128 lines
4.7 KiB
Markdown
128 lines
4.7 KiB
Markdown
# sboby - Trascrivere una registrazione audio
|
|
|
|
*"Sbobinare, parola amara". Anonimo, De Labore Bastardo. Senzatempo ed.*
|
|
|
|
|
|
|
|
*Sbobinare - v. tr. riportare per iscritto il contenuto di discorsi, interviste, conferenze registrati su nastro magnetico*.
|
|
|
|
Si usa raramente il nastro magnetico, ma si lavora comunque a comporre un testo da un audio, un file digitale come WAV, OGG o MP3.
|
|
|
|
Di seguito una breve guida pratica per implementare la trascrizione automatica di audio sul proprio Pc, funzionante anche
|
|
senza collegamento internet perché il modello linguistico verrà scaricato e usato localmente, in autonomia.
|
|
|
|
Nota: La trascrizione sarà esatta circa al 90% e si raccomanda dunque, prima di pubblicare, di ascoltare l'audio leggendo la
|
|
trascrizione ottenuta in modo da poter correggere gli errori. Ad esempio per individuare delle frasi di senso compiuto, ma
|
|
che non sono mai state dette, cioé le cosiddette: "allucinazioni". Anche i nomi propri di persona non possono venir
|
|
riconosciuti e vengono approssimati. Certamente una dettatura scandita nel microfono otterrà risultati migliori di un audio
|
|
ambientale mentre in sottofondo friggono mistiche patatine fritte. E dunque seppure riascoltar si deve, il testo ricavato
|
|
*autonomaticagigamente* risulterà una buona base e andrà ad alleviare il lavoraccio di trascrizione.
|
|
|
|
tl;dr non ti fidare e riascolta l'audio mentre rileggi.
|
|
|
|
Useremo il Vosk speech recognition toolkit: https://alphacephei.com/vosk/
|
|
|
|
Debian GNU/Linux OS libero: https://www.debian.org/
|
|
|
|
Un file audio:  che verrà usato negli esempi è a disposizione.
|
|
|
|
Sono supportati sia MP3 che WAV che OGG e AAC.
|
|
|
|
# Elenco delle operazioni
|
|
|
|
Partiamo da GNU/Linux, Debian 12 (stabile).
|
|
|
|
nota: qualsiasi OS con un ambiente python3 funzionante andrà bene, questa guida usa Debian 12.
|
|
|
|
Andiamo a installare python e altre cose utili:
|
|
|
|
`$ sudo apt install python3 python3-full python3-venv ffmpeg unzip mediainfo`
|
|
|
|
Creiamo la cartella: "sboby" e al suo interno, la sotto-cartella: "vosk":
|
|
|
|
`$ mkdir -p ~/sboby/vosk`
|
|
|
|
Entriamo nella cartella sboby/vosk/:
|
|
|
|
`$ cd ~/sboby/vosk/`
|
|
|
|
Scarichiamo il modello, anche [LLM](https://en.wikipedia.org/wiki/Large_language_model), vosk-italiano, circa 2GB:
|
|
|
|
`$ wget https://alphacephei.com/vosk/models/vosk-model-it-0.22.zip`
|
|
|
|
Altre lingue sono scaricabili alla pagina dei [Vosk models](https://alphacephei.com/vosk/models).
|
|
|
|
Scompattiamo il modello appena scaricato:
|
|
|
|
`$ unzip vosk-model-it-0.22.zip`
|
|
|
|
Opzionale: possiamo ora cancellare il file zip:
|
|
|
|
`$ rm vosk-model-it-0.22.zip`
|
|
|
|
Usciamo dalla cartella ~/sboby/vosk/:
|
|
|
|
`$ cd`
|
|
|
|
Creiamo un ambiente virtuale per Python:
|
|
|
|
`$ python3 -m venv /home/$USER/sboby`
|
|
|
|
Usiamo Python per scaricare e installare wheel (una libreria necessaria) e vosk-transcriber:
|
|
|
|
`$ ./sboby/bin/pip3 install wheel`
|
|
|
|
`$ ./sboby/bin/pip3 install vosk`
|
|
|
|
Ora possiamo effettuare la prima trascrizione, useremo ad esempio l'audio .
|
|
|
|
Prima, vediamo quanto dura:
|
|
|
|
`$ mediainfo allunaggio.mp3 | grep Duration`
|
|
|
|
> Duration: 1 min 16 s
|
|
|
|
A seconda delle risorse disponibili, varierà il tempo di elaborazione.
|
|
Per un Pc di media potenza, un audio di 1 ora, potrebbe impiegare circa 1 ora.
|
|
|
|
Possiamo ora invocare il programma: "vosk-transcriber", indicando (-i) quale audio sbobinare, che modello usare (--model) e dove (-o) appoggiare il testo.
|
|
|
|
`$ ~/sboby/bin/vosk-transcriber -i ~/sboby/allunaggio.mp3 --model /share/software/vosk/vosk-model-it-0.22/ -o ~/sboby/allunaggio.txt`
|
|
|
|
Possiamo anche ottenere la trascrizione in formato testo sottotitolo (SRT) con time-code:
|
|
|
|
`$ ~/sboby/bin/vosk-transcriber -i ~/sboby/allunaggio.mp3 --model /home/$USER/sboby/vosk/vosk-model-it-0.22/ -t srt -o ~/sboby/allunaggio.srt`
|
|
|
|
Opzionale: Possiamo mettere tutto nello script sboby.sh in ~/bin/ che renderemo eseguibile (`chmod 755 ~/bin/sboby.sh`):
|
|
|
|
|
|
#!/bin/sh
|
|
~/sboby/bin/vosk-transcriber -i ${1+"$@"} --model ~/sboby/vosk/vosk-model-it-0.22/ -o ${1+"$@"}.txt ;
|
|
sleep 5s ;
|
|
~/sboby/bin/vosk-transcriber -i ${1+"$@"} --model ~/sboby/vosk/vosk-model-it-0.22/ -t srt -o ${1+"$@"}.srt
|
|
echo 'bye bye sboby'
|
|
|
|
|
|
In modo da ottenere la trascrizione tramite il semplice comando: sboby.sh [FILE]..
|
|
|
|
`$ sboby.sh allunaggio.mp3`
|
|
|
|
Infine, se usiamo XFCE4 come ambiente scrivania, si potrà inserire una [custom action](https://docs.xfce.org/xfce/thunar/custom-actions)
|
|
in Thunar da usare cliccando col tasto destro sull'audio:
|
|
|
|
`/home/$USER/bin/sboby.sh %f`
|
|
|
|
|
|
|
|
# Share and enjoy
|
|
|
|
*"Dove si smangiuca, dio mi conduca. Dove si lavora, non venga mai l'ora". Skiantos, 2009, Una vita spesa a skivar la fresa*.
|
|
|
|
Commenti? Kudos? Consigli? Vaffa? Grazie! -- dan [at] autistici [dot] org
|
|
|
|
Prima versione: 2022-06-06
|
|
|
|
Ultimo aggiornamento: 2024-09-04
|
|
|
|
*bye bye sboby*
|