Создание субтитров (STT)¶

Транскрибирует аудио или видео в субтитры с таймингом. Распознаёт речь и выдаёт SRT / VTT / ASS / SSA — с опциональным переводом за один проход.

Что нужно¶

FFmpeg в PATH для декодирования аудио/видео — см. Настройка FFmpeg.
Бэкенд транскрипции, один из:
- faster-whisper — локально, офлайн, бесплатно (по умолчанию; настройка не нужна)
- Google Cloud Speech-to-Text — облако, платно, точнее на шумном аудио. См. Настройка Google Cloud.
- Soniox — облако, платно, в реальном времени и разделение спикеров. См. Настройка Soniox.

Нажмите Создание субтитров в боковой панели.
Сбросьте один или несколько аудио / видео файлов (.mp3, .wav, .m4a, .flac, .ogg, .aac, .wma, .mp4, .webm, .mkv, .avi, .mov, .wmv).
Выберите Исходный язык (язык, произносимый в аудио) — оставьте Автоопределение, чтобы Whisper его определил.
Выберите Целевой язык — выберите Без перевода для простой транскрипции, или любой из 45 поддерживаемых языков, чтобы перевести транскрипцию за один проход.
Выберите Формат вывода (SRT / VTT / ASS / SSA).
Нажмите Создать (или Ctrl+Enter).
Наблюдайте за очередью. Откройте строку при завершении.

Формат	Лучше всего для
SRT	Универсальный — почти каждый плеер поддерживает
VTT	Элементы `<track>` HTML5 `<video>`
ASS / SSA	Караоке, стилизованные субтитры, fansub-процессы

Все четыре формата идут round-trip через один парсер, поэтому можно менять формат вывода при повторном переводе без потери тайминга.

Меняется в Настройки → Субтитры:

Модель	Размер	Скорость	Точность
`tiny`	~75 МБ	очень быстро	низкая
`base` (по умолчанию)	~150 МБ	быстро	приемлемая
`small`	~500 МБ	средняя	хорошая
`medium`	~1,5 ГБ	медленно	высокая
`large`	~3 ГБ	очень медленно	лучшая

Модели загружаются при первом использовании и кэшируются локально. На медленном соединении первый запуск ощущается долгим; последующие быстрые.

Бэкенд	Стоимость	Онлайн?	Разделение спикеров	Языки
Whisper (локально)	Бесплатно	Нет	Нет	99
Google Cloud STT	Платно	Да	Да (модель `latest_long`)	125+
Soniox	Платно	Да	Да (метки на токен)	60+

Меняется в Настройки → Субтитры → Метод STT.

Кнопка Стоп — прерывает выполняющийся batch. Файлы в очереди за активным остаются в очереди; можно возобновить позже.
Пересоздать — правый клик по записи Done, чтобы перезапустить с другим форматом / языком / методом STT.
Длинное аудио — Whisper хорошо обрабатывает часы аудио; закладывайте ~1 минуту обработки на минуту аудио на CPU с моделью base.