mirror of
https://github.com/HiMeditator/auto-caption.git
synced 2026-02-04 12:24:42 +08:00
154 lines
7.2 KiB
Markdown
154 lines
7.2 KiB
Markdown
<div align="center" >
|
||
<img src="./build/icon.png" width="100px" height="100px"/>
|
||
<h1 align="center">auto-caption</h1>
|
||
<p>Auto Caption はクロスプラットフォームのリアルタイム字幕表示ソフトウェアです。</p>
|
||
<p>
|
||
| <a href="./README.md">简体中文</a>
|
||
| <a href="./README_en.md">English</a>
|
||
| <b>日本語</b> |
|
||
</p>
|
||
<p><i>v0.3.0 バージョンがリリースされました。ローカル字幕エンジンを追加予定の v1.0.0 バージョンを現在開発中...</i></p>
|
||
</div>
|
||
|
||
|
||
|
||
## 📥 ダウンロード
|
||
|
||
[GitHub Releases](https://github.com/HiMeditator/auto-caption/releases)
|
||
|
||
## 📚 関連ドキュメント
|
||
|
||
[Auto Caption ユーザーマニュアル](./docs/user-manual/ja.md)
|
||
|
||
[字幕エンジン説明ドキュメント](./docs/engine-manual/ja.md)
|
||
|
||
[プロジェクト API ドキュメント（中国語）](./docs/api-docs/electron-ipc.md)
|
||
|
||
現在、Windows と macOS プラットフォーム向けのインストール可能なバージョンを提供しています。デフォルトの Gummy 字幕エンジンを使用するには、まず Alibaba Cloud Bailian プラットフォームから API KEY を取得し、その API KEY をソフトウェア設定に追加するか、環境変数に設定する必要があります（Windows プラットフォームのみ環境変数からの API KEY 読み取りをサポートしています）。
|
||
|
||
|
||
|
||
**国際版の Alibaba Cloud サービスには Gummy モデルが提供されていないため、現在中国以外のユーザーはデフォルトの字幕エンジンを使用できません。すべてのユーザーがデフォルトの字幕エンジンを使用できるように、新しいローカル字幕エンジンを開発中です。**
|
||
|
||
関連チュートリアル：
|
||
|
||
- [API KEY の取得（中国語）](https://help.aliyun.com/zh/model-studio/get-api-key)
|
||
- [環境変数への API Key 設定（中国語）](https://help.aliyun.com/zh/model-studio/configure-api-key-through-environment-variables)
|
||
|
||
字幕エンジンの動作原理を理解したい場合、または独自の字幕エンジンを開発したい場合は、[字幕エンジン説明ドキュメント](./docs/engine-manual/ja.md)を参照してください。
|
||
|
||
## ✨ 特徴
|
||
|
||
- クロスプラットフォーム、多言語 UI サポート
|
||
- 豊富な字幕スタイル設定
|
||
- 柔軟な字幕エンジン選択
|
||
- 多言語認識と翻訳
|
||
- 字幕記録の表示とエクスポート
|
||
- オーディオ出力またはマイク入力からの字幕生成
|
||
|
||
注記：
|
||
- Windows と macOS プラットフォームはオーディオ出力とマイク入力の両方からの字幕生成をサポートしていますが、**macOS プラットフォームでシステムオーディオ出力を取得するには設定が必要です。詳細は[Auto Caption ユーザーマニュアル](./docs/user-manual/ja.md)をご覧ください。**
|
||
- Linux プラットフォームは現在システムオーディオ出力を取得できず、マイク入力からの字幕生成のみをサポートしています。
|
||
|
||
## ⚙️ 字幕エンジン説明
|
||
|
||
現在ソフトウェアには1つの字幕エンジンが組み込まれており、2つの新しいエンジンを計画中です。詳細は以下の通りです。
|
||
|
||
### Gummy 字幕エンジン（クラウド）
|
||
|
||
Tongyi Lab の [Gummy 音声翻訳大規模モデル](https://help.aliyun.com/zh/model-studio/gummy-speech-recognition-translation/)をベースに開発され、[Alibaba Cloud Bailian](https://bailian.console.aliyun.com) の APIを使用してこのクラウドモデルを呼び出します。
|
||
|
||
**モデル詳細パラメータ：**
|
||
|
||
- サポートするオーディオサンプルレート：16kHz以上
|
||
- オーディオサンプルビット深度：16bit
|
||
- サポートするオーディオチャンネル：モノラル
|
||
- 認識可能な言語：中国語、英語、日本語、韓国語、ドイツ語、フランス語、ロシア語、イタリア語、スペイン語
|
||
- サポートする翻訳：
|
||
- 中国語 → 英語、日本語、韓国語
|
||
- 英語 → 中国語、日本語、韓国語
|
||
- 日本語、韓国語、ドイツ語、フランス語、ロシア語、イタリア語、スペイン語 → 中国語または英語
|
||
|
||
**ネットワークトラフィック消費量：**
|
||
|
||
字幕エンジンはネイティブサンプルレート（48kHz と仮定）でサンプリングを行い、サンプルビット深度は 16bit、アップロードオーディオはモノラルチャンネルのため、アップロードレートは約：
|
||
|
||
$$
|
||
48000\ \text{samples/second} \times 2\ \text{bytes/sample} \times 1\ \text{channel} = 93.75\ \text{KB/s}
|
||
$$
|
||
|
||
また、エンジンはオーディオストームを取得したときのみデータをアップロードするため、実際のアップロードレートはさらに小さくなる可能性があります。モデル結果の返信トラフィック消費量は小さく、ここでは考慮していません。
|
||
|
||
### Vosk字幕エンジン（ローカル）
|
||
|
||
[vosk-api](https://github.com/alphacep/vosk-api) をベースに開発予定で、現在実験中です。
|
||
|
||
### FunASR字幕エンジン（ローカル）
|
||
|
||
可能であれば、[FunASR](https://github.com/modelscope/FunASR) をベースに開発予定です。まだ調査と実現可能性の検証を行っていません。
|
||
|
||
## 🚀 プロジェクト実行
|
||
|
||
|
||
|
||
### 依存関係のインストール
|
||
|
||
```bash
|
||
npm install
|
||
```
|
||
|
||
### 字幕エンジンの構築
|
||
|
||
まず `caption-engine` フォルダに入り、以下のコマンドを実行して仮想環境を作成します：
|
||
|
||
```bash
|
||
# ./caption-engine フォルダ内
|
||
python -m venv subenv
|
||
# または
|
||
python3 -m venv subenv
|
||
```
|
||
|
||
次に仮想環境をアクティブにします：
|
||
|
||
```bash
|
||
# Windows
|
||
subenv/Scripts/activate
|
||
# Linux または macOS
|
||
source subenv/bin/activate
|
||
```
|
||
|
||
その後、依存関係をインストールします（Linux または macOS 環境の場合、`requirements.txt` 内の `PyAudioWPatch` をコメントアウトする必要があります。このモジュールは Windows 環境専用です）。
|
||
|
||
> このステップでエラーが発生する場合があります。一般的にはビルド失敗が原因で、エラーメッセージに基づいて対応するビルドツールパッケージをインストールする必要があります。
|
||
|
||
```bash
|
||
pip install -r requirements.txt
|
||
```
|
||
|
||
その後、`pyinstaller` を使用してプロジェクトをビルドします：
|
||
|
||
```bash
|
||
pyinstaller --onefile main-gummy.py
|
||
```
|
||
|
||
これでプロジェクトのビルドが完了し、`caption-engine/dist` フォルダ内に対応する実行可能ファイルが確認できます。その後、次の操作に進むことができます。
|
||
|
||
### プロジェクト実行
|
||
|
||
```bash
|
||
npm run dev
|
||
```
|
||
|
||
### プロジェクト構築
|
||
|
||
現在、ソフトウェアは Windows と macOS プラットフォームでのみ構築とテストが行われており、Linux プラットフォームでの正しい動作は保証できません。
|
||
|
||
```bash
|
||
# Windows 用
|
||
npm run build:win
|
||
# macOS 用
|
||
npm run build:mac
|
||
# Linux 用
|
||
npm run build:linux
|
||
```
|