Transformer des vidéos ou audios longs en clips et sous-titres révisés avec FunClip
Utilisez FunClip lorsqu'un agent a besoin d'un workflow local reproductible pour transcrire des médias, proposer des horodatages de coupures et produire des segments vidéo révisables avec fichiers de sous-titres.
Prérequis
Environnement Python, copie source de FunClip, modèles supportés par FunASR, environnement d'exécution Gradio local ou serveur, et fichiers médias à transcrire et découper.
Installation
Utilisez le chemin d'installation ou de configuration amont correspondant à votre environnement :
- git clone https://github.com/alibaba-damo-academy/FunClip.git
- pip install -r ./requirements.txt
- brew install imagemagick
Exigences et mises en garde de l'amont :
- 2026/05/20 FunClip prend désormais en charge les modèles Fun-ASR-Nano et SenseVoice. Fun-ASR-Nano offre une meilleure précision pour 31 langues ; SenseVoice ajoute la reconnaissance des émotions et la détection d'événements audio. Exécutez python funclip/launch.py -...
- 2024/06/12 FunClip prend désormais en charge la reconnaissance et le découpage de fichiers audio anglais. Exécutez python funclip/launch.py -l en pour essayer.
- FunClip prendra bientôt en charge le modèle Whisper pour les utilisateurs anglais (la RAP avec Whisper et horodatage nécessite une mémoire GPU importante, nous supportons la prédiction d'horodatage pour Paraformer standard dans FunASR pour y parvenir).
Notes d'utilisation de base ou de démarrage :
-
| Utilisation
-
🔥2024/05/13 FunClip v2.0.0 prend désormais en charge le découpage intelligent avec des grands modèles de langage, intégrant les modèles de la série qwen, série GPT, etc., avec des invites par défaut. Vous pouvez également explorer et partager des astuces pour paramétrer...
-
cd FunClip
-
Extrait de la documentation amont : https://raw.githubusercontent.com/modelscope/FunClip/HEAD/README.md