haoyiyin/easy-subtitle

Quand l'utiliser

Utilisez cette compétence lorsque l'utilisateur a besoin de :

• Générer des sous-titres SRT à partir d'un fichier audio ou vidéo (hors ligne, sans appel API)
• Détecter automatiquement la langue parlée dans un fichier multimédia
• Corriger les erreurs de transcription de Whisper à l'aide d'un script original fourni
• Traiter par lots des fichiers multimédia en sous-titres

Ne PAS utiliser pour :

• La transcription en temps réel/en direct (faster-whisper est en mode batch uniquement)
• Les formats de sortie autres que SRT (seul SRT est pris en charge)
• La transcription basée sur le cloud (c'est un outil local uniquement)

Procédure

1. Installez les dépendances : pip install faster-whisper. Installez ffmpeg pour votre système d'exploitation :
   • macOS : brew install ffmpeg
   • Linux : sudo apt install ffmpeg (Debian/Ubuntu) ou sudo dnf install ffmpeg (Fedora)
   • Windows : choco install ffmpeg (Chocolatey) ou scoop install ffmpeg (Scoop), ou téléchargez depuis https://ffmpeg.org
2. Assurez-vous que le paquet easy-subtitle est installé : pip install -e . depuis la racine du projet.
3. Transcription de base : Lancez easy-subtitle -i video.mp4 pour générer video.srt avec détection automatique de la langue.
4. Spécifier la langue : Lancez easy-subtitle -i audio.wav -l zh si vous connaissez la langue (plus rapide et plus précis que la détection automatique).
5. Correction avec un script original : Lancez easy-subtitle -i video.mp4 --original-text script.txt pour aligner et corriger la transcription à l'aide du script fourni.
6. Ajuster la taille du modèle : Utilisez -m small pour la rapidité ou -m large-v3 pour la précision. La valeur par défaut est medium.
7. Ajuster la VAD : Utilisez --vad-min-silence 1000 pour un fractionnement plus agressif des silences (contenu plus silencieux). Utilisez --no-vad pour désactiver.

Pièges

• La première exécution télécharge le modèle (~1,5 Go pour le modèle medium) — prévoyez du temps et de l'espace disque supplémentaires.
• La détection automatique de la langue par Whisper peut être imprécise pour des extraits très courts (<5 secondes) — utilisez -l pour spécifier la langue manuellement.
• L'alignement avec un script original fonctionne mieux lorsque le texte correspond exactement à l'audio. Les improvisations, pauses et écarts seront laissés tels quels (sortie de Whisper).
• faster-whisper utilise par défaut la quantification INT8 sur CPU — c'est rapide mais légèrement moins précis que FP16 sur GPU.
• ffmpeg doit être installé séparément (ce n'est pas un paquet Python).
  • macOS : brew install ffmpeg
  • Linux : sudo apt install ffmpeg
  • Windows : choco install ffmpeg ou téléchargez depuis https://ffmpeg.org

Vérification

1. Exécutez easy-subtitle --version pour confirmer l'installation.
2. Testez une transcription de base : easy-subtitle -i test_audio.mp3 -m tiny devrait produire un fichier .srt rapidement.
3. Vérifiez la sortie SRT : ouvrez-la dans un lecteur vidéo ou vérifiez qu'elle contient des blocs numérotés avec des horodatages au format HH:MM:SS,mmm --> HH:MM:SS,mmm.
4. Testez l'alignement avec un script original : fournissez un texte qui correspond à l'audio — la sortie doit contenir le texte exact du script, et non la transcription de Whisper.