Pular para o conteúdo principal

Lista de parâmetros de reconhecimento

Esses parâmetros só podem ser ajustados enquanto o reconhecedor não está em execução.

Esta não é uma lista exaustiva dos parâmetros disponíveis no Whisper. Apenas os mais importantes estão expostos aqui. Se necessário, esta lista será atualizada.

Definir parâmetros de reconhecimento​

Define os parâmetros para reconhecimento de fala. Se você quiser alterar apenas parâmetros específicos, considere usar as funções individuais de definição.

Definir padrões para streaming​

Define os parâmetros padrão adequados para reconhecimento de fala em streaming.

Definir padrões para não streaming​

Define os parâmetros padrão adequados para reconhecimento de fala não em streaming.

Definir número de threads​

Define o número de threads a serem usadas para o reconhecimento de fala. Defina este valor como 0 para usar a quantidade de núcleos.

Definir idioma​

Define o idioma a ser usado para o reconhecimento de fala. Deve ser suportado pelo modelo de idioma selecionado nas configurações do Editor.

Definir o idioma como Auto irá diminuir a precisão e o desempenho do reconhecimento.

Definir tradução para inglês​

Define se deve traduzir as palavras reconhecidas para o inglês. Se verdadeiro, o modelo de idioma precisa ser multilíngue.

Definir tamanho do passo​

Define o tamanho do passo em milissegundos. Determina com que frequência enviar os dados de áudio para reconhecimento. O valor padrão é 5000 ms (5 segundos).

Definir sem contexto​

Define se deve usar a transcrição passada (se houver) como prompt inicial para o decodificador.

Definir segmento único​

Define se deve forçar a saída de segmento único (útil para streaming).

Definir número máximo de tokens​

Define o número máximo de tokens por segmento de texto. Use 0 para sem limite.

Definir aceleração​

Define se deve acelerar o reconhecimento em 2x usando Phase Vocoder. Defina como false para melhorar a qualidade da saída.

Definir tamanho do contexto de áudio​

Define o tamanho do contexto de áudio. Defina como 0 para melhorar a qualidade da saída.

Definir temperatura para aumento​

Define a temperatura para aumentar ao voltar quando o decodificador não atender a nenhum dos limites descritos abaixo.

Definir limiar de entropia​

Define o limiar de entropia. Se a razão de compressão for maior que esse valor, a decodificação será considerada com falha. Semelhante ao "compression_ratio_threshold" do OpenAI.

Definir supressão de espaços em branco​

Define se deve suprimir espaços em branco ao exibir os resultados.

Definir supressão de tokens não falados​

Define se deve suprimir tokens não falados ao exibir os resultados.

Definir tamanho do feixe​

Define o número de feixes (beams) na busca em feixe. Só se aplica quando a temperatura é zero.

Definir prompt inicial​

Define o prompt inicial para a primeira janela. Isso pode ser usado para fornecer contexto ao reconhecimento, tornando mais provável a predição correta das palavras, por exemplo, vocabulários customizados ou nomes próprios.

Definir aceleração por GPU​

Define se deve usar aceleração por GPU para reconhecimento de fala (aplicável apenas no Windows no momento).

Definir ID do dispositivo GPU​

Define o ID do dispositivo GPU a ser usado para o reconhecimento de fala. O valor padrão é 0. Isso é útil para sistemas com múltiplas GPUs, permitindo especificar qual GPU deve ser usada para o processo de reconhecimento. Se o ID de dispositivo GPU especificado for inválido, será usado o primeiro índice de GPU disponível.