Agora alguns exemplos práticos.

Vamos supor que temos um arquivo que desejamos transcrever, mas que não queremos fazer isso manualmente, isto é, ouvindo e escrevendo, ou pelo menos desejamos diminuir ao máximo nosso trabalho. É sempre importante sabermos de antemão o idioma falado no áudio que desejamos transcrever.

Como exemplo, baixei em meu hd o conteúdo do vídeo disponível em https://www.youtube.com/watch?v=-bX4pf-s8-E.

Já sei que o vídeo está no idioma português. Saber o idioma é fundamental para um uso eficaz e produtivo da ferramenta como falei no início.

Assim, eu tenho o arquivo "Como-fazer-a-sua-propria-distro-Linux-do-zero-Linux-from-scratch-YouTube.mp4" e desejo obter uma transcrição dele. Se eu rodar:

vosk-transcriber -i "Como-fazer-a-sua-propria-distro-Linux-do-zero-Linux-from-scratch-YouTube.mp4"

imediatamente o Vosk-transcriber começa a fazer seu trabalho. Porém, o resultado do processamento é exibido na tela (em vez de ser salvo em arquivo). Outro problema é que é usado o idioma inglês (por padrão), o que resultará em um grande erro. Na primeira tarefa de transcrição do vídeo em um determinado idioma aparecerá o download da mesma para depois ser iniciada a transcrição. Por exemplo, fazendo uma transcrição em Português sem ter antes efetuado essa tarefa neste idioma, aparecerá apenas nessa vez a mensagem de download e assim por diante.

Portanto, nossa primeira intervenção será para salvarmos o resultado em um arquivo (digamos, com o nome "Como-fazer-a-sua-propria-distro-Linux-do-zero-Linux-from-scratch-YouTube.txt").

Assim, podemos executar:

vosk-transcriber -i "Como-fazer-a-sua-propria-distro-Linux-do-zero-Linux-from-scratch-YouTube.mp4" -o "Como-fazer-a-sua-propria-distro-Linux-do-zero-Linux-from-scratch-YouTube.txt"

Mas isso ainda vai usar o inglês por padrão. Portanto, vamos usar o idioma português para fazer o reconhecimento do áudio usando opção -l:

vosk-transcriber -l pt -i "Como-fazer-a-sua-propria-distro-Linux-do-zero-Linux-from-scratch-YouTube.mp4" -o "Como-fazer-a-sua-propria-distro-Linux-do-zero-Linux-from-scratch-YouTube.txt"

Agora podemos ver que o resultado começa a se tornar interessante!

Agora entra em cena a questão dos modelos. Com eles é possível melhorar ainda mais a precisão do reconhecimento selecionando modelos com mais dados (maiores). Mas tenha em mente que isso terá um custo: o modelo será baixado pela internet e, se for maior, maior carga de processamento será utilizada, representando mais tempo de transcrição.

Modelos são os conjuntos usados para fazer o treinamento dentro do algoritmo. Por exemplo, o modelo vosk-model-small-pt-0.3 tem 31Mb enquanto o modelo vosk-model-pt-fb-v0.1.1-20220516_2113 tem 1.6 Gb! A lista dos modelos disponíveis pode ser obtida com (estando ou não na pasta de transcrição, como no meu exemplo):

vosk-transcriber –list-models

a lista de idiomas suportados pode ser obtida com:

vosk-transcriber –list-languages

para facilitar nossa vida podemos filtrar os modelos disponíveis para um idioma usando o grep. Por exemplo, para o idioma Português:

vosk-transcriber –list-models | grep pt vosk-model-pt-fb-v0.1.1-20220516_2113 vosk-model-pt-fb-v0.1.1-pruned vosk-model-small-pt-0.3

Uma descrição online (assim como o tamanho de cada modelo) pode ser consultada em https://alphacephei.com/vosk/models. Mas é bom ter em mente que essa página não é muito atualizada, tendo em vista que alguns modelos não estão listados lá.

Assim, se quisermos fazer nossa transcrição usando o modelo vosk-model-pt-fb-v0.1.1-20220516_2113 (que tem 1.6Gb!), podemos rodar:

vosk-transcriber -l pt -i "Como-fazer-a-sua-propria-distro-Linux-do-zero-Linux-from-scratch-YouTube.mp4" -o "Como-fazer-a-sua-propria-distro-Linux-do-zero-Linux-from-scratch-YouTube.txt" -n vosk-model-pt-fb-v0.1.1-20220516_2113

Se você rodou os exemplos acima percebeu que o resultado é apenas um arquivo de texto plano com o resultado das frases ditas no vídeo.

Falta cumprir nossa promessa de obter um arquivo de legendas. Para isso podemos passar o parâmetro -t:

vosk-transcriber -l pt -t srt -i "Como-fazer-a-sua-propria-distro-Linux-do-zero-Linux-from-scratch-YouTube.mp4" -o "Como-fazer-a-sua-propria-distro-Linux-do-zero-Linux-from-scratch-YouTube.srt"

Feito isso podemos abrir nosso programa de vídeo favorito e carregar nossa legenda recém criada! Podemos legendar nosso filme favorito com apenas um comando!!!!! Eita Linux danado, que abundância meu irmão!!!!