Runtime Speech Recognizer

Dokumentation für das Runtime Speech Recognizer Plugin.

Auf Fab erhältlich
Produkt-Website
Demo herunterladen (Windows)
Discord-Support-Server
Video-Tutorial
Individuelle Entwicklung: [email protected] (maßgeschneiderte Lösungen für Teams & Organisationen)

Das Runtime Speech Recognizer Plugin ist dafür konzipiert, Wörter aus eingehenden Audiodaten zu erkennen. Es verwendet eine leicht modifizierte Version von whisper.cpp, um mit der Engine zu arbeiten. So verwenden Sie das Plugin:

📄️ Wie man Sprachmodelle verwendet

Auswahl, Download und Verpackung von Modellen

📄️ Liste der Erkennungsparameter

Diese Parameter können nur gesetzt werden, während der Erkennungsprozess nicht aktiv ist.

📄️ Unterstützte Sprachen

Dies ist die vollständige Liste der Sprachen, die von den verfügbaren Sprachmodellen unterstützt werden.

📄️ Befehlserkennung

Levenshtein-Ähnlichkeit berechnen

📄️ Minimierung von Einfrieren

Diese Anleitung behandelt zwei häufige Ursachen für Einfrieren im RuntimeSpeechRecognizer-Plugin und bietet praktische Lösungen zur Reduzierung der Leistungsbeeinträchtigung.

📄️ Fehlerbehebung

Die meisten Probleme hängen mit dem Staging des Sprachmodells zusammen, was in der gepackten Build zu Schwierigkeiten führen kann. Konkret könnten Ihnen folgende Logs begegnen:

📄️ Demo-Projekt

Verpacktes Demo-Projekt für Windows.

📄️ Wie man die Leistung verbessert

Windows-Plattformen nutzen Vulkan für GPU-Beschleunigung, was den Erkennungsprozess erheblich beschleunigt. Auf anderen Plattformen verwendet das Plugin die CPU + Intrinsics zur Beschleunigung. Sie können die Leistung des Plugins jedoch weiter verbessern, indem Sie die folgenden Empfehlungen befolgen: