README.md

metadata

title: Whisper V3 - Energy Based SRT
emoji: 🎧
colorFrom: blue
colorTo: purple
sdk: gradio
sdk_version: 4.36.1
app_file: app.py
pinned: false

Whisper Large V3 - Energy Based Subtitle Generator

本 Space 使用 openai/whisper-large-v3 进行语音识别，
并基于 音频能量 (RMS → dB) 自动检测静音段切分字幕。

特点：

• ✅ 自动识别长音频（分块推理）
• ✅ 静音检测切分（非依赖标点，停顿 ≥ 0.2 秒自动分段）
• ✅ 输出标准 .srt 文件（无编号，更适合编辑）
• ✅ 兼容 GPU / CPU / ZeroGPU 环境，避免 AcceleratorError

---

🚀 使用方法

1. 上传音频文件（支持 mp3, wav, flac 等常见格式）。
2. 选择任务模式：
   • transcribe：原语言转写
   • translate：翻译为英文
3. 点击提交，等待处理完成。
4. 在下方：
   • 预览区可查看字幕（SRT 格式，无编号）。
   • 点击下载按钮可获取 .srt 文件。

---

⚙️ 参数说明

• SILENCE_MIN_LEN = 0.20 → 停顿 ≥ 0.2s 判定为静音段
• DB_DROP = 25.0 → 静音阈值：最大能量 -25dB 以下
• PCTL_FLOOR = 20.0 → 能量分位数阈值（避免底噪过低）
• MIN_SEG_DUR = 0.30 → 每段最短显示 0.3s，避免闪烁

可根据需要在 app.py 中调节这些参数。

---

📦 依赖 (requirements.txt)

torch>=2.3.0
torchaudio>=2.3.0
transformers>=4.43.0
accelerate>=0.32.0
huggingface_hub>=0.23.0
datasets>=2.19.0
gradio>=4.36.1
librosa>=0.10.1
soundfile>=0.12.1
numpy>=1.24.0
scipy>=1.12.0