej inteligencji listy słów, które powinna traktować priorytetowo — nazwisk, terminów technicznych, nazw marek lub dowolnego rzadko używanego słownictwa. Wystarczy wpisać słowo i nacisnąć Enter. Model wykorzystuje te wskazówki podczas transkrypcji, aby uniknąć błędnego rozpoznania ważnych terminów, a ta sama lista zapewnia spójność tych terminów podczas tłumaczenia. Nie wymaga ponownego szkolenia — słowa kluczowe wchodzą w życie natychmiastowo.

Popraw błędy, udoskonal model

Okno „Poprawna transkrypcja” pojawia się po naciśnięciu przycisku Poprawić na głównym ekranie. Pokazuje ono oryginalną transkrypcję wraz z edytowalnym polem korekty. Po zapisaniu poprawiony tekst wraz z odpowiadającym mu klipem audio są automatycznie dodawane do twoich danych treningowych — tworząc spersonalizowany zbiór danych, który z czasem poprawia dokładność modelu w rozpoznawaniu twojego głosu.

Twój głos, twój zbiór danych

Okno z danymi treningowymi wyświetla wszystkie przykłady głosu, które nagrałeś. Możesz odtworzyć dowolny przykład, przeczytać jego transkrypcję oraz usunąć te, których już nie chcesz. Te przykłady stanowią zbiór danych używany podczas dostosowywania modelu do twojego głosu — im więcej korekt i nagrań dokonasz, tym lepiej model będzie cię rozumieć.

Skanalizuj sztuczną inteligencję — na swoim komputerze

Karta Szkolenia dopasowuje model transkrypcji do twojego własnego głosu za pomocą technologii LoRA – dostosowując go do twojego akcentu, słownictwa i stylu mówienia, przy czym dane nie są wysyłane nigdzie. Wystarczy jeden kliknięcie, aby rozpocząć proces: aplikacja automatycznie wybiera backend NVIDIA CUDA, jeśli jest dostępna kompatybilna karta graficzna, w przeciwnym razie korzysta z procesora CPU. Po zakończeniu szkolenia wynik jest łączony i eksportowany w formacie GGUF, dzięki czemu możesz przejść do swojego osobistego modelu w zakładce Ustawienia → Modele. Szkolenie głosu jest dostępne bezpłatnie przy każdej płatnej licencji.

Modele i urządzenia

Karta Modeli to miejsce, w którym zarządzasz wszystkimi modelami używanymi przez aplikację. Włącz daty czasowe na poziomie słów, pobierając opcjonalny Forced Aligner, pobierz modele tłumaczeniowe, ustaw swoje wartości domyślne i wybierz urządzenie, na którym ma działać model tłumaczeniowy — niezależnie od silnika transkrypcji. Uruchom transkrypcję na jednej karcie graficznej, a tłumaczenie na innej, albo przypisz oba procesy do procesora CPU.

Pełna kontrola nad wejściem

Karta Audio służy do konfiguracji sposobu interakcji z aplikacją. Ustaw klucz szybkiego dostępu do nagrywania z listy skrótów, wybierz między trybem nagrywania przy naciśnięciu a trybem włącz/wyłącz, lub przypisz przycisk boczny myszy do sterowania bez użycia rąk.

Suwak głośności służy do regulacji poziomu wzmocnienia sygnału wejściowego, a mechanizm wprowadzania tekstu można zmienić, jeśli niektóre aplikacje nie akceptują domyślnej metody pisania. U dołu znajduje się przełącznik umożliwiający włączenie wbudowanego systemu redukcji szumów opartego na technologii DeepFilter – domyślnie wyłączonego – wraz z suwakiem do regulacji stopnia tłumienia, który określa, jak intensywnie mają być tłumione dźwięki tła.

30 języków + 22 dialekty chińskie, jeden kliknięcie

Karta Języka określa, w jakim języku ma działać silnik transkrypcji. Możesz wybrać spośród 30 dostępnych języków, pozostawić ustawienie na automatyczne wykrywanie lub wybrać chiński, aby uzyskać automatyczną rozpoznawalność 22 regionalnych dialektów chińskiego. Możesz również stworzyć listę ulubionych języków, która pojawi się w rozwijanej liście szybkiego przełączania na głównym ekranie – co jest doskonałe, jeśli regularnie dyktujesz w kilku językach.

Wszystko, co powiedziałeś, jest dostępne do wyszukiwania

Karta Historia kontroluje sposób przechowywania transkrypcji. Włącz historię sesji, aby utrzymywać rejestr, który zostaje usunięty po zamknięciu aplikacji, lub przejdź na trwałą historię, aby przechowywać transkrypcje pomiędzy sesjami. Okno Historia transkrypcji pokazuje zaznaczony datą i godziną rejestr wszystkiego, co zostało przetłumaczone przez aplikację, z przyciskiem Usuń historię umożliwiającym jej usunięcie w dowolnym momencie. Cała historia jest przechowywana lokalnie na twoim urządzeniu.

Uczyń to swoim.

Karta Wygląd pozwala wybrać między tematem ciemnym a jasnym oraz zmienić język interfejsu. Zmiany tematu wchodzą w życie po ponownym uruchomieniu.

Bądź zawsze na bieżąco

Karta Aktualizacje pokazuje aktualną wersję, linki do strony internetowej oraz dane kontaktowe do obsługi klienta. Przycisk „Zgłoś błąd” umożliwia wysłanie opinii bezpośrednio do zespołu rozwojowego. Aktualizacje są sprawdzane automatycznie przy starcie.